Probabilités et Statistiques

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Probabilités et Statistiques"

Transcription

1 Préparatio à l Agrégatio Probabilités et Statistiques Fascicule d Exercices gééraux de Probabilités (iveaux L3-M1) Uiversité Pierre et Marie Curie - Paris VI Aée Lauret MAZLIAK U certai ombre des exercices qui suivet, surtout das les deux premiers chapitres, repérés par u, sot corrigés das le petit livre de la collectio Livrets d exercices de Lauret Mazliak chez Herma sous le titre Calcul de probabilités. D autres le sot das le livre Probabilités de Yves Lacroix et Lauret Mazliak publié chez Ellipses das la collectio Mathématiques à l Uiversité. Repérés par u, ces deriers peuvet évetuellemet correspodre das le livre à ue partie traitée das le cours (pas e exercice). 1

2 1 Variables aléatoires discrètes Exercice 1.1 Le Chevalier de Méré s étoait qu e laçat deux dés, il obtiee plus souvet 11 que 12 alors que l u et l autre de ces ombres était obteu que par ue combiaiso (5+6 et 6+6). Qu e pesez-vous? Exercice 1.2 a) O fait rouler quatre dés. Quelle est la probabilité d obteir au mois u six? b) O fait rouler deux dés vigt-quatre fois. Quelle est la probabilité d obteir au mois ue fois deux ciq? Exercice 1.3 persoes sot réuies das ue pièce. Calculez la probabilité pour que deux d etre elles au mois aiet la même date d aiversaire. Exercice 1.4 O suppose que das ue course, il y a chevaux au départ. a) Calculez le ombre de tiercés possibles b) Calculez la probabilité de gager, avec u ticket, le tiercé 1-das l ordre 2-das l ordre ou le désordre 3-das le désordre c) Applicatio umérique avec = 14. Exercice 1.5 Das les p boîtes à lettres d u immeuble, u facteur est chargé de distribuer lettres dot r 1 sot pour la boîte 1,...,r p pour la boîte p. Peu cosciecieux, il les distribue au hasard. a) Quelle est la probabilité pour que la distributio soit correcte? b) Quelle est la probabilité pour que la boîte 1 soit correctemet remplie? c) Quelle est la probabilité pour que das la boîte 1 il y ait aucue lettre destiée à u voisi? d) Quelle est la probabilité pour qu il y ait das chaque boîte exactemet le ombre de lettres qui lui était destié? 2

3 Exercice 1.6 O lace deux dés au hasard et o cosidère les évéemets suivats A = le premier dé tombe sur ue face impaire B = le deuxième dé amèe ue face impaire C = la somme des valeurs des faces des deux dés est impaire Motrer que A, B, C sot deux à deux idépedats mais pas idépedats. Exercice 1.7 Soiet évéemets idépedats A 1,..., A das (Ω, P ). Calculer e foctio de P (A i ) la probabilité p = P (A 1... A ) et motrer que 1 p exp{ i P (A i)}. Exercice 1.8 O tire au hasard,selo ue loi uiforme, u etier compris etre 1 et a) Si q divise, quelle est la probabilité de tirer u multiple de q b) O suppose que la décompositio e facteurs irréductibles de soit = q α qαp p O ote A i l évéemet: o tire u multiple de q i. Motrer que les A i sot idépedats. Exercice 1.9 E utilisat la loi de (X, Y ), démotrer que E(X + Y ) = E(X) + E(Y ) Exercice 1.10 Costruire u exemple de variable aléatoire o costate pour laquelle Var(X) = 0. Exercice 1.11 Ue populatio comporte 60% de femmes et 40% d hommes. O sait par ailleurs que 10% des hommes ot les cheveux logs et que 40% des femmes ot les cheveux courts. Ue persoe se présete avec les cheveux logs. Quelle est la probabilité pour que ce soit ue femme? 3

4 Exercice 1.12 Soit A u évéemet. O ote 1I A la variable aléatoire qui vaut 1 sur A et 0 ailleurs (foctio caractéristique de A). Motrer que E(1I A ) = P (A). Exercice 1.13 Soit X ue variable aléatoire réelle. a) Motrer que pour tout α > 0, si X 0, P (X α) 1 E(X) (Iégalité de Markov) α b) Motrer que pour tout ε > 0, P ( X E(X) > ε) Var(X) ε 2 (Iégalité de Bieaymé-Tchebitcheff) Exercice 1.14 Soiet X 1 et X 2 deux variables idépedates, de lois B( 1, p) et B( 2, p). Quelle est la loi de X 1 + X 2? Exercice 1.15 Calculer la probabilité pour qu e répartissat r boules das cellules, toutes les cellules soiet occupées. Exercice 1.16 U joueur joue à la roulette à 37 cases 10 euros sur le 19 et 100 euros sur pair : si la bille tombe sur 19 il touchera 36 fois sa mise (soit 360 euros) et si elle tombe sur pair (0 exclu), il touchera 2 fois sa mise ; das tous les autres cas, sa mise va à la baque. Quelle est l espérace de so gai? Exercice 1.17 a) Mo voisi a deux efats dot ue fille. Quelle est la probabilité pour que l autre soit u garço? b) U autre voisi a deux efats dot le plus jeue est ue fille. Quelle est la probabilité pour que l autre soit u garço? 4

5 Exercice 1.18 Ce mati là, Mosieur Marti, philosophe à ses heures, avait etrepris, compte teu des prévisios météorologiques pessimistes, de se redre à so travail e voiture et avait eu la boe idée de proposer à so voisi, l igéieur Félicie Optimal de l emmeer. Hélas, bietôt pris das des ecombremets désespérats, ils duret se résoudre à egager les plaisirs de la coversatio ce qui leur doa l occasio de mieux se coaître. M.Marti expliqua qu il avait trois efats dot u préommé Jacques et u autre Paul. N avez-vous pas aussi ue fille? demada Félicie. D ailleurs, je ai qu ue chace sur quatre de me tromper. M.Marti cotiua so propos qui fit apparaître que l aîé des efats était justemet Jacques. Je pese ecore que vous avez ue fille, reprit Félicie, mais j ai maiteat ue chace sur trois de me tromper. - Puisque cela vous itéresse, je puis vous doer ue autre idicatio, dit Mosieur Marti: mo bejami est Paul. - Alors, répodit Félicie, je e sais plus du tout si vous avez ue fille ou o! Cette démostratio de ratioalisme laissa otre philosophe u peu perplexe: ile lui apparaissait pas clair e effet que les iformatios successives qu il avait doées avaiet pu augmeter l icertitude de so voisi Félicie. Ces iformatios étaiet-elles des coaissaces ou des ati-coaissaces? Il s egagea alors das ue méditatio sur le réel et aboutit à la coclusio que puisque effectivemet le cadet de ses efats était ue fille, la première impressio de Félicie avait été la boe. (d après N.Bouleau: Probabilités pour l igéieur, Herma) Exercice 1.19 Soit (A ) ue suite d évéemets telle que P (A ) < Motrer que P ( ue ifiité de A i se produiset simultaémet ) = 0 (Lemme de Borel-Catelli) Exercice 1.20 Soiet X et Y deux variables aléatoires idépedates telles que X suit ue loi de Poisso de paramètre λ et Y ue loi de Poisso de paramètre µ. Détermier la loi de X + Y. 5

6 Exercice 1.21 O s itéresse à l effet biologique produit par des électros à l issue d ue cathode. Précisémet, o suppose que chaque électro émis a ue probabilité p d être actif. O suppose que tous les électros ot u comportemet idépedat les us des autres. O ote Z le ombre d électros émis et Y le ombre d etre eux qui sot actifs. O suppose que Z suit ue loi de Poisso de paramètre λ. Détermier la loi de Y. Exercice 1.22 Soiet A 1, A 2,..., A des évéemets. Motrer que P (A 1... A ) = P (A 1 )P (A 2 /A 1 )... P (A /A 1... A 1 ) Exercice 1.23 Soiet X et Y deux variables aléatoires de lois de Poisso de paramètres α et β. Motrer que pour tout i suffisammet grad, P (X = i) P (Y = i) α β. Exercice 1.24 Soit X ue variables aléatoire à valeurs etières. O pose p k = P (X = k) et q k = j k+1 Motrer que E(X) = j 0 q j p j Exercice 1.25 Trouver la loi du miimum de deux variables aléatoires géométriques idépedates Exercice 1.26 Décrire u espace de probabilité (Ω, A, P ) de l expériece aléatoire qui cosiste à répartir au hasard boules das N cases. O ote X le ombre de boules tombat das ue case doée à l avace. a) Expliciter les p k = P (X = k), 0 k, E(X) et Var(X) b) Doer la limite de p k quad k état fixé, et N tedet vers l ifii de telle sorte que N λ, 0 < λ < 6

7 Exercice 1.27 A - O dispose de N pièces umérotées de 1 à N et o e choisit au hasard sas replacemet ( N) a) Décrire l espace de probabilités (Ω 1, A 1, P 1 ) (resp. (Ω 2, A 2, P 2 )) associé à cette expériece aléatoire quad o regarde la suite (resp. l esemble) des uméros obteus. b) O suppose qu ue proportio p, 0 < p < 1, des N pièces sot défectueuses, avec pn >. O ote X le ombre de pièces défectueuses figurat parmi les pièces choisies. (i) E cosidérat X défiie sur Ω 2 expliciter les p k = P 2 (X = k). (ii) E cosidérat X défiie sur Ω 1 motrer que X peut s écrire comme la somme de variables aléatoires à valeurs das {0, 1} X = k=1 Calculer les E(Z k ), cov(z k, Z l ). E déduire E(X) = p et Var(X) = p(1 p)(1 1 N 1 ) B - O cosidère les mêmes pièces, mais o e choisit avec replacemet ( peut être plus grad que N). O ote Y le ombre de pièces défectueuses observées. a) Décrire l espace de probabilité (Ω, A, P ) associé à cette expériece aléatoire b) Expliciter les q k = P (Y = k), 0 k et motrer que, pour k et fixés, p k q k quad N. Commeter. Z k Exercice 1.28 Soit X ue variable aléatoire réelle telle que E(X) = m et Var X = σ 2. O se doe u α 0. a) Soit λ 0. Motrer que P (X m α) = P (X m + λ α + λ). b) Calculer E[(X m + λ) 2 ]. c) Motrer que d) E étudiat ϕ(λ) = λ 0, P (X m α) σ 2 + λ 2 α 2 + λ 2 + 2λα. σ 2 + λ 2 α 2 + λ 2, déduire l Iégalité de Catelli + 2λα P (X m α) 7 σ2 α 2 + σ 2

8 e) Motrer que P ( X m α) 2σ2 α 2 + σ 2 Quad cette iégalité est-elle meilleure que l iégalité de Bieaymé-Tchebitcheff? Exercice 1.29 Ue pricesse a prétedats umérotés par ordre de mérite décroissat 1,2,...,. Elle doit e choisir u. Le problème est qu ils défilet u par u au hasard devat elle et qu elle e peut reveir sur so choix si elle e a laissé partir u. Elle doit doc adopter ue stratégie pour avoir le plus de chace de choisir le meilleur... Soit Ω l esemble des permutatios de {1, 2,..., }. Ω est mui de la probabilité uiforme. σ Ω représete u tirage du hasard (les prétedats défilet das l ordre σ(1),..., σ()). Pour 1 k, o itroduit la variable Y k qui est le rag de σ(k) das l esemble {σ(1),..., σ(k)} ragé e ordre décroissat: Y k = 1 sigifie que σ(k) est le plus grad parmi l esemble {σ(1),..., σ(k)}, Y k = 2 sigifie qu il y a exactemet u élémet de {σ(1),..., σ(k)} plus grad que σ(k) etc... Par covetio, o pose Y +1 = 0. a) Motrer que F : σ (Y 1 (σ),..., Y (σ)) défiit ue bijectio de Ω sur Π = {1}... {1, 2,..., } b) E déduire que les variables Y j sot idépedates et que Y k suit la loi uiforme sur {1, 2,..., k}. c) Soit τ r = if{k r, Y k = 1} (= + 1 si cet esemble est vide). Calculer la probabilité pour qu au temps τ r, le prétedat qui se présete soit le meilleur (i.e. le umero 1). Commet choisir r pour maximiser la probabilité précédete? Trouver u équivalet de r quad ted vers l ifii. Exercice 1.30 Soit (X ) 1 ue suite de variables aléatoires à valeurs das { 1, 1}, idépedates et de même loi doée par P (X 1 = 1) = P (X 1 = 1) = Soit S = X k. k=1 Calculer E(S ). 8

9 2- O appelle temps d arrêt de la suite (X ) ue variable aléatoire τ qui vérifie 0, A { 1, 1}... { 1, 1} = { 1, 1} (cet esemble peut être vide) tel que (τ ) = [(X 1,..., X ) A ] a- Motrer que toute variable aléatoire costate 0 IN est u temps d arrêt b- Motrer que si τ et ν sot deux temps d arrêt, ρ = max(τ, ν) est u temps d arrêt. c- Motrer que si τ est u temps d arrêt, alors, Ã { 1, 1} tel que (τ = ) = [(X 1,..., X ) Ã)]. d- Soit τ = if{ 1, X = 1}. Motrer que τ est u temps d arrêt. Calculer E(S τ ). Exercice 1.31 Soit X ue variable aléatoire réelle preat les valeurs x 1, x 2,..., x l avec les probabilités respectives p 1,..., p l (p p l = 1). O cosidère la foctio de momets de X défiie pour t IR par M(t) = E(e tx ). 1 - Motrer que l o a t IR, M(t) = k=0 t k k! E(Xk ) 2 - E déduire que M est de classe C sur IR et que k 0, E(X k ) = M (k) (0) 3 - Calculer la foctio de momets d ue variable de Beroulli de paramètre p 4 - Soiet X 1,..., X, variables aléatoires idépedates preat chacue u ombre fii de valeurs. O pose S = X X. Calculer la foctio de momets de S. 5 - Quelle est la foctio de momets d ue variable biômiale de paramètres et p 6 - Motrer que M(t) caractérise la loi de X 7 - O pose C(t) = l M(t) a) Motrer que C est défiie sur IR, de classe C b) Calculer C(0), C (0), C (0). c) Motrer que M et C sot covexes. 9

10 Exercice 1.32 Soit (X ) 1 ue suite idépedate de variables aléatoires à valeurs das {0, 1}. Soit τ le premier istat où la valeur 1 est prise: τ(ω) = if{m, X m (ω) = 1}, (= + si ) O pose r = P (X = 1) et l o suppose que 0 r < 1 pour tout. a) Expliciter la loi de τ à l aide des r A quelle coditio sur les r a-t-o τ < p.s.? b) Détermier la foctio géératrice de τ aisi que E(τ) et Var(τ) das le cas où r = a (a fixé das ]0,1[). c) O pose τ 0 = 0, τ 1 = τ et τ +1 = if{m > τ, X m = 1} Motrer que les variables τ sot fiies p.s., que les v.a. τ +1 τ, 0 sot idépedates et de même loi. E déduire la foctio géératrice et la loi de chacue des τ, leur espérace et leur variace. Exercice 1.33 U joueur va au casio avec ue fortue a IN. A chaque partie, il peut gager 1 euro avec ue probabilité p et perdre 1 euro avec ue probabilité q = 1 p. So but est de jouer jusqu à l obtetio de la fortue c a, c IN mais il doit s arrêter s il est ruié. O ote s c (a) sa probabilité de succès (atteidre c avat la ruie). a) Calculer s c (0) et s c (c) b) Motrer, pour a > 0, e raisoat sur ce qui s est passé au premier coup, la relatio s c (a) = ps c (a + 1) + qs c (a 1) c) Déduire la valeur de s c (a) d) Applicatio umérique: Calculer la valeur précédete avec a = 900, c = 1000; a = 100, c = das les cas p = 0, 5 et p = Exercice 1.34 O repred le modèle de l exercice précédet mais le jeu chage et le joueur est maitat autorisé à s edetter (il e doit plus s arrêter quad il est ruié). O s itéresse au temps d attete du premier gai par le joueur (c est à dire au premier istat où sa fortue s est accrue d ue uité par rapport à sa fortue iitiale). a) Posos 10

11 φ = P ( au ième coup, pour la première fois, le joueur réalise u gai ). Par covetio, φ 0 = 0. Calculer φ 1. b) O pose Φ(s) = 0 φ s pour 0 s 1. Motrer que pour > 1, φ = q(φ 1 φ φ 2 φ 1 ) c) Déduire que Φ(s) ps = qsφ 2 (s). d) Résoudre l équatio et e déduire Φ. e) Calculer 0 φ f) Soit N le uméro du coup où le joueur réalise u gai pour la première fois. Calculer E(N). 2 Variables aléatoires cotiues Exercice 2.1 Soit X ue variable aléatoire réelle. O pose F (t) = P (X t) (foctio de répartitio). a) Motrer que F est croissate et cotiue à droite. b) Commet iterpréter les sauts de F? Motrer qu il y e a au plus u ombre déombrable. c) Motrer que F est cotiue si X est ue variable à desité. d) Si X est à desité, relier F et la desité de X. e) Motrer que F caractérise la loi de X. Exercice 2.2 a) O suppose que X est à valeurs das IR +. O pose F (t) = P (X t). Motrer que E(X) = 0 (1 F (t))dt b) Soit X ue variable admettat u momet d ordre 1. Motrer que E(X) = P (X > t)dt 0 0 P (X < t)dt Exercice 2.3 Si X est uiforme sur [ 1, 1], détermier la loi de X et de X 2. 11

12 Exercice 2.4 Si X est ue variable aléatoire réelle strictemet positive de desité f, détermier la loi de X 1, X 2 + 1, mi(x, 1). Exercice 2.5 Supposos que X et Y soiet idépedates et f(x, y) 0. O pose g(x) = E(f(x, Y )). Motrer que E(g(X)) = E(f(X, Y )). Exercice 2.6 Soiet 3 ombres X, Y, Z choisis idépedammet et uiformémet das [0,1]. Quelle est la probabilité pour que l o puisse former u triagle à l aide de segmets de logueurs X, Y, Z? Exercice 2.7 Soit (X, Y ) ue variable aléatoire à valeurs das IR 2 de desité f(x, y) = 1 2 x e y 1I D (x, y) avec D = {x > 0, y > 0, y 2 > x}. a) Détermier les lois de X et Y. b) Les variables aléatoires X et Y sot-elles idépedates? c) Les variables X et Y X 1 2 sot-elles idépedates? d) Les variables aléatoires X Y 2 et Y sot-elles idépedates? Exercice 2.8 Soiet X 1 et X 2 deux variables aléatoires idépedates, de mêmes lois de desité f(x) = 2x, 0 < x < 1 Détermier la loi de X1 X 2. Exercice 2.9 Soit ue variable aléatoire telle que P (X > x + y/x > x) = P (X > y), x, y 0 Détermier la loi de X et iterpréter. 12

13 Exercice 2.10 O cosidère ue variable X admettat u momet d ordre 1. Motrer que ε > 0, δ > 0, A F, P (A) < δ E( X 1I A ) < ε Exercice 2.11 O dit qu ue suite de variables aléatoires (X ) est uiformémet itégrable si o a lim sup E( X 1I a X >a) = Motrer que (X ) est uiformémet itégrable si et seulemet si (E( X )) IN est borée et si ε > 0, δ > 0 tel que A F, P (A) < δ sup E( X 1I A ) < ε 2 - Soit (X ) ue suite de variables uiformémet itégrable. O pose Y = max( X 1, X 2,..., X ). Motrer que E(Y ) = o(). Exercice 2.12 Soit (X ) ue suite de variables aléatoires à valeurs réelles. Costruire ue probabilité Q équivalete à P telle que toutes les variables X admettet par rapport à Q u momet d ordre 1. Exercice 2.13 Prouver que 1 2π e tx2 2 dx = t 1 2 et déduire que si X est ue variable gaussiee cetrée réduite E(X 2k ) = (2k 1), k 1 13

14 Exercice 2.14 Soiet X 1,..., X variables aléatoires réelles positives idé pedates, de même loi de foctio de répartitio F. O pose M = max(x 1,..., X ). Exprimer à l aide de F les momets de M (c est à dire les E(M k ) où k est u etier). Exercice 2.15 Soit X ue variable aléatoire réelle de loi N (0, 1) et soit ε ue variable aléatoire idépedate de X telle que P (ε = 1) = P (ε = 1) = 1 2. O pose Y = ε.x. a) Quelle est la loi de (X, Y )? b) Calculer E(XY ) c) X et Y sot-elles idépedates? Exercice 2.16 Soiet α > 0 et β > 0. Soit de plus (U, V ) u vecteur aléatoire à valeurs das IR 2 de loi uiforme sur la surface u 0, v 0, u 1/α + v 1/β 1. O ote S la mesure de cette surface. U 1/α Détermier la loi de X = U 1/α + V. 1/β Exercice 2.17 a) Soiet X et Y deux variables aléatoires réelles idépedates. O suppose que la loi de X admet ue desité sur IR et que Y est à valeurs etières. La loi de X + Y admet-elle ue desité? b) Que pesez-vous du cas o-idépedat? Exercice 2.18 (Aiguille de Buffo). Le pla est strié de droites parallèles équidistates de 2a. Ue aiguille de logueur 2l, l < a est jetée au hasard sur le pla au ses où la distace du milieu de l aiguille à la droite la plus proche est ue variable aléatoire X uiforme sur [0, a] et où l agle que fait l aiguille avec cette droite est ue variable aléatoire ϕ, idépedate de X, uiforme sur [0, π]. Quelle est la probabilité que l aiguille coupe l ue des parallèles? Exercice 2.19 Soit Θ et Φ la logitude et la latitude d u poit tiré aléatoiremet sur la surface de la shère uité de IR 3 Détermier la loi du couple (Θ, Φ) et étudier l idépedace. 14

15 Exercice 2.20 Soiet A, B, C trois variables aléatoires strictemet positives et idépedates de foctio de répartitio F de classe C 1 sur IR. Motrer que la probabilité pour que le polyôme AX 2 + BX + C admette ue racie réelle est égale à 0 0 F ( x2 4y )F (x)f (y)dxdy Applicatio umérique si A, B, C suivet ue loi uiforme sur [0,1]. Exercice Soiet X 1, X 2,..., X des variables réelles idépedates et de même loi µ. Soit σ S, esemble des bijectios de {1, 2,..., } sur lui même. Motrer que H B(IR ), P [(X 1,..., X ) H] = P [(X σ(1),..., X σ() ) H] 2 - Soit (X ) IN ue suite de variables aléatoires réelles idépedates et de même loi possédat ue desité sur IR. a) O défiit Ω comme l esemble des ω Ω tels que X k (ω) X j (ω), (j, k) IN 2, k j Motrer que P ( Ω) = 1. b) Sur Ω, o défiit la variable aléatoire T (ω) à valeurs das S comme la permutatio ordoat (X 1 (ω),..., X (ω)). Autremet dit, T (ω) = σ sigifie X σ(1) (ω) < X σ(2) (ω) <... < X σ() (ω) O pose de plus Y (ω) égal au rag de X (ω) parmi X 1 (ω),..., X (ω) i.e. Y (ω) = k sigifie que parmi X 1 (ω),..., X (ω), k 1 valeurs exactemet sot iférieures à X (ω). Motrer que T suit ue loi uiforme sur S. c) Motrer que Y suit ue loi uiforme sur {1, 2,..., } d) Motrer que les variables Y 1, Y 2,..., Y,... sot idépedates e) Soit A l évéemet (max X k < X ) (o pose A 1 = Ω). k< Motrer que A 1, A 2,... sot idépedats et que P (A ) = 1 f) Soit N (ω) = if{ >, ω A } Motrer que P (N = + k) = ( + k 1)( + k) Calculer E(N ) 15

16 3 Covergeces des variables aléatoires Exercice 3.1 Soit (X ) ue suite de variables idépedates cetrées et telles que sup E(X) 4 <. Motrer que S = X X coverge vers 0 p.s. Exercice 3.2 Soit f : [0, 1] IR, cotiue. O pose B (x) = f( k )Ck x k (1 x) k. k=0 a) Motrer que si M = sup x pour tout b) Coclure sup x f(x) et δ(ε) = sup f(x) f(y), o a x y ε f(x) B (x) δ(ε) + 2M ε 2 Exercice 3.3 Soit (S ) ue suite de variables aléatoires telle que S suit ue loi biômiale de paramètres et p, 0 p 1. O suppose que lim p = λ IR +. Etudier la covergece e loi de la suite (S ). Exercice 3.4 Soit X ue variables aléatoire à valeurs etières, de foctio géératrice P (s). O suppose qu il existe s 0 > 1 tel que P (s 0 ) <. a) Motrer que m r = E(X r ) < pour tout r 0. b) O pose F (s) = m r r! sr r 0 Motrer que F coverge pour s < l s 0. Exercice 3.5 a) Moter que des variables à desité peuvet coverger vers des variables sas desité. b) Et réciproquemet. 16

17 Exercice 3.6 Motrer que si X coverge e loi vers X, alors µ X (I) µ X (I) pour tout borélie I tel que µ X ( I) = 0. Exercice 3.7 Calculer la foctio caractéristique d ue loi de Cauchy de desité 1 1 π 1 + x 2 Exercice 3.8 Soiet X 1,..., X idépedates et de loi de Cauchy. Détermier la loi de (X X ). Exercice 3.9 Soit X ue v.a. de loi µ et de foctio caractéristique ϕ. a) Motrer que 1 T µ({a}) = lim e ita ϕ(t)dt T 2T T b) Soit {x k } la suite des poits de masse o ulle pour µ. Motrer que lim T 1 T ϕ(t) 2 dt = 2T T k µ({x k }) 2 Idicatios: Commecer par cosidérer deux variables idépedates Z 1 et Z 2 de loi µ. Motrer que Motrer alors que lim T 1 T ϕ(t) 2 dt = P (Z 1 Z 2 = 0) 2T T P (Z 1 Z 2 = 0) = P (X = y)µ(dy) = k µ({x k }) 2 c) Motrer que µ a pas de poit de masse si ϕ est das L 2 (dt). 17

18 Exercice 3.10 Soit (X ) ue suite de variables aléatoires réelles qui coverge e loi vers X. a) Motrer que (ϕ X ) forme ue suite de variables uiformémet équicotiues. b) Motrer que ϕ X coverge uiformémet sur tout compact de IR. Exercice 3.11 Soiet X 1, X 2,... X,... des variables aléatoires de même loi admettat ue variace fiie. a) Motrer que ε, lim P ( X 1 > ε ) = 0 b) Déduire que lim P ( 1 max 1 k X k > ε) = 0 Exercice Motrer que si les v.a. X 1,..., X,... sot idépedates p.s. et X X, alors X est costate 2 - Démotrer que ce résultat reste vrai si l o suppose seulemet la covergece e probabilité. Exercice 3.13 Motrer que si X P X et o a X Y, où Y est ue v.a. itégrable, alors X L 1 X. Exercice 3.14 Soit (X ) ue suite de variables aléatoires à valeurs 0 ou 1. O pose p = P (X = 1). a) Trouver ue coditio écessaire et suffisate pour que la suite (X ) coverge vers 0 das L 1. b) Trouver ue coditio écessaire et suffisate pour que la suite (X ) coverge vers 0 e probabilités. c) Trouver ue coditio écessaire et suffisate pour que la suite (X ) coverge vers 0 p.s. d) Trouver ue coditio écessaire et suffisate pour que la suite (X ) coverge vers 0 e loi. 18

19 Exercice 3.15 Soit (X ) IN ue suite de variables iid telles que P (X 1 0) = 1 et P (X 1 > 0) > 0. Motrer que X = p.s. Exercice 3.16 Soit (X ) IN ue suite de variables aléatoires covergeat p.s. vers X. O suppose de plus que lim E( X ) = E( X ). Motrer que la covergece a lieu e fait das L 1. Exercice 3.17 Soit {X } 1 ue suite de v.a. idépedates. a) O suppose que pour u c > 0 les trois séries IP { X c} =1 IE(X ) c =1 Var(X) c =1 coverget, où o ote X c = X 1 { X c}. Motrer que la série X coverge p.s. b) Motrer que la covergece des séries IE(X ) et IE( X p ) pour u 1 < p 2 etraie la co- =1 vergece p.s. de la série =1 X. =1 =1 Exercice 3.18 Soit f : IR 2 IR ue foctio uiformémet cotiue. O cosidère deux suites (X ) et (Y ) de variables réelles telles que X P X et Y P Y. Motrer que f(x, Y ) P f(x, Y ). Exercice 3.19 Soit f : [0, 1] IR ue foctio cotiue. Motrer que f( x1+...+x ) dx 1... dx f( 1 2 ) [0,1] 19

20 Exercice 3.20 Soit {X } 1 ue suite de v.a. idépedates et uiformes sur [0, 1]. Soit f boréliee borée. Etudier la covergece p.s. de la suite 1 (f(x 1) f(x )) pour. Exercice 3.21 Soit (X ) ue suite de v.a. idépedates de même loi de Beroulli de paramètre p = 1 q. O pose Y = 1I X+1=1,X +2=0. a) O pose Z = 1I X2+1=1,X 2+2=0 et Z = 1I X2=1,X 2+1=0. Motrer que les deux suites (Z ) et (Z ) sot composées, chacue, de variables idépedates. b) Déduire la covergece p.s. de la suite Z Z c) Etudier la covergece p.s. de la suite Y Y. et de la suite Z Z. Exercice 3.22 Soiet X 1 et X 2 des variables idépedates de moyee ulle et de variace σ 2 < +. O suppose que X1+X2 2 X 1 X 2. Quelle est cette loi? Exercice 3.23 Soit X = (X 1,..., X d ) à valeurs das IR d de foctio caractéristique Φ X (u). a) Quelle est la foctio caractéristique de X 1? b) Soit A : IR d IR p ue applicatio liéaire. Quelle est la foctio caractéristique de A(X)? Exercice 3.24 O dit qu ue variable aléatoire réelle admet ue loi à réseau si sa loi est portée par u esemble {a + b, Z}, où a et b > 0 sot deux réels. O ote ϕ la foctio caractéristique de X. a) Motrer que X a ue loi à réseau si et seulemet si ϕ(t) = 1 pour u t > 0. b) Motrer que si ϕ(t) = ϕ(t ) = 1 pour u t et u t icommesurables (i.e. de rapport irratioel), alors X est p.s. costate. 20

21 Exercice 3.25 Soiet X et Y deux variables aléatoires réelles idépedates de même loi µ. O suppose que x > 0, µ([x, + [) = µ(], x]) et que µ est pas ue masse de Dirac. E outre, o suppose que (α, β) IR + IR +, αx +βy a même loi que (α + β)x. Détermier la loi µ. Exercice 3.26 Soiet (s i ) i 1 ue suite de réels positifs décroissate vers 0, (d k ) ue suite de réels positifs telle que k 1 d k = +. O suppose efi que k 1 s kd k = 1 et o pose t 0 = 0 et t k = d d k. Soit ϕ la foctio telle que ϕ(0) = 1, ϕ est affie sur chaque itervalle [t k, t k+1 ], de pete s k+1. a) Dessier le graphe de ϕ. b) Calculer la foctio caractéristique de la loi de desité (1 x )1I 1<x<1. c) Calculer la foctio caractéristique ϕ 0 de la loi de desité 1 π d) Motrer que, si p k = (s k s k+1 )t k, k 1 p k = 1 et ϕ(t) = 1 cos x x. 2 k=1 p k ϕ 0 ( t t k ). Déduire que ϕ est ue foctio caractéristique. e) Soit ψ ue foctio paire, réelle, telle que ψ(0) = 1, cotiue, covexe, positive et décroissate sur IR +. Motrer que ψ est ue foctio caractéristique. Exercice Soit (X ) ue suite de variables aléatoires réelles. a) Motrer que si X coverge e loi vers X, alors ε > 0, il existe K > 0 tel que sup P ( X K) < ε [0, ] b) Motrer que si X coverge e loi vers X, alors ϕ X (t) coverge uiformémét vers ϕ X (t) sur tout itervalle boré de IR. 2- Soiet (a ) et (b ) deux suites réelles avec a > 0,. Soiet X et Y deux variables aléatoires o costates et (X ) ue suite de variables aléatoires telle que X coverge e loi vers X et a X + b coverge e loi vers Y. O ote ϕ, ϕ et ψ les foctios caractéristiques de X, X et Y. a) Motrer que ϕ (a t) coverge uiformémet sur tout itervalle boré vers ψ(t). b) Déduire que 0 est pas valeur d adhérece de la suite (a ) c) E échageat les rôles de ϕ et ψ, motrer que + est pas valeur d adhérece de la suite a. d) Motrer que (a ) coverge vers a > 0. 21

22 e) Motrer que e itb coverge vers ψ(t) das u voisiage de 0. ϕ(at) f) E cosidérat t 0 e isb ds, déduire que (b ) coverge. Exercice 3.28 Soit (X ) ue suite de variables aléatoires idépedates de même loi. O suppose qu il existe a < b tels que (i) P (X 1 < a) = 0, P (X 1 > b) = 0 (ii) a < x < b, 0 < P (X 1 x) < 1 O pose Y = if(x 1,..., X ) et Z = sup(x 1,..., X ). a) Motrer que (Y ) coverge e loi vers a. b) Etudier la covergece e loi de (Z ) c) O suppose que X i suit ue loi uiforme sur [0,1]. Etudier la covergece e loi de W = Y. Exercice ) Soit X ue v.a.r. de loi N (0, 1). Calculer la foctio caractéristique de la variable Y = σx + m avec σ > 0, m IR. 2) Soit (X ) ue suite de v.a.r. de loi N (0, 1). O cosidère deux suites (σ ) et (m ), respectivemet das IR + et IR et o pose Y = σ X + m. a) O suppose que σ σ et m m. Motrer que (Y ) coverge e loi. b) O suppose que Y L Y. b1) Motrer que (σ ) coverge vers σ 0. b2) Motrer que (m ) coverge vers m IR. b3) Déduire la loi de Y. Exercice 3.30 Soit (U ) ue suite de variables aléatoires idépedates de même loi uiforme sur [0,1]. O pose Y = e α (U 1... U ) α où α est ue costate strictemet positive. a) Motrer que E(l U 1 ) = 1 et Var(l U 1 ) = 1. b) Etudier la covergece e loi de 1 α l Y. c) Etudier la covergece e loi de Y. 22

23 Exercice 3.31 O cosidère la desité de probabilités h α (t) = α 1 e α2 2π t 3 2t 1I[0, [ (t) 2 où α > 0. a) Soiet α > 0 et β > 0 doés, et X h α, Y h β deux variables aléatoires idépedates. Détermier la loi de X + Y (o pourra utiliser des trasformées de Laplace). b) Soit (X ) ue suite de variables aléatoires idépedates de loi possédat la desité h α. Détermier la loi de X X 2 Y-a-t-il ue cotradictio avec la loi des grads ombres? c) Etudier la covergece de la suite Y = 1 2 max k X k (o pourra regarder la foctio de répartitio de Y ) Exercice 3.32 Soit (X ) ue suite de variables aléatoires telle que sup E(X) 2 <. O suppose que (X ) coverge e loi vers X. Motrer que E(X ) E(X). Exercice 3.33 Soit S = X X où les X sot des variables aléatoires idépedates de loi de Poisso de paramètre 1. a) Motrer que ( E ( S ) ) = (+ 1 2 ) e! b) Motrer que ( S ) coverge e loi vers N, la partie égative d ue loi gaussiee cetrée réduite. c) Motrer que ( E ( S ) ) E(N ) d) Déduire u équivalet de! (formule de Stirlig). 23

24 Exercice 3.34 Soit (X ) ue suite de variables aléatoires réelles telles que (X ) coverge e loi vers X. a) Soit F (x) la foctio de répartitio de X (resp. F, foctio de répartitio de X). O pose G (t) = if{x, F (x) t} (resp.g(t) = if{x, F (x) t}). Détermier la loi de G e tat que variable aléatoire sur l espace de probabilités [0, 1] mui de la mesure de Lebesgue. b) Etudier la covergece de la suite G. (Théorème de Skorokhod) Exercice 3.35 Soiet p u etier fixé 2 et {X } 1 ue suite de v.a. réelles idépedates de même loi uiforme sur {0, 1,..., p 1}. Motrer que la série X coverge p.s. et que sa somme suit ue loi uiforme sur [0, 1]. p =1 Exercice 3.36 Soit {X } 1 ue suite de v.a. idépedates et de même loi uiforme sur [ 1, 1]. a) Soit α > 1 2. Motrer que la série X / α coverge das L 2 et p.s =1 b) Etudier le cas 0 < α 1 2. Exercice 3.37 Soit {X } 1 ue suite de v.a. telle que X suive la loi uiforme sur {0, 1,..., 1 }. Motrer que {X } 1 coverge e loi et détermier la loi limite. 4 Coditioemet et vecteurs gaussies Exercice 4.1 O pose Var(X/G) = E[(X E(X/G)) 2 /G]. Motrer que Var(X) = E[Var(X/G)] + Var(E(X/G)). 24

25 Exercice 4.2 a1) Soiet (X, Y, Z) tel que (X, Z) (Y, Z). Motrer que f 0 et boréliee, E(f(X)/Z) = E(f(Y )/Z). a2) O pose h 1 (X) = E(g(Z)/X) et h 2 (Y ) = E(g(Z)/Y ) pour g boréliee positive doée. Motrer que h 1 = h 2, µ-pp, où µ désige la loi de X. b) Soiet T 1,..., T des variables aléatoires réelles itégrables idépedates et de même loi. O pose T = T T. b1) Motrer que E(T 1 /T ) = T. b2) Calculer E(T/T 1 ) Exercice 4.3 Soit (X ) ue suite de variables aléatoires réelles idépedates à valeurs das IR d. O pose S 0 = 0, S = X X, F σ(s k, k ). Motrer que pour toute f : IR d IR boréliee borée, E(f(S )/F 1 ) = E(f(S )/S 1 ) et calculer cette quatité. Exercice 4.4 a) Soit X à valeurs das IR m tel que X = ϕ(y ) + Z où Y et Z sot idépedates. Calculer E(f(X)/Y ). b) Soiet X et Y à valeurs das IR k et IR p respectivemet. ( ) MX O suppose que (X, Y ) est u vecteur gaussie de moyee et de ( ) M Y RX R covariace XY. O suppose R Y iversible. R XY R Y b1) Détermier A telle que X AY et Y soiet idépedates. b2) Motrer que E(f(X)/Y ) = f(x)µ Y (dx) où µ Y est la loi gaussiee de moyee E(X/Y ) = M X + R XY R 1 Y (Y M Y ) et de covariace R X R XY R 1 Y R Y X. Exercice 4.5 A) Soiet σ > 0, a IR d et C ue matrice d d défiie positive. Motrer que (C + σ 2 a t a) 1 = C 1 C 1 a t ac 1 σ 2 + < C 1 a, a >. B) Soiet (Z ) ue suite de variables aléatoires réelles idépedates. O suppose que pour tout, Z N (0, c 2 ) où c > 0. Soit X ue variable aléatoire 25

26 de loi N (0, σ 2 ) (σ > 0), idépedate de la suite (Z ). O pose Y = X + Z, G = σ(y 1,..., Y ), ˆX E(X/G ). O pose Y = (Y 1,..., Y ). B1) Quelle est la loi de (X, Y 1,..., Y )? B2) Calculer E(f(X)/Y ) B3) Calculer ˆX et E((X ˆX ) 2 ) B4) Motrer que ˆX X das L 2 si et seulemet si 1 c 2 = + Exercice 4.6 Soit (B t ) t IR + ue famille de variables aléatoires vérifiat les coditios suivates: (i) t 1 < t 2 <... < t, (B t1,..., B t ) est u vecteur gaussie cetré (ii) (s, t), E(B s B t ) = s t (iii) p.s., t B t (ω) est ue foctio cotiue a) Motrer que (B t ) est à accroissemets idépedats et statioaires i.e. t 1 < t 2 <... < t, B t1, B t2 B t1,..., B t B t 1 sot des variables idépedates et s < t, B t B s a même loi que B t s. 1 b) O pose G t = (B k+1 t B k t)2. k=0 Motrer qu il existe ue suite p telle que G p t t p.s. c) Soit t > 0. Motrer que p.s., s B s (ω) est pas à variatios fiies sur l itervalle [0, t]. d) Motrer que si o pose B t = tb 1 pour t > 0 et B t 0 = 0, ( B t ) satisfait aux propriétés (i) et (ii). Motre que (iii) est satisfaite sur ]0, + [. O admettra que la propriété (iii) est satisfaite par B sur [0, + [. e) Motrer que les tribus σ(b s, 0 < s < ε) et σ(b s, s t) e ε>0 t>0 cotieet que des évéemets de probabilité 0 ou 1. f) Motrer que if B = et sup B = + (o pourra motrer que >0 >0 B t = B t satisfait à (i),(ii) et (iii). g) Motrer que p.s., t B t (ω) est pas dérivable e 0. h) Motrer que p.s., t, s B s (ω) s aule sur ]0, t]. 26

27 Exercice 4.7 Soit (M ) ue suite de variables aléatoires. O pose G = σ(m 0,..., M ). O suppose que M 0 = 0 et, E(M +1 /G ) = M. Motrer que E(M) 2 = E((M k M k 1 ) 2 ). k=1 Exercice 4.8 Soiet X et Y deux variables aléatoires idépedates, de même loi cetrée, de variace 1. a) O suppose X et Y gaussiees. Trouver ue CNS sur les réels a, b, c, d pour que ax + by et cx + dy soiet idépedates. Motrer e particulier que X + Y et X Y sot idépedates. b) O suppose que X + Y et X Y sot idépedates. b1) Motrer que φ, foctio caractéristique de X est telle que φ(2t) = φ(t) 3 φ( t) b2) Motrer que φ e s aule pas. b3) Motrer que φ(t) = φ( t) pour tout t (cosidérer ρ(t) = φ(t) φ( t) ). b4) Déduire que X et Y sot gaussiees. Exercice 4.9 Soit (U ) 0 ue suite de v.a.r. idépedates de même loi N (m, σ 2 ), σ > 0. Soit a > 0 doé. O cosidère X 0 = 0 et X +1 = ax + U, 0. a) (X 1,..., X ) est-il u vecteur gaussie? b) Calculer E(X ) et Var(X ). c) c1) O suppose que a < 1. Motrer que (X ) 1 coverge e loi. c2) O suppose que a > 1. Motrer que X a coverge das L 2 vers ue 1 v.a.r. X dot o détermiera la loi. c3) O suppose a = 1. Que peut-o dire de X? Exercice 4.10 Soit (X 1, X 2, X 3 ) N 3 (0, I 3 ). Soiet U = X 1 X 2 + X 3, T 1 = X 1 + X 2, T 2 = X 2 + X 3, T 3 = X 1 X 3. a) Quelle est la loi de U? b) Motrer que U est idépedate de (T 1, T 2, T 3 ). 27

28 Exercice 4.11 Soit (X i ) i 1, ue suite de variables idépedates de loi ormale cetrée réduite. O pose X = 1 i=1 X i et S 2 = 1 i=1 (X i X) 2. a) Quelle est la loi de X? b) Motrer que X et S 2 sot idépedates. 28

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h Etrée à Scieces Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h A P M E P Les calculatrices sot autorisées Exercice Vrai-Faux 8 poits Pour chacue des affirmatios suivates,

Plus en détail

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels.

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels. Uiversité de Provece 011 01 Mathématiques Géérales I Plache 6 Nombres réels Suites réelles Nombres réels Exercice 1 Mettre sous forme irréductible p/q les ratioels suivats (les chiffres souligés se répètet

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Logique, esembles et applicatios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I :

Plus en détail

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités coditioelles - Suites géométriques - foctios epoetielles Calculatrice autorisée Termiale ES123 Eercice 1 : 5 poits Partie A : Ue agece de locatio

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE

ADMISSION AU COLLEGE UNIVERSITAIRE ADMISSION AU COLLEGE UNIVERSITAIRE Samedi mars 204 MATHEMATIQUES durée de l'épreuve : 3h - coefficiet 2 Le sujet est uméroté de à 5. L'aexe est à redre avec la copie. L'exercice Vrai-Faux est oté sur 8,

Plus en détail

Correction CCP maths 1 MP

Correction CCP maths 1 MP mai 4 Avertissemet : Il subsiste certaiemet quelques coquilles... Exercice : ue itégrale double Correctio CCP maths MP Pour calculer cette itégrale, o effectue le chagemet de variable e coordoées polaires

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice - Loi d u dé truqué - L2/ECS -. X pred ses valeurs das {,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque P X est

Plus en détail

Correction Bac ES France juin 2010

Correction Bac ES France juin 2010 Correctio Bac ES Frace jui 010 Exercice 1 (4 poits) (Commu à tous les cadidats) Pour ue meilleure compréhesio, les réposes serot justifiées das ce corrigé. Questio 1 Le ombre 3 est solutio de l équatio

Plus en détail

Devoir de statistiques: CORRIGE

Devoir de statistiques: CORRIGE CPP - la prépa des INP ( ème aée). Bordeaux, 6/04/04. Devoir de statistiques: CORRIGE durée h Doées: O rappelle que si Z suit ue loi N (0, ), o a P(Z.96) 0, 975 et P(Z.65) 0, 95. Exercice. θ et O cosidère

Plus en détail

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante : " tirer p éléments de E ".

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante :  tirer p éléments de E . Cours de termiales Probabilités sur u esemble fii Mr ABIDI F I- Rappel I- Types de tirages : Soit u esemble fii E coteat élémets O cosidère l'épreuve suivate : " tirer p élémets de E " Type de tirages

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

TD10. Loi des grands nombres, théorème central limite.

TD10. Loi des grands nombres, théorème central limite. Uiversité Pierre & Marie Curie Licece de Mathématiques L3 UE LM345 Probabilités élémetaires Aée 2014 15 TD10. Loi des grads ombres, théorème cetral limite. 1. Soit (U ) 1 ue suite de variables aléatoires

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Convergence en loi. Théorème de la limite centrale.

Convergence en loi. Théorème de la limite centrale. Uiversité Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 10 (semaie du 2 au 6 décembre 2013 Covergece e loi. Théorème de la limite cetrale. Covergece e loi 1. Soiet (X N ue

Plus en détail

E(X i ) par linéarité de l espérance.

E(X i ) par linéarité de l espérance. Statistiques appliquées. L3 Iterrogatio Questios de cours. 3 poits 1) Eocer le théorème cetral limite (1 pt). Si (X ) est ue suite de v.a. idépedates et de même loi, admettat des momets d ordre u et deux

Plus en détail

Corrigé de Mathématique éco HEC

Corrigé de Mathématique éco HEC Corrigé de Mathématique éco HEC EXERCICE Hypothèses. M 3 R est l espace vectoriel des matrices carrées d ordre 3 à coefficiets réels. A M 3 R : s A 3 A,j, s A 3 A,j, s 3 A 3 somme des coefficiets des liges

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

FONCTION EXPONENTIELLE

FONCTION EXPONENTIELLE FONCTION EXPONENTIELLE I. RAPPELS : METHODE D EULER Si f est ue foctio dérivable e x 0, o sait que f(x 0 + h) a pour approximatio affie f(x 0 ) + f '(x 0 )h O peut doc sur de "petits" itervalles, approcher

Plus en détail

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015 Uiversité Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Aée 2014-15 Exame du 13 mai 2015 Le sujet comporte 2 pages. L épreuve dure 2 heures. Les documets, calculatrices et téléphoes

Plus en détail

Dénombrement - Combinatoire Cours

Dénombrement - Combinatoire Cours Déombremet - Combiatoire Cours La combiatoire (ou aalyse combiatoire) étudie commet compter des objets. Elle fourit des méthodes de déombremet particulièremet utiles e probabilité. U des pricipaux exemples

Plus en détail

1 Programme de l agrégation interne

1 Programme de l agrégation interne Séries umériques Programme de l agrégatio itere Partie 0b : Séries de ombres réels ou complexes Séries à termes positifs La série coverge si et seulemet si la suite des sommes partielles est borée Étude

Plus en détail

L3 MFA, Probabilités, 2010-2011 Université Paris-Sud 11. Feuille de TD n o 1

L3 MFA, Probabilités, 2010-2011 Université Paris-Sud 11. Feuille de TD n o 1 L3 MFA, Probabilités, 00-0 Uiversité Paris-Sud Exercice.. Jea, Luc et Marc lacet chacu u dé. Feuille de TD o (a) Doer u espace de probabilité (Ω, F, P) associé à cette expériece aléatoire. (b) Soiet i,

Plus en détail

Éléments de correction de la feuille d exercices # 3

Éléments de correction de la feuille d exercices # 3 Uiversité de Rees L SVE Probabilités et statistiques aée 25-26 Élémets de correctio de la feuille d exercices # 3 Exercice Exemple de loi discrète Soit X ue variable aléatoire discrète preat les valeurs

Plus en détail

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) Bac Blac Termiale L - Février 015 Épreuve de Spécialité Mathématiques (durée 3 heures) Questio 1 : La populatio d'ue ville baisse de 1 % tous les as pedat 10 as. Elle est doc multipliée

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

Correction HEC III 2007

Correction HEC III 2007 HEC III 7 Voie Écoomique Correctio Page Correctio HEC III 7 Voie écoomique La correctio comporte 9 pages. Eercice. Par dé itio est ue valeur propre de t si et seulemet si est ue valeur propre de T: Et

Plus en détail

Baccalauréat S Nouvelle-Calédonie 7 mars 2014

Baccalauréat S Nouvelle-Calédonie 7 mars 2014 Durée : 4 heures Baccalauréat S Nouvelle-Calédoie 7 mars 2014 A. P. M. E. P. EXERCICE 1 Commu à tous les cadidats 4 poits Cet exercice est u QCM questioaire à choix multiple. Pour chaque questio, ue seule

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Convergences et approximations

Convergences et approximations Covergeces et approximatios Probabilités : Chapitre 5 Das tout ce chapitre, les démostratios serot faites das le cas des variables discrètes et des variables à desité. I Iégalité de Bieaymé-Tchebychev

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

Quelques notions élementaires de probabilités et statistiques

Quelques notions élementaires de probabilités et statistiques Chapitre 6 Quelques otios élemetaires de probabilités et statistiques 6.1 Probabilités U uivers Ω est u esemble modélisat les réalisatios possibles d ue expériece. U esemble A P(Ω) modélise la otio d évéemet

Plus en détail

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Mardi 3 mai : 14 h - 18 h. Les calculatrices sont interdites

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Mardi 3 mai : 14 h - 18 h. Les calculatrices sont interdites SESSION 216 PCMA2 EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES Mardi 3 mai : 14 h - 18 h N.B. : le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio de la rédactio.

Plus en détail

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001 Exercice 1 : ( 12 poits ) Les parties A et B peuvet être traitées idépedammet l ue de l autre. O se propose d étudier l évolutio e foctio du temps des températures d u bai et d u solide plogé das ce bai.

Plus en détail

SUITES et SERIES DE FONCTIONS

SUITES et SERIES DE FONCTIONS UE7 - MA5 : Aalyse SUITES et SERIES DE FONCTIONS I Suites de foctios à valeurs das È ou  Etat doé u esemble E, ue suite de foctios umériques défiies sur E est la doée, pour tout etier, d'ue applicatio

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6 Corrigés TD Chapitre : Variables aléatoires sur u uivers fii Exercice : Soit X la VAR défiie par le tableau suivat : x i - - 0 p 6 4 6 4 6 i O ote Y = X ) Détermier la loi cooite de X et Y ) Détermier

Plus en détail

Autour de la loi de Poisson

Autour de la loi de Poisson Agrégatio Itere de Mathématiques Thierry Champio séace du 25 ovembre 2016 Autour de la loi de Poisso Notatios - Itroductio Das tout ce problème, (Ω, T, P) est u espace probabilisé. Toutes les variables

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice 1 - Loi d u dé truqué - Deuxième aée - 1. X pred ses valeurs das {1,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque

Plus en détail

Filière Sciences de Matières Physiques (SMP4) Module Mathématiques : Analyse (S4) Cours d Analyse

Filière Sciences de Matières Physiques (SMP4) Module Mathématiques : Analyse (S4) Cours d Analyse UNIVERSITÉ MOHAMMED V - AGDAL Faculté des Scieces Départemet de Mathématiques Filière Scieces de Matières Physiques (SMP4) Module Mathématiques : Aalyse (S4) Cours d Aalyse Séries umériques Suites et Série

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont autorisées. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont autorisées. * * * SESSION 006 EPREUVE SPECIIQUE ILIERE MP MATHEMATIQUES Durée : 4 heures Les calculatrices sot autorisées * * * NB : Le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités.

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités. PROBABILITÉS I. PROBABILITÉS ( RAPPELS) a. Expérieces aléatoires et modèles Le lacer d ue pièce de moaie, le lacer d u dé sot des expérieces aléatoires, car avat de les effectuer, o e peut pas prévoir

Plus en détail

Parmi les malades, il y 4 non vaccinés pour un vacciné. Quelle est la probabilité pour un non vacciné de tomber malade?

Parmi les malades, il y 4 non vaccinés pour un vacciné. Quelle est la probabilité pour un non vacciné de tomber malade? Exercice : 4 d ue populatio a été vaccié Parmi les vacciés, o compte de malades 2 Parmi les malades, il y 4 o vacciés pour u vaccié Quelle est la probabilité pour u o vaccié de tomber malade? (O otera

Plus en détail

Séries entières. Chap. 09 : cours complet.

Séries entières. Chap. 09 : cours complet. Séries etières Chap 9 : cours complet Rayo de covergece et somme d ue série etière Défiitio : série etière réelle ou complee Théorème : lemme d Abel Théorème : itervalle des valeurs positives où ue série

Plus en détail

09 G 18bis AR Durée: 4 heures Séries : S1-S3 - Coeff. 8.. Epreuve du 1 er groupe

09 G 18bis AR Durée: 4 heures Séries : S1-S3 - Coeff. 8.. Epreuve du 1 er groupe UNIVERSITE CHEIKH ANTA DIOP DE DAKAR 1/ 9 OFFICE DU BACCALAUREAT BP 5005-DAKAR-Fa-Séégal Serveur Vocal: 68 05 59 Téléfax (1) 864 67 39 - Tél : 84 95 9-84 65 81 M A T H E M A T I Q U E S 09 G 18bis AR Durée:

Plus en détail

MAT 452 Analyse Fonctionnelle ( ) Correction exercice 5 / Feuille d exercices n 3

MAT 452 Analyse Fonctionnelle ( ) Correction exercice 5 / Feuille d exercices n 3 MAT 45 Aalyse Foctioelle (6-7) Correctio exercice 5 / Feuille d exercices 3 Soit H u espace de Hilbert complexe séparable et D u sous-espace quelcoque de H. O se doe u opérateur liéaire A : D H. O appelle

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

Divers exercices de probabilité

Divers exercices de probabilité Divers exercices de probabilité Traiter e priorité les quatre premiers exercices de chaque sectio. 1 Probabilité Exercice 1.1 Mo voisi a deux efats. 1- Le plus jeue est ue fille, quelle est la probabilité

Plus en détail

Feuille 2 : dérivabilité, théorème de Rolle et des accroissements finis, étude des variations

Feuille 2 : dérivabilité, théorème de Rolle et des accroissements finis, étude des variations UPMC 1M001 Aalyse et algèbre pour les scieces 013-014 Feuille : dérivabilité, théorème de Rolle et des accroissemets fiis, étude des variatios Les eercices sas ( ) sot des applicatios directes du cours.

Plus en détail

BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 2015

BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 2015 CONCOURS COMMUNS POLYTECHNIQUES FILIÈRE MP BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 5 avec corrigés V. Bellecave, J.-L. Artigue, P. Berger, J.-P. Bourgade, S. Calmet, A. Calvez, D. Cleet, J. Esteba,

Plus en détail

Sciences Po Option Mathématiques

Sciences Po Option Mathématiques Scieces Po Optio Mathématiques Epreue 3 Vrai-Fau Questio FAUX La suite ( u ) état géométrique de raiso différete de, o a classiquemet, pour tout etier aturel : où q est la raiso de la suite ( u ) Ici,

Plus en détail

Exercices - Lois discrètes usuelles : corrigé

Exercices - Lois discrètes usuelles : corrigé www.almohadiss.com Exercice - Avio - L2/Prépa Hec - O ote X la variable aléatoire du ombre de moteurs de A qui tombet e pae, et Y la variable aléatoire du ombre de moteurs de B qui tombet e pae. X suit

Plus en détail

On peut représenter la situation par un arbre : On a donc p(b 1 B 2)= p(b 1) p (B ) = 3 4 = 3.

On peut représenter la situation par un arbre : On a donc p(b 1 B 2)= p(b 1) p (B ) = 3 4 = 3. T ale S Correctio Exercices type bac de Probabilités. Mars Exercice : Ue ure cotiet au départ 0 boules blaches et 0 boules oires idiscerables au toucher. O tire au hasard ue boule de l ure : Si la boule

Plus en détail

Covariance et ajustement affine par la méthode des moindres carrés

Covariance et ajustement affine par la méthode des moindres carrés Uiversité de Poitiers - 205-206 A. Moreau Algèbre - Géométrie M MEEF Covariace et ajustemet affie par la méthode des moidres carrés Das tout le documet, la lettre désige u etier aturel o ul. Les deux parties

Plus en détail

1 Propriétés - Suites monotones

1 Propriétés - Suites monotones Uiversité d Aix-Marseille Licece de Mathématiques Semestre 06-07 Aalyse Plache - Suites umériques Propriétés - Suites mootoes Exercice Soiet les suites défiies, pour tout, par u = et v = Vérifier qu elles

Plus en détail

Introduction aux théorèmes limites et aux intervalles de confiance

Introduction aux théorèmes limites et aux intervalles de confiance Chapitre 5 Itroductio aux théorèmes limites et aux itervalles de cofiace Objectifs du chapitre. Savoir approcher ue loi biomiale par ue loi de Poisso ou ue loi ormale. 2. Savoir approcher ue loi e appliquat

Plus en détail

Master 1ère année spécialité IMIS et Mathématiques Contrôle continu de "Processus Stochastiques"

Master 1ère année spécialité IMIS et Mathématiques Contrôle continu de Processus Stochastiques Master ère aée spécialité IMIS et Mathématiques Cotrôle cotiu de "Processus Stochastiques" 8 octobre 00 - Durée h Calculatrices et documets autorisés Exercice Jacques va tous les jours à so travail e emprutat

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

CONVERGENCE ET APPROXIMATION

CONVERGENCE ET APPROXIMATION 11-2- 2010 J.F.C. Cov. p. 1 CONVERGENCE ET APPROXIMATION I CONVERGENCE EN PROBABILITÉ 1. Défiitio 2. Ue coditio suffisate de covergece e probabilité 3. La loi faible des grads ombres 4. Ue coséquece de

Plus en détail

Développement d une fonction en série entière. Exemples et applications

Développement d une fonction en série entière. Exemples et applications Développemet d ue foctio e série etière Exemples et applicatios Das ce chapitre, K désigera R ou C B(; R) désigera la boule ouverte de cetre et de rayo R > 1 Gééralités Défiitio 1 Soit f ue applicatio

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

Plus en détail

Exercices sur le chapitre «Variables aléatoires»

Exercices sur le chapitre «Variables aléatoires» Araud de Sait Julie - MPSI Lycée La Merci 2015-2016 1 Pour démarrer Exercices sur le chapitre «Variables aléatoires» Exercice 1 (Recostitutio de paires) O fixe deux etiers aturels 1 r. U placard cotiet

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1. Exercice 7 [ 02253 ] [Correction] Soient (u n ) et (v n ) deux suites telles que

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1. Exercice 7 [ 02253 ] [Correction] Soient (u n ) et (v n ) deux suites telles que [http://mp.cpgedupuydelome.fr] édité le 6 octobre 05 Eocés Suites umériques Covergece de suites Exercice [ 047 ] [Correctio] Soiet u ) et v ) deux suites réelles covergeat vers l et l avec l < l. Motrer

Plus en détail

f(t)dt = 0. On pose a = min f et b = max f. 0 1 + x 2 dx = 3 + 1 7 π. 2) En déduire un encadrement de π (meilleur que celui d'archimède).

f(t)dt = 0. On pose a = min f et b = max f. 0 1 + x 2 dx = 3 + 1 7 π. 2) En déduire un encadrement de π (meilleur que celui d'archimède). #4 Itégrale de Riema Khôlles - Classes prépa Thierry Sageaux, Lycée Gustave Eiel Exercice Soit f ue foctio cotiue sur [, ] telle que Motrer que f ab f(t)dt = O pose a = mi f et b = max f Exercice x ) Motrer

Plus en détail

Variables aléatoires : loi et espérance (suite).

Variables aléatoires : loi et espérance (suite). Uiversité Pierre et Marie Curie 2-2 Probabilités et statistiques - LM345 Feuille 5 Variables aléatoires : loi et espérace (suite).. Soit X ue variable aléatoire. Détermier pour quelles valeurs de λ R la

Plus en détail

Mots de longueur donnée à base de P lettres, et fonction génératrice

Mots de longueur donnée à base de P lettres, et fonction génératrice Mots de logueur doée à base de lettres, et foctio géératrice Cosidéros les mots de logueur à base de lettres, avec etier positif. ) Combie existe-t-il de tels mots? La première lettre du mot est l ue des

Plus en détail

x + (2 α) y = 0 3 L donc P

x + (2 α) y = 0 3 L donc P 1 Corrigé ESC 009 par Pierre Veuillez Exercice 1 O cosidère les matrices A, B, D, P, E de M (R) suivates : ( ) 5 1 4 ( ) A B 3 3 1 3 0 7 D P 3 3 ( ) { x (1 α) x y 0 1) a: (A αi) 0 y x + ( α) y 0 ( 1 )

Plus en détail

SESSION DE 2004 CA/PLP

SESSION DE 2004 CA/PLP SESSION DE 4 CA/PLP CONCOURS EXTERNE Sectio : MATHÉMATIQUES SCIENCES PHYSIQUES COMPOSITION DE MATHÉMATIQUES Durée : 4 heures L usage des calculatrices de poche est autorisø (coformømet au directives de

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable. k n) X k (1 X) n k.

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable. k n) X k (1 X) n k. Exo7 Suites et séries de foctios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable

Plus en détail

STATISTIQUE : ESTIMATION

STATISTIQUE : ESTIMATION STATISTIQUE : ESTIMATION Préparatio à l Agrégatio Bordeaux Aée 202-203 Jea-Jacques Ruch Table des Matières Chapitre I. Estimatio poctuelle 5. Défiitios 5 2. Critères de comparaiso d estimateurs 6 3. Exemples

Plus en détail

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

Plus en détail

Examen du 12 juin durée : 3h

Examen du 12 juin durée : 3h Master de Mathématiques Aalyse Foctioelle Exame du 1 jui 13 1 - durée : 3h Le seul documet autorisé est u résumé mauscrit du cours de trois pages maximum. Les téléphoes portables et les calculatrices e

Plus en détail

Suites de variables aléatoires.

Suites de variables aléatoires. Uiversité Pierre et Marie Curie 200-20 Probabilités et statistiques - LM345 Feuille 8 Suites de variables aléatoires.. Soit Ω, F, P u espace de probabilités. Détermier pour chacue des covergeces suivates

Plus en détail

SÉRIES DE FONCTIONS SUITES ET PC*2. 13 octobre octobre octobre 2004

SÉRIES DE FONCTIONS SUITES ET PC*2. 13 octobre octobre octobre 2004 3 octobre 2004 Exemple 2. O se doe a I et q C(I, K). L équatio différetielle liéaire : y (x) q(x) y(x) = 0 avec les coditios y(a) = α, y (a) = β SUITES ET SÉRIES DE FONCTIONS PC*2 3 octobre 2004 Admet

Plus en détail

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( )

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( ) Aée 01-013 Mathématiques Décembre 01 Durée : 3 heures BAC blac N 1 La calculatrice est autorisée. Le sujet comporte u total de 5 exercices. Les élèves e suivat pas l eseigemet de spécialité traiterot les

Plus en détail

Cours de Mathématiques : Polynômes et Suites

Cours de Mathématiques : Polynômes et Suites Uiversité de Cergy-Potoise Départemet de Mathématiques L MIPI - S2 205/206 Cours de Mathématiques : Polyômes et Suites - Polycopié d Exercices Chapitre : Nombres complexes Exercice a) Détermier la partie

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

TD 2 : Suites numériques réelles

TD 2 : Suites numériques réelles Uiversité Paris-Est Mare-la-Vallée Licece L Maths/Ifo d semestre 0/0 Aalyse TD : Suites umériques réelles Exercice Cours) Motrer que si ue suite réelle u ) N coverge, alors toute sous-suite de u ) coverge

Plus en détail

Estimation. Exemple Les statistiques des notes obtenues en mathématiques au BTS OL en France pour l année 2014 sont :

Estimation. Exemple Les statistiques des notes obtenues en mathématiques au BTS OL en France pour l année 2014 sont : Estimatio Objectifs Estimer poctuellemet ue proportio, ue moyee ou u écart type d ue populatio à l aide de la calculatrice ou d u logiciel, à partir d u échatillo Détermier u itervalle de cofiace à u iveau

Plus en détail

BACCALAURÉAT TECHNOLOGIQUE STG. Spécialités : Mercatique, Comptabilité et Finance d Entreprise, Gestion des systèmes d information.

BACCALAURÉAT TECHNOLOGIQUE STG. Spécialités : Mercatique, Comptabilité et Finance d Entreprise, Gestion des systèmes d information. BACCALAURÉAT TECHNOLOGIQUE STG Spécialités : Mercatique, Comptabilité et Fiace d Etreprise, Gestio des systèmes d iformatio. SESSION 2012 ÉPREUVE DE MATHÉMATIQUES Mercatique, comptabilité et fiace d etreprise

Plus en détail

Etude asymptotique de suites de solutions d une équation

Etude asymptotique de suites de solutions d une équation [http://mp.cpgedupuydelome.fr] édité le 5 mai 206 Eocés Etude asymptotique de suites de solutios d ue équatio Exercice [ 02289 ] [Correctio] Soit u etier aturel et E l équatio x + l x = d icoue x R +.

Plus en détail

Correction de l exercice 1

Correction de l exercice 1 IUT Orsa Iformatique S3 Correctio de l exercice. Ω est l esemble des résultats possibles de l experiece aléatoire lacer u dé à faces : Ω {,, 3,,, }, et Ω.. Si k Ω sort, le gai du jeu est k euros. Doc la

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Seconde année - Semestre 3 PROBABILITÉS

Seconde année - Semestre 3 PROBABILITÉS 1 UNIVERSITÉ DE CERGY Aée 2012-2013 LICENCE d ÉCONOMIE et GESTION Secode aée - Semestre 3 PROBABILITÉS Feuille d exercices N 3 : Variables aléatoires - Lois discrètes 1. Calculez 3 2 + 2 5 Exercice I (

Plus en détail

Analyse 5 SUITES REELLES

Analyse 5 SUITES REELLES Aalyse chap 5 /6. GENERALITES SR LES SITES. Défiitios Défiitio : e suite est ue foctio, défiie sur ue partie D de. O ote () =, o lit «idice». O dit que est le terme gééral de la suite, ou terme de rag.

Plus en détail

Convergence de suites réelles

Convergence de suites réelles DOMAINE : No olympique AUTEUR : Nicolas SÉGARRA NIVEAU : Itermédiaire STAGE : Motpellier 2014 CONTENU : Cours et exercices Covergece de suites réelles I) Rappels et otios de base. Défiitio 1. Ue suite

Plus en détail

Probabilité 1 - L1 MMIA

Probabilité 1 - L1 MMIA Probabilité 1 - L1 MMIA Tra Viet Chi, vtra@u-paris10fr, Bureau E12(G) Exercice 1 (Pour démarrer) 1 Soiet A et B deux esembles Rappelez les défiitios de l itersectio A B, de l uio A B, de la différece A

Plus en détail

MATHEMATIQUES Terminale Scientifique

MATHEMATIQUES Terminale Scientifique MATHEMATIQUES Termiale Scietifique Fiches PROGRAMME 22 (v24) Sylvie LAMY Agrégée de Mathématiques Dilômée de l École Polytechique Cours Pi e-mail : lescoursi@cours-icom site : htt://wwwcours-icom siège

Plus en détail