1 Un objet aléatoire de base : le dé
|
|
- Louis Beaudry
- il y a 8 ans
- Total affichages :
Transcription
1 Dans le monde des statistiques, il est bien évident qu on ne fait plus aucun calcul à la main. Si nous le faisons en cours de mathématiques, c est pour mieux comprendre ce que font les divers logiciels et pour connaître les pièges de ces notions. L un des logiciels utiles et surtout gratuit (argument important pour nous étudiants et professeurs) est le logiciel ( Bien qu en anglais, il reste accessible mais néanmoins extrémement puissant. Commençons son exploration par les bases. 1 Un objet aléatoire de base : le dé 1. Démarrer le logiciel R (Démarrer/tous les programmes/r/r 2.9.2). 2. Quand on lance un dé non truqué, les résultats possibles sont 1, 2, 3, 4, 5 ou 6. (a) Précisons au logiciel ce qu est un dé avec l instruction :d=1:6 (b) Demandons maintenant ce que contient l objet d en tapant simplement :d On dit que d est un objet liste. 3. Pour un logiciel, lancer un dé c est donc choisir au hasard un nombre dans l ensemble des résultats possibles. (a) C est aussi un échantillon de taille 1 de l objet d :sample(d,1) (b) Avec la flèche vers le haut, rappeler plusieurs fois cette commande. Obtient-on toujours le même résultat? Le dé est-il équilibré? (c) Lancer le dé 6 fois à l aide de la seule commande :sample(d,6) Relancer plusieurs fois cette commande. A-t-on ce que l on espère? Qu est-ce qui semble «louche»? (d) Demander l aide sur cette fonction en tapant :help("sample") Comment faire pour obtenir 6 lancers du dé? Peut-on truquer le dé? 4. Présentons de nombreuses informations : (a) Lancer 100 fois le dé et ranger les résultats dans la variable s :s=sample(d,100,t) (b) afficher le contenu de s en tapant simplement :s Remarque : On aurait pu tout faire en une seule ligne, il suffit de séparer les instructions par un point-virgule, comme ceci :s=sample(d,100,t); s (c) Les données sont illisibles du fait de leur grand nombre. Résumons les à l aide d un tableau :t=table(s); t Présentons ce tableau à l aide d un diagramme en barre :barplot(t) 5. Construisons maintenant une fonction qui fasse toutes les étapes. Nous souhaitons simplement pouvoir donner le nombre de lancers. (a) Taper : f=function(n){d=1:6; s=sample(d,n,t); t=table(s); print(t); barplot(t)} (b) essayer la fonction avec :f(500) 2 Fluctuation d échantillonnage 1. Taperf(100), puis à nouveau f(100) Que s est-il passé? Ce phénomène est appelé fluctuation d échantillonnage Rappeler la commandef(100) plusieurs fois pour observer cette fluctuation. 1. Le changement de hauteur des barres du diagramme indique la fluctuation d échantillonnage.
2 BTS ACSE/GPN/TV 3. Recommencer et observer la fluctuation d échantillonnage avec 1000 lancers puis lancers, lancers et lancers. Quelle conclusion concernant la fluctuation d échantillonnage peut-on déduire de ce qui précède? 4. Quand on lance un dé bien équilibré on a 1 chance sur 6 d obtenir la face 5 (de même pour les autres faces). Retrouve-t-on ce résultat? 5. Application : deviner la composition de l urne. Une urne bien cachée dans la mémoire de l ordinateur contient 470 boules de couleurs. Le but de l exercice est de trouver la composition de cette urne. (a) Ouvrir le fichier «Secrets». (b) Que réalise l instruction suivante :s=sample(urnesecrete,1,t); s? (c) On étudie des échantillons de taille 10 et on observe les tables et les diagrammes obtenus : s=sample(urnesecrete,10,t); t=table(s); t; barplot(t) Quelles sont les couleurs des boules contenues dans l urne? (d) En modifiant la taille de l échantillon, déterminer la composition de l urne en pourcentage. Commenter votre démarche et présenter un diagramme qui justifie votre réponse. En déduire la composition de l urne. 3 Le problème des sondages Nous savons tout, nous voyons tout! On imagine une population composée de d individus. La moitié des individus possèdent une certaine caractéristique qui est codée par le chiffre 1. L autre moitié est codée par 0. On effectue des sondages dans cette population et étudie les résultats. 1. On définit la population :population=c(rep(0,500000),rep(1,500000)) 2. (a) Un échantillon de 1000 :échantillon=sample(population,1000); échantillon (b) Dans cet échantillon, combien d individus possèdent la caractéristique étudiée? s=sum(échantillon) (c) Quel pourcentage cela représente-t-il? s*100/1000 (d) En abrégé :s=sum(sample(population,1000))/10; s 3. En rappelant cette instruction vous obtiendrez le résultat d autant de sondages que vous le souhaitez...chose qu on ne peut pas se permettre en réalité. (a) Dans quel intervalle se trouvent les résultats observés? (b) Dans la population choisie on sait que 50% des personnes possèdent la caractéristique étudiée. Quelle est la marge d erreur induite par le sondage? 4. Pour affiner cette estimation nous allons faire un grand nombre de sondages, par exemple 500 sondages. (a) L instruction est la suivante : L=c(); for(i in 1:500) L=c(sum(sample(population,1000))/10,L) (b) Pour analyser les résultats :hist(l,prob=true) Quelle loi de probabilité peut produire cet histogramme? Un indice de plus? Taper l instruction :hist(l,prob=true,nclass=20) Un indice de plus? Taper l instruction :lines(density(l,bw=1)) (c) Calculons quelques valeurs caractéristiques : Taper l instruction :mean(l), la moyenneµdes 500 échantillons est : Taper l instruction :sd(l), l écart typeσdes 500 échantillons est : Taper l instruction :length(l[(l>mean(l)-sd(l))&(l<mean(l)+sd(l))])/500, le pourcentage des 500 échantillons dans l intervalle[µ σ;µ+σ] est :
3 Taper l instruction :length(l[(l>mean(l)-2*sd(l))&(l<mean(l)+2*sd(l))])/500, le pourcentage des 500 échantillons dans l intervalle[µ 2σ;µ+2σ] est : Taper l instruction :length(l[(l>mean(l)-3*sd(l))&(l<mean(l)+3*sd(l))])/500, le pourcentage des 500 échantillons dans l intervalle[µ 3σ;µ+3σ] est : Taper l instruction : length(l[(l>mean(l)-2/3*sd(l))&(l<mean(l)+2/3*sd(l))])/500, le pourcentage des 500 échantillons dans l intervalle[µ 2 σ;µ+ 2 σ] est : 3 3 Calculer 100 0,5(1 0,5) 1000 et le comparer avecσ. (d) À l aide du graphique ci-dessous repris du cours et des informations trouvées ci-dessus, quelle est la loi de la variable aléatoire X où X est la fréquence en pourcentage des individus ayant une certaine caractéristique dans un échantillon de 500 individus choisis de manière indépendante? 1 σ 2π µ 3σ µ 2σ µ σ µ 2 3 σ µ µ+ 2 3 σ µ+σ µ+2σ µ+3σ 0, 5 0, 68 0, 95 0, 997 (e) Taper l instruction : quantile(l,c(0.025,0.975)). La réponse signifie que 95% des résultats sont dans l intervalle affiché. Quelle est la valeur de k telle que Φ(k) = 0, 975? Que vautµ 1, 96σ? Que vautµ+1, 96σ? Si la loi de X est la loi (µ;σ), que vaut P(µ 1, 96σ X µ+1, 96σ)? Cela explique-t-il les valeurs trouvées par le logiciel au début de la question? 5. Application : Nous ne savons rien, nous ne voyons que le résultat d un seul sondage! Vous réalisez un sondage sur un échantillon de 1000 personnes parmi la population de Secreteville (qui comporte 1 million d habitants). Vous posez la question suivante : «Pensez-vous que l étude des statistiques au lycée soit utile?». La réponse «oui» est codée par 1 et la réponse «non» est codée par 0. Quelle estimation pourriez-vous publier? Donner par calcul un intervalle dans lequel on trouvera 95% des estimations. 4 Un premier test statistique : le test duχ 2 Le dé que vous lancez est-il vraiment bien équilibré? Les résultats que l on obtient en lançant un dé sont censés suivre la loi uniforme : à chacun des 6 résultats possibles, on attribue la probabilité 1 ; c est la symétrie du cube qui nous amène à penser cela. 6
4 BTS ACSE/GPN/TV En pratique cependant, on observe une certaine fluctuation des résultats : si on lance le dé 120 fois, il est rarissime d obtenir exactement 20 résultats de chaque sorte! À titre d exemple, on pourrait obtenir la table suivante : résultat Effectifs observés Effectifs théoriques Il n est pas évident, au vu de ces résultats, de déterminer si les différences sont dues à des fluctuations normales, ou si elles sont dues à un déséquilibre du dé. 4.1 Élaboration d un test 1. Dans Fichier, Charger l environnement de travail, choisir d ouvrir le fichier «adequat.r». 2. Vous pouvez maintenant faire un grand nombre d essais, sur un dé de référence parfaitement équilibré : (a) Tapezn_Lancers(), 120 résultats s affichent ; (b) Une simple table des résultats serait plus lisible ; ou bien un tracé en bâtons TapezDé0(), et vous obtiendrez les 2. (c) En rappelant la ligne précédente avec la touche «flèche vers le haut», vous pouvez effectuer un grand nombre d essais. Ceci permet de se faire une première idée des fluctuations possibles sur un dé bien équilibré. L appréciation de ces fluctuations nécessite la prise en compte simultanée de 6 valeurs numériques ; 3. La tâche serait plus facile si on synthétisait ces informations en une seule valeur numérique. L idée est de mesurer l écart entre les effectifs observés et les effectifs théoriques. (a) tapezobservés= Dé0(); théorique=20 (b) Puisdifférence = observés - théorique (c) Puis(différence)ˆ2 qui donne les carrés des valeurs précédentes. (d) sum(différence) donne toujours 0 ; et donc aucune information. (e) Par contre sum((différence)ˆ2) n est nul que si les valeurs théoriques et observées coïncident (ce qui est rarissime) et croit quand les écarts croissent. Nous prendrons cette valeur comme indicative de l écart «théoriques par rapport à observées», et la noterons ECART. (f) Pour en faciliter les calculs, tapez en une ligne Obs=Dé0(); E=sum((Obs-20)ˆ2); Obs; paste(«ecart=»,e) Puis rappelez cette ligne d instruction grâce à la touche «flèche vers le haut» autant de fois que vous le souhaitez. Vous aurez ainsi une petite idée des valeurs possibles de l ECART. Notez 20 de ces valeurs. (g) Pour avoir une idée plus claire des valeurs possibles de ECART, nous allons collecter par simulations un grand nombre de valeurs de ECART. La fonction N_ECARTS() collecte 1000 valeurs de ECART et renvoie les résultats sous forme d une représentation graphique. Ce graphique, que nous appellerons graphique de référence, montre bien quelles sont les valeurs typiques auxquelles nous devons nous attendre. Souvenez vous que ces valeurs constituent une mesure des fluctuations ordinaires d un dé parfaitement équilibré
5 4. Pour aller plus loin il faut décider d un critère de sélection. Rangeons les 1000 valeurs de ECART par ordre croissant et notons E 0.95 la 950ème valeur, c est à dire le 95ième centile de cette série de 1000 valeurs. Dans la simulation de référence, 95% des résultats sont inférieurs à E Un résultat supérieur sera considéré comme excentrique, même si, notez-le bien, il a été obtenu par le lancer d un dé bien équilibré, notre dé de référence! Notez également le caractère arbitraire de ce choix ; arbitraire mais raisonnable! la fonction N_Ecarts() recalcule un graphique de référence et y adjoint le nombre E 0.95 que nous appellerons valeur critique ; On obtient un graphique comme le suivant : 95% des valeurs de ECART sont inferieures à 214 effectifs valeurs de ECART, calculées sur 120 lancers Placez les 20 résultats obtenus en 3f sur votre graphique de référence. Combien de valeurs sont inféreures à E 0.95? 4.2 Mise en œuvre du test Soit à tester un nouveau dé. On décide de l accepter comme bien équilibré si la valeur de ECART que l on obtient suite à 120 lancers est inférieure à E 0.95 ; dans le cas contraire, il est écarté. Vous avez 9 dés à tester. 1. Pour lancer 120 fois le dé numero 7, tapezdé7() ; 2. Pour calculer la valeur de ECART relative à ce lancer, tapez : Obs=Dé7(); E=sum((Obs-20)ˆ2); Obs; paste(«ecart=»,e) Puis comparez le résultat à la valeur critique lue sur votre graphique de référence. 3. Pour vous faciliter la tâche, il existe une fonction Test, dont la syntaxe est Test(Dé7,120) qui donne une table portant sur 120 lancers du dé numéro 7, un graphique et la valeur de l Ecart correspondant. 4. Quels dés retiendriez-vous?
Annexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailProbabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.
Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailLES DECIMALES DE π BERNARD EGGER
LES DECIMALES DE π BERNARD EGGER La génération de suites de nombres pseudo aléatoires est un enjeu essentiel pour la simulation. Si comme le dit B Ycard dans le cours écrit pour le logiciel SEL, «Paradoxalement,
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailMathématiques financières
Mathématiques financières Table des matières 1 Intérêt simple 1 1.1 Exercices........................................ 1 2 Intérêt composé 2 2.1 Taux nominal, taux périodique, taux réel.......................
Plus en détailExemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.
Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détail315 et 495 sont dans la table de 5. 5 est un diviseur commun. Leur PGCD n est pas 1. Il ne sont pas premiers entre eux
Exercice 1 : (3 points) Un sac contient 10 boules rouges, 6 boules noires et 4 boules jaunes. Chacune des boules a la même probabilité d'être tirée. On tire une boule au hasard. 1. Calculer la probabilité
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailPOKER ET PROBABILITÉ
POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailDécouverte du tableur CellSheet
Découverte du tableur CellSheet l application pour TI-83 Plus et TI-84 Plus. Réalisé par Guy Juge Professeur de mathématiques et formateur IUFM de l académie de Caen Pour l équipe des formateurs T 3 Teachers
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailLe suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailPrincipes de mathématiques 12 SÉRIE DE PROBLÈMES. Septembre 2001. Student Assessment and Program Evaluation Branch
Principes de mathématiques 12 SÉRIE DE PROBLÈMES Septembre 2001 Student Assessment and Program Evaluation Branch REMERCIEMENTS Le Ministère de l Éducation tient à remercier chaleureusement les professionnels
Plus en détailCet exposé s intègre dans les travaux développés par une Equipe en Projet INRP-IUFM,
15 Les nouvelles technologies et les stagiaires IUFM : une appropriation mal contrôlée Philippe Le Borgne IUFM de Franche-Comté philippe.leborgne@fcomte.iufm.fr PRÉSENTATION Cet exposé s intègre dans les
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailDébuter avec Excel. Excel 2007-2010
Débuter avec Excel Excel 2007-2010 Fabienne ROUX Conseils & Formation 10/04/2010 TABLE DES MATIÈRES LE RUBAN 4 LE CLASSEUR 4 RENOMMER LES FEUILLES DU CLASSEUR 4 SUPPRIMER DES FEUILLES D UN CLASSEUR 4 AJOUTER
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détail4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE
CHAPITRE Statistiques Population (en milliers) 63 6 6 6 Évolution de la population en France 9 998 999 3 Année Le graphique ci-contre indique l évolution de la population française de 998 à. On constate
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailTP 1 Prise en main de l environnement Unix
Introduction aux systèmes d exploitation (IS1) TP 1 Prise en main de l environnement Unix Le but de ce premier TP est de commencer à vous familiariser avec l environnement Unix. 1 Ouverture de session
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailLes probabilités. Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée Les probabilités produite par TFO.
Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée produite par TFO. Le guide Édition 1988 Rédacteur (version anglaise) : Ron Carr Traduction : Translatec Conseil Ltée
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailTHEME : CLES DE CONTROLE. Division euclidienne
THEME : CLES DE CONTROLE Division euclidienne Soit à diviser 12 par 3. Nous pouvons écrire : 12 12 : 3 = 4 ou 12 3 = 4 ou = 4 3 Si par contre, il est demandé de calculer le quotient de 12 par 7, la division
Plus en détailDate M.P Libellé Catégorie S.Catégorie Crédit Débit Solde S.B
Excel : Réalisation d un classeur Compta Saisir les étiquettes Renommer la première feuille Compta Laisser la première ligne vide et sur la deuxième ligne saisir les étiquettes Se placer sur A2 et saisir
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
Plus en détailSTATISTIQUES A DEUX VARIABLES
Evaluation de Mathématiques Bac Pro Date : STATISTIQUES A DEUX VARIABLES Liste des capacités, connaissances et attitudes évaluées Capacités Connaissances Attitudes Evaluation A l aide des TIC, représenter
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
Plus en détailNOTIONS DE PROBABILITÉS
NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détail16 Chapitre 16. Autour des générateurs pseudoaléatoires
Chapitre 16 Chapitre 16. Autour des générateurs pseudoaléatoires Hasard et informatique peuvent paraître antinomiques. Car enfin, comment le circuit imprimé d un ordinateur ou d une calculatrice, parfaitement
Plus en détailUtiliser Dev-C++ .1Installation de Dev-C++ Table des matières
Utiliser Dev-C++ Voici quelques explications sur l utilisation de Dev-C++, un excellent environnement de développement en C et C++ pour Windows qu on peut télécharger librement depuis le site www.bloodshed.net
Plus en détailMODE OPERATOIRE CIEL GESTION COMMERCIALE VERSION EVOLUTION BTS PME PMI
MODE OPERATOIRE CIEL GESTION COMMERCIALE VERSION EVOLUTION BTS PME PMI BTS AGPME Ciel Gestion commerciale (mai 2005) Pierre TASSION 1 Table des matières D après le référentiel BTS PME PMI Présentation
Plus en détail