III ESPERANCE MATHEMATIQUE

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "III ESPERANCE MATHEMATIQUE"

Transcription

1 /9 ésumé de ours e alul des probabltés (JJ bellager III ESPEAE MATHEMATIQUE I.Défto et alul de l espérae mathématque d ue VA La défto la plus géérale de l espérae d u VA : (do à valeurs postves ou ulles est obteue e trodusat ue sute de parttos de : [ 0, x[ [ x, x[... [ x, x [ [ x, [ où x, 0,,.., et x L espérae de est alors défe omme la lmte de la somme des valeurs x podérées par les probabltés des tervalles x, [ auxquels ls apparteet ( 0 [ x E lm x P ([ x, x [ et o ote E ( xdp ( x, 0 (emarquer que P ([ x, x [ P( Pour ue VA : pouvat predre des valeurs égatves auss be que postves o trodut la déomposto max(,0 max(,0 et o déft par E ( xdp ( x xdp ( x s et e sot pas def smultaémet fs.. De ette défto o peut dédure, as partuler par as partuler des formules de alul. S la foto de répartto F présete des sauts (dsotutés aux pots, I (I déombrable d ampltude F ( F ( P( q, I et qu elle est dérvable alleurs au ses ordare ave des valeurs de dérvée o ulles o a : I q F ( x x dx (, I (où la somme otue se alule à l extéreur des pots I S la VA est de lo dsrète, o a l espérae devet : de dsotuté q et F ( x 0x, I q P( I S la VA admet ue desté de probablté I xp ( x 0 (l y a pas de saut das F et F devet alors ulle et l espérae s ért : ( s be que p ( ad s elle est de lo otue o a ( x p. La somme dsrète das ( Il est pas éessare de oaître parfatemet la défto géérale de l espérae doée s dessus pour applquer es formules et aluler des valeurs moyees

2 /9 ésumé de ours e alul des probabltés (JJ bellager p ( x x dx (3 Voabulare et otato : o dt ourammet valeur moyee pour espérae mathématque et o ote m def. Iterprétato : s o réalse fos la même expéree aléatore pour obter réalsatos ( x,.., et que l o osdère la moyee arthmétque de es résultats, x, ette derère pour très grad tedra vers ue lmte égale à E ( (o le motre théorquemet sous ertaes hypothèses et o peut le ostater expérmetalemet. II.Espérae d ue VA foto d autres VA(formule de trasfert Sot ue VA défe à partr de VA,.., et d ue foto f : : f (,..,. La formule de trasfert permet de aluler E ( sas exhber préalablemet sa lo P. Elle s ért das so expresso la plus géérale E f ( x,.., x dp ( x,.., x. Les formules de alul à a utlser e pratque (,.. dépedet de la ature de la lo oote des S la lo oote P,.. admet ue desté p,.. (lo de type otu alors o aura :. E ( f ( x,.., x p ( x,.., x dx,.. S la lo oote est dsrète, ad s l exste u esemble déombrable de pots de ( x,.., x, I tel que : P( x,.., x q ave q alors E ( se alule par : q f ( x,.., x q f ( I Le as plus gééral d ue lo qu est de type otu de type dsret est smple à érre que pour auquel as o a : f ( q F ( x f ( x dx I, I I.. dx (ave les mêmes otatos que pour ( I Pour des termes omplémetares du type tégrale urvlge ou tégrale de surfae peuvet terver (o e doe pas de formule géérale orrespodate. III.Proprétés de l espérae mathématque utles das les aluls ourats (autres que la formule de trasfert. Postvté : s P ( 0 alors 0 Espérae d ue ostate K : s P( K, K te alors K Léarté : s, pour VA,..,, alors

3 3/9 ésumé de ours e alul des probabltés (JJ bellager Idépedae et fatorsato : soet VA,.., dépedates das l esemble et soet VA f(,.., f ( ostrutes à partr de fotos f :,,..,. L espérae de la VA emarque : les VA,.., f,.., f ( le sot auss. ( orollare :,.., ette proprété reste vrae s et les f de la forme est alors état dépedates, les VA dépedates d d,.., sot VA à valeurs respetvemet das,.., d d IV.Momets d ue VA, varae d ue VA.Défto : o appelle momet d ordre d ue VA l espérae E ( (s elle exste..défto : A ue VA de valeur moyee m o assoe la VA otée, appelée etrée que l o déft par m. O dra égalemet qu ue VA est etrée s sa valeur moyee est ulle, auquel as. O a touours m m m m 0 3.Défto : o appelle momet etré d ordre d ue VA la quatté E ( (s elle exste. 4.Proprété (égalté de Marov : 0 0 : P( 5.Défto : la varae d ue VA est so momet etré d ordre, VA( 6.Proprétés de la varae : E ( VA( m VA( VA(, réels S,.., dépedates et.. alors VA( VA(.. VA( De maère plus géérale VA(, qu devet VA( s E ( 0 (odto qu sera réalsée e partuler s les VA sot dépedates à. Iégalté de Beaymé Thebyhef (fare,remplaer par das Marov : VA( 0: P(

4 4/9 ésumé de ours e alul des probabltés (JJ bellager V.Foto aratérstque et aluls de momets V..Varables aléatores à valeurs omplexes.défto :ue VA sur (,, P à valeur das (orps des omplexes est ue applato : ( U ( V ( où ( U, V est ue pare de VA sur (,, P, haue à valeurs das. emarque : la défto se gééralse sas problème au as de VA dmesoelles à valeur das..lo de probablté. La lo de orrespod à la lo oote du ouple ( U, V. E otat z u v o érera : F ( z F U, V ( u, v,( u, v pu, V ( u, v,( u, v s (, V p ( z U est de lo oote otue e se gééralse pour ue VA à valeurs das par F z,.., z F ( u,.. u, v,.., v,( u,.. u p,.., U,.., U, V,.., V, v,.., v ( (,.., z z pu U V V u u v v u u v v,..,,..,,,.., (,..,,..,,(,..,,.., 3.Déftos de la moyee et de la varae : def ( U V, etrée : U V VA( U V VA( U VA( V def V..Foto aratérstque et momets.défto : La foto aratérstque d ue VA à valeurs das est u l applato : u ( u e osu su La foto aratérstque d ue VA -dmesoelle (,.., à valeurs das l applato : ( u,.., u ( u,.., u exp( u,..,,..,.proprété (relatos ave les momets Pour VA à valeurs das :.., S le momet E ( est déf alors o a (0 et la foto u aratérstque admet le développemet de Taylor à l ordre autour de l orge : ( u u ( u u 0.. S le momet exste pour tout o a le développemet f ( u 0.. u est O retedra que : les momets d ue VA peuvet do être alulés e dérvat la foto aratérstque où e la développat e sére de Taylor autour de l orge. 3.Foto aratérstque et trasformée de Fourer (TF S la VA est de lo otue o a

5 5/9 ésumé de ours e alul des probabltés (JJ bellager u ux : u ( u e e p ( x dx u e qu motre, e otat pˆ la TF de p, que ( u pˆ (, u et do, qu au hagemet de varable près, la foto aratérstque est la trasformée de Fourer de la desté de probablté. La trasformée de Fourer état ue beto ( la trasformato de Fourer verse permet de retrouver la foto d orge e motre qu l est possble de retrouver la desté de probablté à partr de la foto aratérstque et qu l y a do orrespodae buvoque etre ue lo de probablté otue et la foto aratérstque. O motre que e reste vra pour des los queloques, la foto aratérstque s avérat as être touours ue spéfato exate de la lo de probablté orrespodate. VI.oeffet de orrélato etre VA réelles.melleure approxmato affe d ue VA à partr d ue autre VA. Sot varables aléatores et. Supposos que l o observe ( x. Peut o alors aluler ue approxmato de la réalsato ( y au moye d ue foto y f (x. Plus présémet exste-l ue foto f : telle que, pour toute autre foto g : o at ( f ( ( g(, e qu revet à reherher : f arg m ( g( f L espérae ( g( est appelée erreur quadratque moyee (EQM etre la varable ble et so approxmato g (. Elle e peut être que postve ou ulle. Pour être ulle l y a éessté que P ( g( (o peut le motrer e utlsat l égalté de B.T.. ette erreur permet d évaluer l erreur d approxmato sur l esemble des as reotrés ( (, ( e teat ompte de leurs fréquees relatves d apparto. O peut otradre le problème e mposat à f d apparter à ue ertae lasse de fotos : f arg m ( g( f herhos la soluto du problème das le as où est la lasse des fotos affes. Il faut alors trouver ostates réelles a et b telles que ( a, b arg m ( A B. O a : ( A B ( m A Am B = ( E ( A, B A ( m Am B A ( m Am B (( A ( m Am B ette derère quatté est mmale pour B m Am et pour A qu mmse E toute rgueur à quelques détals églgeables près (oto mathématque de foto presque partout égales

6 6/9 ésumé de ours e alul des probabltés (JJ bellager A A qu est u trôme du seod degré e A. e trôme admet u seul mmum (e supposat E ( 0 e A. O a do : (, m m arg m ( A B ( A, B et s o développe les aluls, pour es valeurs optmales des oeffets A et B o trouve que la valeur mmale de ( A B est égale à : m ( A B (, où, def A, B VA( VA( Exere : vérfer la premère égalté -dessus.défto du oeffet de orrélato etre VA O appelle oeffet de orrélato, ( rappelos que m m etre les VA et la quatté E ( alul de, : Il sufft de aluler m, m,, et à partr d ue desté oote p, o alulera : p, ( x, y xydxdy das le as d ue lo dsrète à dmesos o alulera: x y P( x, y x, y 3.Proprétés du oeffet de orrélato S et sot dépedates alors 0 (atteto : réproque fausse,,, pour u erta 0, pour u erta 0 4.Approhe par le produt salare etre VA Itrodusos l esemble de toutes les VA d ordre (orrespodat à ue même expéree aléatore (,, P, ad elu de toutes les VA telles que E ( est be défe (ertaes los de probablté admettet pas de momet d ordre omme la lo de auhy par exemple qu e admet auu. Pour VA queloques, de et esemble o motre qu l est touours possble de aluler l espérae du produt. Du fat des proprétés de l espérae mathématque ette opérato a toutes les proprétés d u produt salare : symétre : léarté : ( a b 3 a 3 b 3 postvté : 0, aratère déf : ( 0 P( 0 A e produt salare peut être assoé ue orme : V

7 7/9 ésumé de ours e alul des probabltés (JJ bellager Ue proprété de tout produt salare ( V, V est l égalté de Shwartz : ( V, V V V (ave égalté ss réel 0 : V V Ave V, V, V V et e applquat l égalté o arrve à : [ ] [ ] e qu orrespod à, e teat ompte des déftos de la varae et du oeffet de orrélato. 4.etour sur le problème d approxmato L erreur d approxmato das le problème trodut plus haut valat m ( A B ( A, B, O vot do que ette erreur est omprse etre ue valeur mmale ulle quad le oeffet de orrélato attet ue valeur maxmale e valeur absolue égale à (et o sat alors que ela orrespod à l exstee d ue relato léare exate etre les varables etrées, du mos ave probablté et ue valeur maxmale égale à VA( lorsque le oeffet est ul. Das e derer as la valeur optmale de A est ulle et o peut dre que s les varables sot déorrélées (ad, 0 alors la melleure approxmato affe de se ramèe à la valeur ostate m : l e sert à re d utlser ( pour évaluer (. oluso :Il y a ue orrespodae etre la valeur plus ou mos élevée de, et la possblté de prédre léaremet à partr de.

8 8/9 ésumé de ours e alul des probabltés (JJ bellager VII Espéraes odtoelles..défto de l espérae odtoelle. Sot u ouple (, de VA, haue à valeurs das. La défto la plus drete de l espérae de s x est : E / x ydp ( y dy ( / x y Autremet dt / x est la moyee pour la lo odtoelle P / x. E toute rgueur ette lo est défe que P presque sûremet (ad pour u esemble de valeurs de x oteat u boréle A tel que P ( A. Pour haue de es valeurs de x la lo odtoelle P / x peut être dsrète, otue ou mxte. La varable aléatore odtoate peut être à valeurs das où das..formules pratques de alul. Le alul de l espérae odtoelle s effetue suvat les mêmes méthodes que pour ue espérae ordare (o odtoelle. Les formules qu suvet permettet de aluler l espérae odtoelle de f ( odtoellemet à x. Elles orrespodet à la formule de trasfert das le as odtoel. Pour obter l espérae odtoelle de odtoellemet à x l sufft d y remplaer f (. par l applato detté. Les V.A. M et peuvet être à valeurs respetvemet das et, M et. O osdère f de la forme f :. S f (. est l applato detté o osdère M. S P / x admet ue desté p / x (lo de type otu alors : f ( / x f ( y p / x( y dy M S la lo odtoelle est dsrète, ad s l exste u esemble déombrable de pots de M, y, I tel que P / x( y P ( y / x alors f ( / x se alule par : J J ( y P / x J y f ( f ( y P ( y / x S est à valeurs das et que la lo odtoelle est mxte ave ue foto de répartto odtoelle F / x : f ( / x f ( [ F / x( F / x( ] f ( y F / x( x dy I J où les sot les pots de dsotuté de F / x., I 3.Proprétés de l espérae odtoelle. Postvté : P ( 0 / x 0 et e P ps (ad presque sûremet das la lo P Léarté : a b / x a / x b / x,a et b tes ( P ps

9 9/9 ésumé de ours e alul des probabltés (JJ bellager Formule de déodtoemet. ette formule est fodametale das les applatos. Elle utlse le fat que l applato x h( x / x est mesurable (o le motre et que h h( orrespod do à ue varable aléatore dot o peut herher à aluler l espérae. Elle s ért : x h( h( dp ( x / x dp ( x x où (. dp ( x se alule e utlsat les formules approprées suvat que la lo de est absolumet otue, dsrète ou eore mxte. emarque : l utlsato de la varable aléatore auxlare et la haîe de aluls odtoemet + déodtoemet pour aluler sot reommadés lorsque le alul de / x s avère fale et aturel, vore évdet, das le otexte de l étude (gééralemet pare que la lo odtoelle est elle même évdete. Le passage par es deux étapes de alul peut s avérer alors éoomque par rapport à u alul plus dret de das la lo P s ette derère est pas oue a pror et qu elle est dffle à aluler. x

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE UE4 : Bostatstques Chaptre 8 Corrélato et régresso léare smple José LABARERE Aée uverstare 20/202 Uversté Joseph Fourer de Greoble - Tous drots réservés. Pla I. Corrélato et régresso léare II. Coeffcet

Plus en détail

PHYSIQUE DES SEMICONDUCTEURS

PHYSIQUE DES SEMICONDUCTEURS MIISTERE DE L'ESEIGEMET SUPERIEURE ET DE LA REHERHE SIETIFIQUE UIERSITE DE BEHAR Départemet es Sceces Laboratore e Pysque es spostfs à semcoucteurs (L.P.D.S ttp://www.uv-becar.z/lps/ PHYSIQUE DES SEMIODUTEURS

Plus en détail

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES SOMMAIRE. Normes sur u espace vectorel E 2.. Défto d'ue orme. Cter l'égalté tragulare reversée. 2.2. Normes usuelles

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2.

Plus en détail

Coefficient de partage

Coefficient de partage Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques IFT393 Qualté du logcel et métrques Chaptre 7 Collecte et aalyse des métrques Pla du cours Itroducto Qualté du logcel Théore de la mesure Mesure du produt logcel Mesure de la qualté du logcel Études emprques

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

f(t) g(t)dt f²(t)dt g²(t) dt a a a

f(t) g(t)dt f²(t)dt g²(t) dt a a a PCSI Chatre 4 : Produts scalares-résumé Das ce chatre E est u -ev. Produts scalares. Défto et exemles de référeces Def: O aelle rodut scalare sur E toute alcato de E² das est bléare. est symétrque: x,ye,

Plus en détail

IREM Section Martinique Groupe Lycée. QCM pour la classe de Terminale S

IREM Section Martinique Groupe Lycée. QCM pour la classe de Terminale S IREM Secto Matque Goupe Lycée QCM pou la classe de Temale S QCM : Calculatce o autosée Pou chaque questo, seules ou popostos sot vaes. Recope la ou les popostos vaes. Sot f la focto défe su IR pa f ( )

Plus en détail

La statistique et les statistiques

La statistique et les statistiques Psy004 Secto : La statstque et les statstques Pla du cours: 0.0: Beveue 0.: Les catégores du savor 0.: Survol de la psychologe 0.3: Le pla de cours 0.4: Les assstats.0: La physque: scece exacte?.: Scece

Plus en détail

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES Il est très courat

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chaptre 4 : RÉGRESSION 4. Régresso léare smple 4.. Équato de la régresso 4.. Estmato par les modres carrés 4..3 Coeffcet de détermato 4..4 Iférece sur les coeffcets 4..5 Prévso et aalyse des résdus Régresso

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

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

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

LP 46 Applications des lois de l'optique géométrique à l'appareil photographique

LP 46 Applications des lois de l'optique géométrique à l'appareil photographique LP 46 Applatons des los de l'optque géométrque à l'apparel photographque Introduton: Nous allons termner les leçons d'optque géométrque en étudant un apparel qu utlse les résultats de e domane de la physque,

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

sont distincts 2 à 2.

sont distincts 2 à 2. Lycée Thers CORRIGÉ TP PYTHON - 09 L algorthme des k-meas pour partager u uage de pots e u ombre doé de classes peu dspersées 1 - La méthode de Forgy [Qu. 1] 1) Cette double somme comporte termes pusque

Plus en détail

Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani 3-Notation ensembliste des événements :

Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani 3-Notation ensembliste des événements : wwwelmerouajmdocom Statstques II Sc Éco & Gesto S r M El Meroua Chaptre : roaltés I Itroducto : -Epreuve ou expérece : O appelle épreuve ou expérece ue certae acto que l o peut répéter pluseurs fos ar

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure. TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d

Plus en détail

EXERCICES DU CHAPITRE 25

EXERCICES DU CHAPITRE 25 EXECICES DU CHAPITE 5 Pla (Clquer sur le ttre pour aéder au paragraphe) ********************** EXECICES DU CHAPITE 5... 5.I. Équerre optque... 5.II. Trasmsso de la lumère par ue fbre optque... 5.III. Étude

Plus en détail

Soutien : Modèle de Potts mars 2015

Soutien : Modèle de Potts mars 2015 Année 04 05 Physque Statstque hors équlbre et transtons de phase Souten : Modèle de Potts mars 05 On onsdère une varante du modèle d Isng, dte de Potts, dans laquelle les N degrés de lberté (qu on appellera

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

Etude sur les communications Coopératives Dans les réseaux sans fils

Etude sur les communications Coopératives Dans les réseaux sans fils Eole Natoale Supéreure des Téléommuatos 3 ème aée du yle géeur Brque PROCOM Trmestre Eadrat M. BEFIORE Jea-Claude. Etude sur les ommuatos Coopératves Das les réseaux sas fls Déemre 5 Par MROUEH a a.mroueh@est.fr

Plus en détail

Exo7. Applications linéaires continues, normes matricielles. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.

Exo7. Applications linéaires continues, normes matricielles. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france. Exo7 Applicatios liéaires cotiues, ormes matricielles Exercices de Jea-Louis Rouget. Retrouver aussi cette fiche sur www.maths-frace.fr Exercice * * très facile ** facile *** difficulté moyee **** difficile

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

Série d'exercices *** 4 ème Maths Lycée Secondaire Ali Zouaoui LES N. COMPLEXES " Hajeb Laayoun "

Série d'exercices *** 4 ème Maths Lycée Secondaire Ali Zouaoui LES N. COMPLEXES  Hajeb Laayoun Sére d'exercces *** 4 ème Maths Lycée Secodare Al ouaou LES N COMPLEXES " Hajeb Laayou " I / L esemble des ombres complexes : Défto : O appelle esemble des ombres complexes, et o ote C, l esemble des ombres

Plus en détail

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU 8 e Coférece Iteratoale de MOdélsato et SIMulato - MOSIM 0-0 au 2 ma 200 - Hammamet - Tuse «Evaluato et optmsato des systèmes ovats de producto de bes et de servces» LE PARAMETRAE U MRP SOUS INCERTITUES

Plus en détail

Partie 1. Corrigé de CCIP 2000 par Pierre Veuillez

Partie 1. Corrigé de CCIP 2000 par Pierre Veuillez Corrgé de CCIP 2000 par Perre Veullez Das tout le problème, désge u eter aturel o ul. O cosdère ue ure U coteat boules umérotées de à. O tre ue boule au hasard das U. O ote k le uméro de cette boule. S

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

Plus en détail

Université Montpellier II

Université Montpellier II MODICOM Cette plaquette motre ommet u gal peut être éhatilloé, trasmis omme ue suite d éhatillos, puis reostitué à l aide de iltres passe-bas. I) Le blo de logique de ommade d éhatilloage («Samplig otrol

Plus en détail

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm I. DEFINITION ANALYSE DES ENQUETES CAS-TEMOINS AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séres o apparées) Dr F. Séguret Départemet d Iformato Médale, Épdémologe et Bostatstques U facteur F est ue

Plus en détail

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, )

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, ) Polyése Ju 00 Sére S xercce Le pla complexe est rapporté à u repère orthoormal drect ( O; uv, ) Prérequs Parte A Resttuto orgasée de coassaces Sot u ombre complexe tel que = a+ b où a et b sot deux ombres

Plus en détail

I. Moyenne, variance et écart-type d une série statistique

I. Moyenne, variance et écart-type d une série statistique I Moyee, varace et écart-type d ue sére statstque Sére statstque dscrète : Eemple d ue sére statstque dscrète : Preos le cas d ue classe de élèves qu réalset u devor oté sur 5 La sére statstque dscrète

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

LEÇON N 6 : Loi de Poisson, loi normale.

LEÇON N 6 : Loi de Poisson, loi normale. LEÇON N 6 :. Pré-requs : Probabltés : défto, calculs et probabltés codtoelles ; Lo bomale cf. leço o 5) ; Noto de varables aléatores dscrètes et cotues cf. leços o 4 et 7), et proprétés assocées : espérace,

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

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

Au sommaire : Des généralités. Polynôme d'endomorphisme. Polynômes minimal d'un endomorphisme. Valeur et vecteur propres. Sous-espace propre.

Au sommaire : Des généralités. Polynôme d'endomorphisme. Polynômes minimal d'un endomorphisme. Valeur et vecteur propres. Sous-espace propre. - De la réducto des edomorphsmes - Ce cours a été rédgé e ovembre 994 alors que e préparas l'agrégato de mathématques et ms à our e u et ullet 2. Das le cas où l comporterat des erreurs, merc de me les

Plus en détail

N - ANNEAUX EUCLIDIENS

N - ANNEAUX EUCLIDIENS N - ANNEAUX EUCLIDIENS Dans ce qu sut A est un anneau untare, mun de deux opératons notées addtvement et multplcatvement. Le neutre de l addton est noté 0, celu de la multplcaton est noté e. On pose A

Plus en détail

NOTATIONS ET FORMULAIRE

NOTATIONS ET FORMULAIRE Uversté PARIS DESCARTES Lcece de Psychologe L1 ADP1- Resp : Mrelle LAGARRIGUE page 1/5 PROTOCOLE SUR U ECHA TILLO NOTATIONS ET FORMULAIRE Esemble des sujets de l échatllo S { s 1 ; s ;.; s } (1) Varable

Plus en détail

Algorithmique pour la conversion par approximation de courbes de Bézier degré élevé : Le modèle de rationnelle

Algorithmique pour la conversion par approximation de courbes de Bézier degré élevé : Le modèle de rationnelle CIMA4 UM 3 Nov Dec 4 Algortmque pour la coverso par approxmato de courbes de ézer degré élevé : Le modèle de ratoelle Fard ASMA*, Idr ELAIDI*, Kamal MOHAMMEDI*, Guy ISCHIOMIN**, Moad Oulad CHALLALI *Laboratore

Plus en détail

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

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 003 EPREUVE SPECIFIQUE FILIERE MP MAHEMAIQUES 1 Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la plus grade mportace à la clarté, à la précso et à la cocso de la

Plus en détail

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation ère S Lmtes de foctos () Approche tutve ; tes des foctos de référece II. La focto carrée ) Tableau de varato Das ce chaptre, o lasse provsoremet de côté les dérvées. I. Itroducto ) Rappel Déà vu : oto

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

Plus en détail

Feuille d exercices 5

Feuille d exercices 5 Mathématiques Physique S3, 205/206 Uiversité Blaise Pascal Feuille d exercices 5 Ex.. Tracer le graphe des foctios périodiques suivates, doer leur développemet e série de Fourier et discuter la covergece

Plus en détail

Utilisation du symbole

Utilisation du symbole HKBL / 7 symbole sgma Utlsaton du symbole Notaton : Pour parler de la somme des termes successfs d une sute, on peut ou ben utlser les pontllés ou ben utlser le symbole «sgma» majuscule noté Par exemple,

Plus en détail

Le modèle linéaire général simple à deux variables

Le modèle linéaire général simple à deux variables L3 Mahémaique e Saisique Les esimaeurs des MCO M Le modèle liéaire gééral simple à deu variables Iroduio géérale U modèle es ue représeaio simplifiée, mais la plus ehausive possible, d ue eié éoomique

Plus en détail

Electronique TD1 Corrigé

Electronique TD1 Corrigé nersté du Mane - Faculté des Scences! etour D électronque lectronque D1 Corrgé Pour un sgnal (t) quelconque : 1 $ (t) # MOY! (t) dt 1 FF! (t) dt (t) MX MOY mpltude crête à - crête mpltude Mn Pérode t emarque

Plus en détail

Chapitre III. Gaz parfaits

Chapitre III. Gaz parfaits Chatre III Gaz arfats IIIA : Déftos rorétés IIIAI : Gééraltés : U gaz arfat est u flude déal qu satsfat à l équato d état vr, ou ecore c est u gaz qu obét rgoureusemet aux tros los MARIOE, GAY LUSSAC et

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

Université de Picardie Jules Verne 2006-2007 Faculté de Mathématiques et d Informatique

Université de Picardie Jules Verne 2006-2007 Faculté de Mathématiques et d Informatique Uiversité de Picardie Jules Vere 006-007 Faculté de Mathématiques et d Iformatique Licece metio Mathématiques - Deuxième aée - Semestre 4 Probabilités Elémetaires Exame du ludi 4 jui 007 Durée h00 Documet

Plus en détail

PRO 1 EXPRO010 EXPRO019

PRO 1 EXPRO010 EXPRO019 Exercces résolus de mathématques. PRO 1 EXPRO010 EXPRO019 http://www.matheux.be.tf Jacques ollot 1 avrl 03 www.matheux.be.tf - PRO 1-1 - EXPRO010W Ue ure cotet boules blaches ( 4) et 10 boules ores. O

Plus en détail

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!!

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!! Cours : Statstques I. Itroducto Classe de ère S O a vu que our caractérser ue sére statstque, o utlse des : - aramètres de tedace cetrale : - la moyee ; - la médae. Ils ermettet d dquer la «osto» de la

Plus en détail

Agrégation externe de mathématiques, session 2008 Épreuve de modélisation, option A : Probabilités et Statistiques

Agrégation externe de mathématiques, session 2008 Épreuve de modélisation, option A : Probabilités et Statistiques Agrégatio extere de mathématiques, sessio 2008 Épreuve de modélisatio, optio (public 2008) Mots clefs : Loi des grads ombres, espace des polyômes, estimatio o-paramétrique Il est rappelé que le jury exige

Plus en détail

Chapitre II : Application du second principe à l étude de la réaction chimique ; Potentiel chimique

Chapitre II : Application du second principe à l étude de la réaction chimique ; Potentiel chimique Chaptre II : Applcato du secod prcpe à l étude de la réacto chmque ; Potetel chmque Pla : ********************** I- Eocé du secod prcpe de la thermodyamque... 2 1- Eocé du secod Prcpe de la hermodyamque...

Plus en détail

6. RADIERS 6.1. GÉNÉRALITÉS

6. RADIERS 6.1. GÉNÉRALITÉS 6. RADIERS 6.. GÉNÉRALITÉS U raer est ue alle plae, évetuellemet ervurée, costtuat l'esemble es foatos 'u bâtmet. Il s'éte sur toute la surface e l'ouvrage. Ce moe e foato est utlsé as eux cas : lorsque

Plus en détail

Informatique TP2 : Calcul numérique d une intégrale CPP 1A

Informatique TP2 : Calcul numérique d une intégrale CPP 1A Iformatique TP : Calcul umérique d ue itégrale CPP 1A Romai Casati, Wafa Johal, Frederic Deveray, Matthieu Moy Avril - jui 014 1 Zéro de foctio O doe le code suivat (vu e cours), qui permet de calculer

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

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES SCHEMA DE BERNOULLI ET LOI BINOMIALE EXEMPLES Nveau : termale Pré-requs : Espace probablsé Varable aléatore réelle sur u espace probablsé f Lo de probablté de X Espérace mathématque Varace O se place das

Plus en détail

Calculs financiers. Auteur : Philippe GILLET

Calculs financiers. Auteur : Philippe GILLET Clculs fcers Auteur : Phlppe GILLET Le tux d térêt Pour l empruteur qu e dspose ps des fods écessres, l représete le prx à pyer pour ue cosommto mmédte. Pour le prêteur, l représete le prx ecssé pour l

Plus en détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe Méthode du smplee: prélmares Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplee Das le cas où l y a ue fté de solutos, la méthode d élmato de Gauss-Jorda permet d detfer tros

Plus en détail

Terminales S Exercices sur les nombres complexes Page 1 sur 6

Terminales S Exercices sur les nombres complexes Page 1 sur 6 Termales S Exercces sur les ombres complexes Page sur 6 Exercce : ) Calculer, et 5 6 7 ) E dédure, et ) Détermer les eters pour lesquels est a) u réel, b) est u magare pur, c) égal à Exercce : Ecrre sous

Plus en détail

5. Variables aléatoires simultanées

5. Variables aléatoires simultanées 5. Varables aléatores smultaées 5.1 Coule de varables aléatores Défto 1 Pour tout dce das 1, sot X ue varable aléatore. O dt que X X 1 X est ue varable aléatore de dmeso. Nous ous téresseros rcalemet aux

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

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit Itroducto à l écoométre S6-EF sc. éco. & gesto Prof. Mohamed El Meroua IV.- Espérace mathématque de l estmateur  : A ˆ A + X X X Nous avos ( ε alors l espérace mathématque sera : E ( E( A + E[ ( X X X

Plus en détail

Annexe 2 Note méthodologique sur le calcul des évolutions de bases, taux et produits de la fiscalité directe locale

Annexe 2 Note méthodologique sur le calcul des évolutions de bases, taux et produits de la fiscalité directe locale Mstère de l téreur, de l outre-mer ublcato : «le gude statstque de et des collectvtés terrtorales la fscalté drecte locale 2007» Aexe 2 Note méthodologque sur le calcul des évolutos de bases, taux et produts

Plus en détail

I. Fonctionnalités du tableur

I. Fonctionnalités du tableur Olver Coma Macro MRP pour Excel Decembre 1999 I. Fonctonnaltés du tableur I.1. Feulle «Nomenclature «Le tableur propose pluseurs optons à l ouverture du fcher. Cnq boutons apparassent à drote de la feulle

Plus en détail

C.P.G.E-TSI-SAFI Redressement non commandé 2006/2007

C.P.G.E-TSI-SAFI Redressement non commandé 2006/2007 C.P.G.E-TSI-SAFI edressement non commandé 2006/2007 edressement non commandé Introducton : es réseaux et les récepteurs électrques absorbent de l énerge sous deux formes, en contnus ou en alternatfs. Pour

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

Racine nième Corrigés d exercices

Racine nième Corrigés d exercices Racie ième Corrigés d eercices Page 9 : N 8, 8, 8, 86, 88, 89, 9, 9, 9, 97 Page 6 : N, Page 6 : N Page 67 : N 8 Page 6 : N N 8 page 9 6 6 6 6 6 ( ) = = = = = = = = ( ) = = = = = = ( ) 8 = 8 = = = = = =

Plus en détail

Espaces vectoriels normés

Espaces vectoriels normés Espaces vectorels ormés Marc SAGE 13 avrl 006 Table des matères 1 Sommes de fermés et d ouverts U sev strct est d téreur vde 3 U crtère de cotuté pour les formes léares 3 4 Dstace à u fermé 3 5 Covergece

Plus en détail

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2 Exercce Lba 6 4 pots O cosdère u solde ADECBF costtué de deux pyramdes detques ayat pour base commue le carré ABCD de cetre I. Ue représetato e perspectve de ce solde est doée e aexe (à redre avec la cope).

Plus en détail

Quelques inégalités classiques

Quelques inégalités classiques Quelques iégalités classiques O se propose de motrer, sous forme d exercices, quelques iégalités classiques. Les preuves de ces iégalités e écessitet que quelques coaissaces élémetaires.. Exercices classiques

Plus en détail

Méthodes de catégorisation : Réseaux bayesiens naïfs. Olivier Aycard E-Motion group. Université Joseph Fourier. http://emotion.inrialpes.

Méthodes de catégorisation : Réseaux bayesiens naïfs. Olivier Aycard E-Motion group. Université Joseph Fourier. http://emotion.inrialpes. Méthodes de atégosaton : éseau aesens naïfs le Aad E-Moton goup Unesté Joseph Foue http://emoton.nalpes.f/aad le.aad@mag.f lan du ous Intéêts éseau aesens naïfs Appentssage de éseau aesens naïfs ésentaton

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

(respectivement M n,1 ( )) l espace vectoriel réel

(respectivement M n,1 ( )) l espace vectoriel réel Les calculatrces sot autorsées **** NB : Le caddat attachera la lus grade mortace à la clarté, à la récso et à la cocso de la rédacto S u caddat est ameé à reérer ce qu eut lu sembler être ue erreur d'éocé,

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

Variables j.. p. Xij

Variables j.. p. Xij L alyse e Composates Prcpales (CP) O possède u tableau rectaulare de mesure dot les coloes sot des varables quattatves (mesuratos, taux, statos clmatques) et dot les les représetet des dvdus statstques

Plus en détail

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 1

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 1 SESSION 22 CONCOURS COMMUN POLYTECHNIQUE ENSI FILIERE MP MATHEMATIQUES EXERCICE : ormes équivaletes. Soit f E. f est de classe C sur [,]. Doc la foctio f est cotiue sur le segmet [,] et par suite la foctio

Plus en détail

Chapitre I : Introduction à la résistance des matériaux & Rappel de statique. (August Wöhler)

Chapitre I : Introduction à la résistance des matériaux & Rappel de statique. (August Wöhler) Chaptre I : Itroducto à la résstace des matéraux & appel de statque (August Wöhler) Premer cours de ésstace des atéraux a été doé par August Wöhler à l'uversté de Göttge (Allemage) e 842. aculty of echacal

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

arlesrcomplexesraurbacr2014r==corriges=z arlesrcomplexesraurbacr0r==corriges= Nouvelle-Calédoe ovembre 0 5 pots Proposto : Pour tout eter aturel : ( + ) = () VRAI! ( ) doc d où ( ) ( ) ( ) ( ) Sot (E) l équato ( )( + 8) = 0 où désge u ombre complexe

Plus en détail

Séries de Fourier 12-1

Séries de Fourier 12-1 Séres de Fourer 1-1 Sommare 1. Applcato de classe C 1 par morceaux 1 1.1. Applcato de classe C 1 par morceaux 1 1.. Applcato -pérodque C 1 par mcx. 1 1.3. pérato sur les applcatos C 1 par mcx 1. Sére de

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

Une urne contient 5 boules rouges, 5 boules blanches et 6 boules bleues.

Une urne contient 5 boules rouges, 5 boules blanches et 6 boules bleues. Lycée Paul Gaugu CPGE-EC Aée 04/05 Exercces «basques» Fche N : Exercces sur les varables aléatores réelles dscrètes Exercce. : O cosdère deux dés dscerables be équlbrés. O ote X la varable aléatore égale

Plus en détail

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

* 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

Historique de la fibre optique Les fontaines lumineuses de l antiquité

Historique de la fibre optique Les fontaines lumineuses de l antiquité stoque de la fbe optque Les fotaes lumeuses de l atquté Pcpe de la popagato de la lumèe? Pcpe du gudage plaae (1 Dmeso) Se place e codto de éfleo totale A 1 A 1 Gae g Gae g M < c Cœu c M > c Cœu c Fute

Plus en détail

Chapitre III : Les caractéristiques de dispersion

Chapitre III : Les caractéristiques de dispersion Chaptre III : Les caractérstques de dsperso Les caractérstques de tedace cetrale e sot pas toujours suffsates pour caractérser ue sére statstque, car séres peuvet avor Mo= Me = x alors qu elles sot dstrbuées

Plus en détail

CORRECTION DU BAC BLANC 2

CORRECTION DU BAC BLANC 2 CORRCTION DU BAC BLANC 2 XRCIC 1 (6 poits) Baccalauréat ST Mercatique Podichéry - 2010 Deux tableaux sot doés e aexe : le premier doe l évolutio du prix du mètre carré das l immobilier résidetiel acie

Plus en détail

Comment les bookmakers (ou la FdJ) font-ils pour TOUJOURS gagner?

Comment les bookmakers (ou la FdJ) font-ils pour TOUJOURS gagner? Coet les bookakers (ou la FdJ fot-ls our TOUJOURS gager? Itroducto otatos et varables Esérace de ga du bookaker (ou de la FdJ 4 4 Les stratéges du bookaker 6 4 le bookaker hoête 6 4 le bookaker "réel"7

Plus en détail

Aide Mémoire de Statistique

Aide Mémoire de Statistique Aide Mémoire de Statistique (E, E, P) modèle statistique (E, E, P) modèle probabiliste E probabilité, o coaît la loi P et o fait des calculs E statistique, o e coaît pas la loi (seulemet ue famille de

Plus en détail