Probabilité conditionnelle. Probabilités. Probabilité conditionnelle et indépendance. Julian Tugaut
|
|
- Aimé Petit
- il y a 8 ans
- Total affichages :
Transcription
1 Probabilité conditionnelle et indépendance Télécom Saint-Étienne 2014
2 Sommaire 1 Probabilité conditionnelle Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) 2 Indépendance de deux évènements Indépendance mutuelle de n évènements
3 Plan 1 Probabilité conditionnelle Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) 2
4 Notion de probabilité conditionnelle - 1 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Soient A et B deux évènements associés à une même expérience aléatoire e. On suppose P(A) 0. La probabilité conditionnelle de B par rapport à l évènement A est la probabilité que B soit réalisé lorsque l on sait que A est réalisé.
5 Notion de probabilité conditionnelle - 1 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Soient A et B deux évènements associés à une même expérience aléatoire e. On suppose P(A) 0. La probabilité conditionnelle de B par rapport à l évènement A est la probabilité que B soit réalisé lorsque l on sait que A est réalisé. Notation La probabilité conditionnelle de B en sachant A est notée P A (B) ou P(B A). On préfèrera la seconde notation.
6 Notion de probabilité conditionnelle - 2 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) On jette un dé. Soient les évènements A := on obtient une face paire et B := on obtient une face supérieure ou égale à trois. L univers Ω = {ω 1, ω 2, ω 3, ω 4, ω 5, ω 6 } est muni de l équiprobabilité. Ici, A = {ω 2, ω 4, ω 6 } d où P(A) = 3 6 = 1 2. Et, B = {ω 3, ω 4, ω 5, ω 6 } d où P(B) = 4 6 = 2 3.
7 Notion de probabilité conditionnelle - 2 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) On jette un dé. Soient les évènements A := on obtient une face paire et B := on obtient une face supérieure ou égale à trois. L univers Ω = {ω 1, ω 2, ω 3, ω 4, ω 5, ω 6 } est muni de l équiprobabilité. Ici, A = {ω 2, ω 4, ω 6 } d où P(A) = 3 6 = 1 2. Et, B = {ω 3, ω 4, ω 5, ω 6 } d où P(B) = 4 6 = 2 3. Puis, A B = {ω 4, ω 6 } d où P(A B) = 2 6 = 1 3.
8 Notion de probabilité conditionnelle - 3 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) On jette le dé. Supposons que l on sache que l on a obtenu une face paire. (Pour ce faire, il suffit de relancer le dé jusqu à ce que la face obtenue soit paire.) Quelle est la probabilité qu on obtienne une face supérieure ou égale à trois?
9 Notion de probabilité conditionnelle - 3 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) On jette le dé. Supposons que l on sache que l on a obtenu une face paire. (Pour ce faire, il suffit de relancer le dé jusqu à ce que la face obtenue soit paire.) Quelle est la probabilité qu on obtienne une face supérieure ou égale à trois? Dans notre exemple, l univers est A et la probabilité que B soit réalisé est donc la probabilité que A B soit réalisé pour l univers A muni de l équiprobabilité associée P A avec P A (ω 2 ) = P A (ω 4 ) = P A (ω 6 ) = 1 3.
10 Notion de probabilité conditionnelle - 3 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) On jette le dé. Supposons que l on sache que l on a obtenu une face paire. (Pour ce faire, il suffit de relancer le dé jusqu à ce que la face obtenue soit paire.) Quelle est la probabilité qu on obtienne une face supérieure ou égale à trois? Dans notre exemple, l univers est A et la probabilité que B soit réalisé est donc la probabilité que A B soit réalisé pour l univers A muni de l équiprobabilité associée P A avec P A (ω 2 ) = P A (ω 4 ) = P A (ω 6 ) = 1 3. Il vient ainsi P A (A B) = #A B #A = 2 3 = P(A B) P(A).
11 Notion de probabilité conditionnelle - 3 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) On jette le dé. Supposons que l on sache que l on a obtenu une face paire. (Pour ce faire, il suffit de relancer le dé jusqu à ce que la face obtenue soit paire.) Quelle est la probabilité qu on obtienne une face supérieure ou égale à trois? Dans notre exemple, l univers est A et la probabilité que B soit réalisé est donc la probabilité que A B soit réalisé pour l univers A muni de l équiprobabilité associée P A avec P A (ω 2 ) = P A (ω 4 ) = P A (ω 6 ) = 1 3. Il vient ainsi P A (A B) = #A B #A = 2 3 = P(A B) P(A). Conséquemment, on a P(B A) = P(A B) P(A).
12 Définition Probabilité conditionnelle Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Soit A un évènement de probabilité P(A) non nulle. On définit l application P(. A) qui, à tout évènement B fait correspondre le nombre
13 Définition Probabilité conditionnelle Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Soit A un évènement de probabilité P(A) non nulle. On définit l application P(. A) qui, à tout évènement B fait correspondre le nombre P(A B) P(B A) :=. P(A)
14 Définition Probabilité conditionnelle Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Soit A un évènement de probabilité P(A) non nulle. On définit l application P(. A) qui, à tout évènement B fait correspondre le nombre P(A B) P(B A) :=. P(A) On commence par établir le résultat suivant : Théorème P(. A) est une probabilité sur Ω.
15 Remarques Probabilité conditionnelle Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Remarque Tous les résultats portant sur les probabilités peuvent donc s appliquer à la probabilité P(. A).
16 Remarques Probabilité conditionnelle Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Remarque Tous les résultats portant sur les probabilités peuvent donc s appliquer à la probabilité P(. A). ATTENTION On définit une probabilité conditionnelle mais en aucun cas on ne définit des évènements conditionnels.
17 Théorème des probabilités composées Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Théorème des probabilités composées Soient deux évènements A et B de probabilités non nulles. Alors, on a P(A B) = P(B A)P(A) = P(A B)P(B).
18 Théorème de Bayes - 1 Soit (A 1,,A n ) un système complet d évènements de Ω. Soit B un évènement de Ω de probabilité non nulle. On suppose que l on connaît P(A 1 ),,P(A n ) ainsi que P(B A 1 ),,P(B A n ). On cherche à calculer P(A k B) pour tout 1 k n.
19 Théorème de Bayes - 1 Soit (A 1,,A n ) un système complet d évènements de Ω. Soit B un évènement de Ω de probabilité non nulle. On suppose que l on connaît P(A 1 ),,P(A n ) ainsi que P(B A 1 ),,P(B A n ). On cherche à calculer P(A k B) pour tout 1 k n. Pour cela, on utilise le théorème des probabilités composées : P(A k B) = P(B A k) P(B).
20 Théorème de Bayes - 1 Soit (A 1,,A n ) un système complet d évènements de Ω. Soit B un évènement de Ω de probabilité non nulle. On suppose que l on connaît P(A 1 ),,P(A n ) ainsi que P(B A 1 ),,P(B A n ). On cherche à calculer P(A k B) pour tout 1 k n. Pour cela, on utilise le théorème des probabilités composées : P(A k B) = P(B A k) P(B) Or, (A 1,,A n ) est un système complet d évènements de Ω. Ainsi, il vient n P(B) = P(B A k ). k=1.
21 Théorème de Bayes - 1 Soit (A 1,,A n ) un système complet d évènements de Ω. Soit B un évènement de Ω de probabilité non nulle. On suppose que l on connaît P(A 1 ),,P(A n ) ainsi que P(B A 1 ),,P(B A n ). On cherche à calculer P(A k B) pour tout 1 k n. Pour cela, on utilise le théorème des probabilités composées : P(A k B) = P(B A k) P(B) Or, (A 1,,A n ) est un système complet d évènements de Ω. Ainsi, il vient n P(B) = P(B A k ). k=1 On utilise à nouveau le théorème des probabilités composées et l on a alors P(A k B) = P(B A k )P(A k ) P(B A 1 )P(A 1 )+ +P(B A n )P(A n )..
22 Théorème de Bayes - 2 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Théorème de Bayes Soit (A 1,,A n ) un système complet d évènements de Ω. Soit B un évènement de Ω de probabilité non nulle. Alors : P(A i B) = P(B A i )P(A i ) nj=1 P(B A j )P(A j ).
23 Théorème de Bayes - 2 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Théorème de Bayes Soit (A 1,,A n ) un système complet d évènements de Ω. Soit B un évènement de Ω de probabilité non nulle. Alors : P(A i B) = P(B A i )P(A i ) nj=1 P(B A j )P(A j ). On a notamment le cas particulier avec (A,A c ). Alors : P(A B) = P(B A)P(A) P(B A)P(A)+P(B A c )P(A c ).
24 Théorème de Bayes - 3 Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou de la probabilité des causes) Exemple Paradoxe de Monty Hall.
25 Plan 1 Probabilité conditionnelle 2 Indépendance de deux évènements Indépendance mutuelle de n évènements
26 Heuristique Probabilité conditionnelle Indépendance de deux évènements Indépendance mutuelle de n évènements Soient A et B deux évènements associés à une même expérience aléatoire e. Supposons maintenant qu on sache que l évènement B est réalisé. Les chances de voir A réalisé vont a priori changer et être quantifiées par le nombre P(A B). Toutefois, il se peut que le fait de savoir que B est réalisé ne donne aucune influence quant à la réalisation de A. On dit alors que A est indépendant de B.
27 Indépendance de deux évènements - 1 Définition On dit que A est indépendant de B si l on a P(A B) = P(A).
28 Indépendance de deux évènements - 1 Définition On dit que A est indépendant de B si l on a P(A B) = P(A). Exemple On jette deux dés. L un est rouge et l autre est bleu. On considère les évènements A := le dé rouge indique une face paire et B := le dé bleu indique une face paire. Alors A est indépendant de B : P(A B) = P(A) = 1 2. De même, B est indépendant de A.
29 Indépendance de deux évènements - 1 Définition On dit que A est indépendant de B si l on a P(A B) = P(A). Exemple On jette deux dés. L un est rouge et l autre est bleu. On considère les évènements A := le dé rouge indique une face paire et B := le dé bleu indique une face paire. Alors A est indépendant de B : P(A B) = P(A) = 1 2. De même, B est indépendant de A. Contre-exemple On tire deux cartes dans un jeu de 32 cartes. On considère les évènements A := la première carte est l as de cœur et B := la deuxième carte est l as de cœur. Alors A n est pas indépendant de B : P(A B) = 0 tandis que P(A) = De même, B n est pas indépendant de A.
30 Indépendance de deux évènements - 2 Indépendance de deux évènements Indépendance mutuelle de n évènements Théorème La relation d indépendance est symétrique : si A est indépendant de B alors B est indépendant de A. De plus, A et B sont indépendants si et seulement si P(A B) = P(A)P(B).
31 Indépendance de deux évènements - 2 Indépendance de deux évènements Indépendance mutuelle de n évènements Théorème La relation d indépendance est symétrique : si A est indépendant de B alors B est indépendant de A. De plus, A et B sont indépendants si et seulement si P(A B) = P(A)P(B). ATTENTION Deux évènements incompatibles et de probabilités non nulles ne sont pas indépendants. L indépendance et l incompatibilité sont deux notions radicalement différentes.
32 Indépendance de deux évènements Indépendance mutuelle de n évènements Propriétés de l indépendance de deux évènements Propriété On a équivalence entre les quatre propositions suivantes : A et B sont indépendants.
33 Indépendance de deux évènements Indépendance mutuelle de n évènements Propriétés de l indépendance de deux évènements Propriété On a équivalence entre les quatre propositions suivantes : A et B sont indépendants. A et B c sont indépendants.
34 Indépendance de deux évènements Indépendance mutuelle de n évènements Propriétés de l indépendance de deux évènements Propriété On a équivalence entre les quatre propositions suivantes : A et B sont indépendants. A et B c sont indépendants. A c et B sont indépendants.
35 Indépendance de deux évènements Indépendance mutuelle de n évènements Propriétés de l indépendance de deux évènements Propriété On a équivalence entre les quatre propositions suivantes : A et B sont indépendants. A et B c sont indépendants. A c et B sont indépendants. A c et B c sont indépendants.
36 Approche intuitive Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}.
37 Approche intuitive Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2.
38 Approche intuitive Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2. D autre part, on a P(A B) = P({on tire le jeton tricolore}) = 1 4 = P(A)P(B). Et, de même P(B C) = 1 4 = P(B)P(C) et P(A C) = 1 4 = P(A)P(C).
39 Approche intuitive Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2. D autre part, on a P(A B) = P({on tire le jeton tricolore}) = 1 4 = P(A)P(B). Et, de même P(B C) = 1 4 = P(B)P(C) et P(A C) = 1 4 = P(A)P(C). Ainsi, les évènements A, B et C sont deux à deux indépendants.
40 Approche intuitive Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2. D autre part, on a P(A B) = P({on tire le jeton tricolore}) = 1 4 = P(A)P(B). Et, de même P(B C) = 1 4 = P(B)P(C) et P(A C) = 1 4 = P(A)P(C). Ainsi, les évènements A, B et C sont deux à deux indépendants. Cependant, P(A B C) = 1 car B C = {on tire le jeton tricolore}. Donc la connaissance simultanée de B et C modifie notre information sur A.
41 Indépendance de deux évènements Indépendance mutuelle de n évènements Indépendance mutuelle de n évènements Définition Soient n évènements A 1,,A n associés à une même expérience aléatoire e. On dit que les évènements A 1,,A n sont mutuellement indépendants si pour toute sous-famille A i1,a i2,,a ik avec 1 i 1 < < i k n, on a : P(A i1 A ik ) = P(A i1 ) P(A ik ).
42 Indépendance de deux évènements Indépendance mutuelle de n évènements Indépendance mutuelle de n évènements Définition Soient n évènements A 1,,A n associés à une même expérience aléatoire e. On dit que les évènements A 1,,A n sont mutuellement indépendants si pour toute sous-famille A i1,a i2,,a ik avec 1 i 1 < < i k n, on a : P(A i1 A ik ) = P(A i1 ) P(A ik ). L indépendance mutuelle implique évidemment l indépendance deux à deux et la réciproque est fausse comme le montre l Exemple.
43 Indépendance de deux évènements Indépendance mutuelle de n évènements Propriétés de l indépendance mutuelle Propriété Soient n évènements A 1,,A n associés à une même expérience aléatoire e. On suppose que les évènements A 1,,A n sont mutuellement indépendants. Alors toute famille obtenue en remplaçant certains des A i par leur complémentaires est encore mutuellement indépendante.
44 Indépendance de deux évènements Indépendance mutuelle de n évènements Propriétés de l indépendance mutuelle Propriété Soient n évènements A 1,,A n associés à une même expérience aléatoire e. On suppose que les évènements A 1,,A n sont mutuellement indépendants. Alors toute famille obtenue en remplaçant certains des A i par leur complémentaires est encore mutuellement indépendante. Propriété Soient n évènements A 1,,A n associés à une même expérience aléatoire e. On suppose que les évènements A 1,,A n sont mutuellement indépendants. Alors, on a P(A 1 A n ) = 1 (1 P(A 1 )) (1 P(A n )).
Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailProbabilités conditionnelles
Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber
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 détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détail9 5 2 5 Espaces probabilisés
BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire
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 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
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 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 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 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 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 détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
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 détailAndrey Nikolaevich Kolmogorov
PROBABILITÉS La théorie des probabilités est née de l étude par les mathématiciens des jeux de hasard. D'ailleurs, le mot hasard provient du mot arabe «az-zahr» signifiant dé à jouer. On attribue au mathématicien
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 détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
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 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 détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
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 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 détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
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 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 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 détailEcran : Processeur : OS : Caméra : Communication : Mémoire : Connectique : Audio : Batterie : Autonomie : Dimensions : Poids : DAS :
SMARTPHONE - DUAL-CORE - NOIR 3483072425242 SMARTPHONE - DUAL-CORE - BLEU XXXX SMARTPHONE - DUAL-CORE - BLANC 3483072485246 SMARTPHONE - DUAL-CORE - ROSE 3483073704131 SMARTPHONE - DUAL-CORE - ROUGE XXXX
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
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 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 détailMATH0062-1 ELEMENTS DU CALCUL DES PROBABILITES
MATH0062-1 ELEMENTS DU CALCUL DES PROBABILITES REPETITIONS et PROJETS : INTRODUCTION F. Van Lishout (Février 2015) Pourquoi ce cours? Sciences appliquées Modélisation parfaite vs monde réel Comment réussir
Plus en détail1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.
Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,
Plus en détailProbabilités et statistique. Benjamin JOURDAIN
Probabilités et statistique Benjamin JOURDAIN 11 septembre 2013 2 i ii À Anne Préface Ce livre est issu du polycopié du cours de probabilités et statistique de première année de l École des Ponts ParisTech
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 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 détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en détailExercices de dénombrement
Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailStatistiques II. Alexandre Caboussat alexandre.caboussat@hesge.ch. Classe : Mardi 11h15-13h00 Salle : C110. http://campus.hesge.
Statistiques II Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mardi 11h15-13h00 Salle : C110 http://campus.hesge.ch/caboussata 1 mars 2011 A. Caboussat, HEG STAT II, 2011 1 / 23 Exercice 1.1
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 détailMesure de probabilité, indépendance.
MATHEMATIQUES TD N 2 : PROBABILITES ELEMENTAIRES. R&T Saint-Malo - 2nde année - 2011/2012 Mesure de probabilité, indépendance. I. Des boules et des cartes - encore - 1. On tire simultanément 5 cartes d
Plus en détailIntroduction au Calcul des Probabilités
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus
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 détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailProbabilité 2 Ω = { P, F } Lancer un sou deux fois. Ω = { PP, PF, FP, FF} Ω = { 2, 3, 4,..., as }
. Définitions préliminaires Probabilité. Définitions préliminaires La théorie des probabilités utilise un langage emprunté à la théorie des ensembles. Il sera nécessaire de définir les éléments de ce langage
Plus en détailCOMBINATOIRES ET PROBABILITÉS
COMBINATOIRES ET PROBABILITÉS ème année. Analyse combinatoire.. Outils.. Principe de décomposition.. Permutations.. Arrangements..5 Combinaisons 8.. Développement du binôme 9..7 Ce qu il faut absolument
Plus en détailEI - EXERCICES DE PROBABILITES CORRIGES
EI 1 EI - EXERCICES DE PROBABILITES CORRIGES Notations 1 Les coefficients du binôme sont notés ( n p 2 Un arrangement de n objets pris p à p est noté A p n 3 Si A est un ensemble fini, on notera A ou card
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détail5 ème Chapitre 4 Triangles
5 ème Chapitre 4 Triangles 1) Médiatrices Définition : la médiatrice d'un segment est l'ensemble des points équidistants des extrémités du segment (cours de 6 ème ). Si M appartient à la médiatrice du
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 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
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 détailMATHÉMATIQUES APPLIQUÉES S4 Exercices
Unité D Probabilité Exercice 1 : Chemins 1. Aline habite la maison illustrée ci-dessous. Le diagramme illustre les murs et les portes. a) Combien existe-t-il de chemins possibles entre la pièce A et la
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailModèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
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 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 détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détailDunod, Paris, 2014 ISBN 978-2-10-059615-7
Illustration de couverture : Federo-istock.com Dunod, Paris, 2014 ISBN 978-2-10-059615-7 1.1 Symétrie du hasard et probabilité uniforme 3 1.2 Loi de probabilité sur un ensemble fini 6 1.3 Probabilité sur
Plus en détailProbabilités et Statistique
Probabilités et Statistique Y. Velenik Version du 24 mai 2012 Dernière version téléchargeable à l adresse http://www.unige.ch/math/folks/velenik/cours.html 2011-2012 2 Table des matières Table des matières
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détailProbabilités conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailPLAN NOTATIONS UTILISÉES
PLAN COURS 3 AGRÉGATION ORDINALE Master IAD DMDC PATRICE PERNY LIP6 Université Paris 6 1 2 2/29 NOTATIONS UTILISÉES I) O A : ordres complets sur A P A : Préordres sur A (complets ou partiels) PC A : Préordres
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailIntroduction aux Probabilités
Université Rennes 2 Licence MASS 2 Introduction aux Probabilités Arnaud Guyader Table des matières 1 Espaces probabilisés 1 1.1 Qu est-ce qu une probabilité?.............................. 1 1.1.1 Tribu.......................................
Plus en détailMystères au PLUS! Jeu pédagogique pour les Sciences de la Vie et de la. Frédéric BLASSELLE, PLUS de Cappelle-la-Grande
Jeu pédagogique pour les Sciences de la Vie et de la Mystères au PLUS! Frédéric BLASSELLE, PLUS de Cappelle-la-Grande Frédéric Blasselle Le Plus - Communauté Urbaine de Dunkerque Mystères au PLUS! Mais
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailAlgorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
Plus en détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailCryptographie et fonctions à sens unique
Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailMathématiques financières
Mathématique financière à court terme I) Les Intérêts : Intérêts simples Mathématiques financières - Intérêts terme échu et terme à échoir - Taux terme échu i u équivalent à un taux terme à échoir i r
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailAttitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014
Attitude des ménages face au risque - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Plan du cours 1. Introduction : demande de couverture et comportements induits pa 2. Représentations
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailWindow Dressing des comptes consolidés : les écarts de consolidation positifs
Window Dressing des comptes consolidés : les écarts de consolidation positifs SigmaConso Allen White Avertissement de l auteur Cet article expose des pratiques de window dressing dans le domaine de la
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 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 détailSeconde et première Exercices de révision sur les probabilités Corrigé
I_ L'univers. _ On lance simultanément deux dés indiscernables donc il n'y a pas d'ordre. Il y a répétition, les dbles. On note une issue en écrivant le plus grand chiffre puis le plus petit. 32 signifie
Plus en détail