0.1 Espace de probabilité

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "0.1 Espace de probabilité"

Transcription

1 0.1. ESPACE DE PROBABILITÉ Espace de probabilité Exercice 1 La population d une ville compte 48% d hommes et 52% de femmes. Le 1er Janvier % des hommes et 1% des femmes avaient la grippe. a) Quelle est la proportion de personnes dans la ville atteinte de la grippe le 1/01/02. b) On modélise cela à l aide d un modèle probabiliste, H représente les hommes, F les femmes et G les grippés. Comment écrire les hypothèses à l aide de probabilités. c) On tire une personne au hasard dans cette ville on remarque qu elle a la grippe, quelle est la probabilité que cette personne soit un homme? Exercice 2 4 joueurs jouent au poker, avec un jeu de 32 cartes. On distribue au hasard, une main de 5 cartes à chaque joueur. a) Quelle est le nombre de mains différentes qu un joueur peu recevoir? b) Quelle est la probabilité qu un joueur donné reçoive un carré? c) Quelle est la probabilité pour qu un joueur donné reçoive une "quinte floche" ( 5 cartes de même couleurs consécutives.). d) Quelle est la probabilité qu un joueur reçoive un full (par exemple 2 valets et 3 as) Exercice 3 Un ouvrier effectue un montage dans lequel entrent 3 composants identiques. Le montage est mauvais s il comporte au moins un composant défectueux. a) Soit un ensemble de n composants dont un seul est défectueux. a1) Calculer le nombre a de tirages différents possibles de 3 composants chacun. a2) Déterminer le nombre b de tirages différents qui contiennent le composant défectueux. a3) Déterminer n pour que b a 5% b) On suppose maintenant qu il y a deux composants défectueux dans un lot de n. b1) Calculer le nombre a de tirages différents possibles de 3 composants chacun. b2) Déterminer le nombre b de tirages différents qui contiennent au moins un composant défectueux. Exercice 4 Dans une ville, il y a 3 centres de secours d urgence. 5 malades appellent le même jour un centre au téléphone après avoir choisi, au hasard, l un des centres sur Minitel. a) Modéliser ce problème. b) Quelle est la probabilité que les 5 malades appellent le même centre? c) Quelle est la probabilité que les 3 centres soient appelés? Exercice 5 On dispose de 10 billes que l on veut aligner, combien peut-on former de figures différentes, si les billes de mêmes couleurs ne sont pas discernables et si: i) les 10 billes sont de couleurs différentes. ii) si il y a 3 billes rouges, 4 billes vertes et 3 noires. iii) si il y a 3 billes rouges, 4 billes vertes et 3 noires, mais que les rouges doivent être groupées. Exercice 6 On choisit deux points x et y au hasard dans l intervalle [0;1] quelle est la probabilité que la somme de leur carré soit inférieur à 1. On pourra faire un schéma et représenter x en abscisse et y en ordonnée. Exercice 7 On marque n points sur un cercle, on en choisit deux au hasard, quelle est la probabilité qu ils soient voisins? Exercice 8 On jette 3 fois un dé quelle est la probabilité qu au moins un trois ne sorte? Et si on le jette 6 fois? 12 fois? Exercice 9 Combien de triangles différents peut-on constituer en prenant leur sommet parmi 10 points (Ces points n étant pas alignés 3 par 3).

2 0.2. VARIABLES ALÉATOIRES DISCRÈTES 2 Exercice 10 Si une personne sur est centenaire, calculer la probabilité qu il y ait au moins un centenaire dans un échantillon de 100 personnes, de 1000 personnes, de personnes. Exercice 11 On note p n la probabilité que sur une suite de n piles ou faces, il y ait à un moment 3 piles de suite ou trois face de suite, montrer en conditionnant sur les trois premiers résultats que l on a la formule de récurrence suivante : p n = p n p n 2 Donner une valeur approchée de p Variables aléatoires discrètes Exercice 12 On constitue une file d attente en attribuant au hasard des numéros d ordre à n personnes. On note D la variable aléatoire représentant le nombre de personnes se trouvant entre deux amis dans la queue. a) Déterminer P (D = k). b) Pour quelle valeur de k, P (D = k) est-il maximum? c) Déterminer l espérance de D. On pourra utiliser les formules classiques suivantes : n k=1 k = 1 n n(n + 1) 2 k=1 k 2 = 1 n (n + 1) (2 n + 1) 6 Exercice 13 On jette deux dés, on note X le résultat du 1er et Y le résultat du 2ème. Z = max(x; Y ). Déterminer la loi de Z, son espérance et sa variance. Exercice 14 La fabrication d un objet dans une usine s effectue avec 4% de défauts. On note N le nombre d objets défectueux dans un lot de 35 objets, déterminer la loi de N. Calculer P (N = 0), P (N = 1), et P (N = 2). Exercice 15 On suppose que le nombre d appels téléphoniques arrivant à un standard pendant un intervalle d une heure suit une loi de Poisson de paramètre 20 (P (N = k) = e 20 20k k! ). a) Calculer le nombre moyen d appels reçus en une heure. b) Calculer la probabilité que le standard reçoive moins de 5 appels en une heure. c) Un second standard reçoit en moyenne 50 appels par heure. Comment peut-on modéliser ceci à l aide d une loi de Poisson? Calculer la probabilité que le standard reçoive moins de 5 appels en une heure. Exercice 16 On jette un dé, et on note N le nombre de jets nécessaire pour qu un 6 apparaisse. a) Déterminer la loi de N. b) Calculer E(N) en utilisant la série entière suivante : nx n 1 = n=1 1 x ] 1; 1[ (1 x) 2 Exercice 17 Une certaine pièce A d une machine tombe souvent en panne, elle est remplacée alors dans la journée et on suppose qu elle ne peut pas retomber en panne. Le coût d un dépannage s élève à x euros et la perte de production du à une panne coûte y euros. On note p n la probabilité de bon fonctionnement le n ème jour. Si la machine fonctionne le n ème jour la probabilité qu elle fonctionne le (n+1) ème jour est 0.8, par contre si la machine tombe en panne le n ème jour la probabilité qu elle fonctionne le (n+1) ème jour est 0.9. a) Exprimer p n+1 en fonction de p n. En déduire p n en fonction de n et p 1. Déterminer la limite de p n. b) On note X n la variable aléatoire correspondant au coût du à la pièce A le n ème jour. Calculer son espérance. c) Comparer cela à la stratégie consistant à changer un matin sur deux la pièce A.

3 0.3. VARIABLES ALÉATOIRES À DENSITÉ 3 Exercice 18 Soient b,r N et c N. Une urne contient b boules blanches et r boules rouges. On effectue des tirages successifs de la manière suivante : une boule étant tirée, on la remet dans l urne avec en plus c boules de la même couleur. On note X n la variable aléatoire qui prend la valeur 1 si la boule obtenue au nième tirage est rouge, la valeur 0 si elle est blanche. On posera p = r b + r q = b b + r 1) Déterminer la loi du couple (X 1,X 2 ) En déduire la loi de X 2 la comparer à celle de X 1. 2) Trouver les lois conditionnelles de X 1 sachant X 2 et de X 2 sachant X 1. 3) Déterminer la loi de la variable S 2 = X 1 + X 2. 4) Déterminer la loi de X 3 sachant que S 2 = k pour k N. 5) Déduire du 4) que la loi de X 3 est la même que celle de X 1. 6) Exprimer la loi de X n+1 à l aide de E(S n ). 7) Montrer que toutes les variables aléatoires X n ont même loi de probabilité. Exercice 19 Montrer que la seule loi sur N ayant la propriété suivante : est la loi géométrique (P (X = k) = p(1 p) k ). l,p N P (X > l + p X > l) = P (X > p) Exercice 20 Soient p ]0; 1[; X une variable aléatoire de loi de Poisson de paramètre λ et Y telle que λ λk P (X = k) = e k! P (Y = k X = n) = C k np k (1 p) n k Déterminer la loi de Y. Exercice 21 Un premier joueur lance un dé rouge, un deuxième joueur lance deux dés verts : Si le dé rouge a une valeur supérieur à la somme des verts le deuxième joueur verse 1 euro au premier, si cette valeur est égal à la somme des verts il lui verse 10 euros, dans les autres cas c est le premier joueur qui verse 1 euro au deuxième. a) Modéliser les gains algébriques du premier joueur. b) Quelle est la probabilité que le joueur 1 gagne. c) Quel est le "gain moyen" du premier joueur. d) Faut-il mieux être le joueur 1 ou le joueur Variables aléatoires à densité Exercice 22 Soit X une variable aléatoire de densité f X avec f X (t) = 1 + t si t [ 1; 0], α si t [0,2] et 0 sinon a) Représenter la densité de X. b) Déterminer α. c) Calculer et représenter la fonction de répartition de X. d) Calculer P (X > 1 2 ) puis E(X). e) Calculer la fonction de répartition F Y de la variable aléatoire Y = X 2, en déduire sa densité f Y. f) Représenter les deux fonctions f Y et F Y. g) Calculer E(Y ) d une part à l aide de f Y d autre part à l aide de f X.

4 0.3. VARIABLES ALÉATOIRES À DENSITÉ 4 Exercice : La densité de probabilité f X d une V.A. X est donnée par a) Représenter f X. b) Déterminer c. d) Calculer P (X > 3). e) Calculer E(X). f) Déterminer h tel que P (X < h) = 0.1. f X (t) = Exercice 24 Soit X une variable aléatoire de densité f X : c 1 + t 2 f X (t) = Kt 2 si t [ α; α], 0 sinon a) Représenter la densité de X. b) Déterminer K en fonction de α. c) Déterminer puis représenter la fonction de répartition de X F X. d) Calculer P (X > α 2 ) puis E(X). Exercice 25 On considère deux variables aléatoires exponentielles indépendantes X 1 et X 2 de paramètres a 1 et a 2 ( fx1 (t) = a 1 e a 1t si t > 0, 0 sinon ). On pose Y = min(x 1 ; X 2 ). Déterminer la fonction de répartition de Y, en déduire sa densité, puis son espérance. Exercice 26 Soit X une V.A. uniforme sur [-1,2] et Y = X 2, déterminer la fonction de répartition de Y, en déduire sa densité puis E(X); E(Y ); V ar(y ) Exercice 27 Soit X une V.A. Gaussienne de paramètres (2; 4) a) Calculer P (X > 1); P ( X < 4); P ( X < 4 X > 2); b) Déterminer α le plus grand possible tel que P (X 2 > α) > 10 2 c) Quelle est la loi de X 1 2. Exercice 28 L éclairage d une commune est assurée par 2000 lampes dont la durée de vie moyenne est 1000 heures. Cette durée de vie suit une distribution normale d écart type σ = 300 N (1000; 300) a) Quel est le nombre de lampes hors d usage au bout de 700 H? de 1500 H? de 3000 H? b) Au bout de combien d heure 5% sont hors d usage? c) D autres ampoules ont une durée de vie qui suit une loi N (1100; 400). Quelles ampoules faut-il choisir si l on veut : i) Que la durée de vie moyenne soit maximale ii) Que la durée durant laquelle 95% des ampoules fonctionnent soit maximale. Exercice 29 Les notes d un contrôle de probabilité suivent une loi normale de paramètre(8,5 ; 4). a) Quelle est la proportion d étudiants ayant la moyenne. b) On veut améliorer les notes à l aide d un transformation affine Y = ax + b. Déterminer a,b pour que 50% des étudiants aient la moyenne et 75% ait une note supérieur à 8. c) Comment peut-on faire pour garder la même moyenne et avoir 80% des étudiants entre 5 et 15. Exercice 30 Si Z suit une loi normale on dit que X = e Z suit une loi log-normale, de mêmes paramètres que Z a) Déterminer E(X) et V ar(x) en fonction de E(Z) et varz. b) calculer P (2 < X < 4) sachant que E(X) = 2 et V arx = 2 c) On suppose que la distribution des revenus R d une population suit une loi log-normale généralisée c est à dire R = a + X (X log normale, calculer les paramètres de R : (a; m; σ) sachant que la moitié gagne moins de 5000 francs, 10% gagnent plus de 9000 francs et 10% gagne moins de 1000 francs.

5 0.4. COUPLES, SUITES ET CONVERGENCE DE VARIABLES ALÉATOIRES 5 Exercice 31 Un des cadres du service des études économiques d un constructeur automobile a prévu qu il y aura voitures particulières immatriculées en France en Afin d évaluer les caractéristique de l erreur, il fait l hypothèse que l écart entre prévision et réalisation est une V.A. de loi: g(u) = k(v) 2π e u2 si u [ v; v] et 0 sinon a) Déterminer k(v) ;F ; E( ) et V ar( ) b) Pour v = 0,1. Donner un intervalle dans lequel le nombre de voitures immatriculées en 98 a 90% de chance de se trouver. Exercice 32 On suppose que le nombre N de vis se trouvant dans une mesure d un litre suit une loi normale N (860,11). a) Quelle est la probabilité qu il y ait moins de 850 vis dans un litre? moins de 800? b) Calculer P (N > 860),P (N 861),P (N 860,5) comment peut-on interpréter ces résultats en termes de vis? Conclusion. c) Ce modèle permet-il de dire quelle est la probabilité qu il y ait exactement 850 vis dans un litre? Comment peut on faire? 0.4 Couples, suites et convergence de variables aléatoires Exercice 33 Une urne contient N jetons numérotés de 1 à N. On tire dans cette urne p jetons au hasard, successivement et sans remise. On appelle X i la V.A. qui au cours d une succession de tirages modélise le numéro du jeton extrait au tirage de rang i. a) Déterminer la loi de probabilité de X i. b) Les variables aléatoires X i et X j sont-elles indépendantes? c) On pose S = X 1 + X X p. c1) Calculer E(Xi) puis E(S). c2) Calculer V ar(xi), Cov(Xi; Xj) puis V ar(s). Exercice 34 Soit (X; Y ) un couple de V.A. de loi f(x; y) = a) Déterminer les lois marginales de X et Y. b) Que peut-on en déduire? c) Déterminer la loi de X + Y. ( ) 1 e (x µ 1 ) 2 + (x µ 2 )2 2σ 1 2σ 2 2πσ 1 σ 2 Exercice On jette 10 pièces, non truquées, soit X le nombre de pile, déterminer la loi de X. Tracer la fonction caractéristique de X puis comparer là à la fonction caractéristique de l approximation centrale. Exercice 36 Dans une société, les employés d un bâtiment A ont souvent besoin d appeler au téléphone un bâtiment B. Le bâtiment A contient 200 employés et l on constate que chacun d entre eux veut téléphoner en moyenne 3mn par heure au bâtiment B. Quel nombre de lignes, minimal k faut-il établir entre les 2 bâtiments pour qu un employé de A, désirant téléphoner en B, ait une probabilité inférieur à 1% que toutes les lignes soit occupées. Exercice 37 On suppose que la durée de vie d une ampoule électrique est une V.A. de loi exponentielle de paramètre λ = 10h 1. Si l on remplace une ampoule dès qu elle " claque ". Quel est la probabilité qu au bout de heures l ampoule en fonctionnement soit au moins la dixième.

6 0.5. ESTIMATION ET INTERVALLE DE CONFIANCE 6 Exercice 38 Un restaurant peut servir 75 repas. La pratique montre que 15% des clients ayant réservés ne viennent pas. a) Le restaurateur accepte 90 réservations, quel est la probabilité qu il se présente plus de 50 clients? plus de 75? b) Combien le restaurateur doit-il accepter de réservations pour avoir une probabilité égale à 0,95 de pouvoir servir tous les clients qui se présenteront. c)le restaurateur accepte 75 réservations, on note N une variable aléatoire qui modélise le nombres de clients qui se présentent, calculer, interpréter et comparer P (X > 70), P (X > 70,5) et P (X 71). Exercice 39 Soit (X n ) une suite de variables aléatoires exponentielles de paramètre n, montrer que cette suite converge en probabilité vers la variable aléatoire nulle. Exercice Soit (X; Y ) un couple de V.A. de loi f(x; y) = 8xy si x [0; 1] et y [0; x],0 sinon. a) Déterminer F X et F Y les densités de X et Y. b) Calculer P (Y < 1 2 ); P (Y < X) et E(X). c) Calculer P (X < 1 2 Y > 1 2. Exercice 41 Soit (X 1,X 2 ) un couple de v.a.r. admettant la densité de probabilité f(x 1,x 2 ) = 1 2π 1 ρ exp ( 1 2 2(1 ρ 2 ) (x2 1 2ρx 1 x 2 + x 2 2)). où ρ ]0,1[. Vérifier que f est une densité de probabilité sur R 2 et trouver les densités marginales de X 1 et X 2. Ces v.a.r. sont-elles indépendantes? 0.5 Estimation et intervalle de confiance Exercice 42 Un échantillon de 478 électeurs choisis aléatoirement, indique que 255 d entre eux vont voter pour A. Évaluer des intervalles de confiance à 1% et à 5% pour la proportion d électeurs votant pour A. Exercice 43 On admet que la durée de vie, exprimée en jours, d un composant électronique suit une loi normale d écart type 70. Les durées de vie de 250 composants ont donné une moyenne de 450 jours. Donner un intervalle de confiance à 99% de la durée de vie moyenne d un composant. Exercice 44 D un contrôle journalier effectué à la sortie d une chaîne de fabrication de billes en acier sur un échantillon de 326 billes il ressort que leur poids suit une loi de Laplace Gauss de moyenne m = 61,26 mg et d écart type σ = 6,32 mg. a) Estimer l écart type théorique de la production journalière. b) Estimer le poids moyen à l aide d un intervalle de confiance symétrique au niveau de 95%. c) Quel devrait être la taille de l échantillon pour situer le poids moyen journalier de la production dans un intervalle de confiance symétrique de ±5 mg avec un niveau de 95%. d) Si l on veut situer le poids moyen de la production avec un même niveau de confiance dans un intervalle de longueur deux fois plus petite, dans quelle proportion doit évoluer l échantillon pris. e) On dispose d un lot de 10 billes dont les poids sont respectivement en mg : 67,24 65,21 65,34 62,01 70,12 64,90 62,12 69,3 60,1 65,4 Peut-on considérer ce lot comme extrait au hasard de la production de l usine avec un niveau de confiance de 95%. Exercice 45 On effectue un contrôle de fabrication sur des pièces dont une proportion p est défectueuse. On contrôle un lot de 200 pièce et on trouve 20 pièces défectueuses. Donner des intervalles de confiance pour l estimation de p, au niveau 95% puis 99%.

7 0.5. ESTIMATION ET INTERVALLE DE CONFIANCE 7 Exercice 46 Comparaison de deux estimateurs. On suppose que les V.A. X i sont indépendantes et suivent toutes une loi uniforme sur [0; 2A] on note : X = 1 n n X k et M = max(x 1 ; X 2...; X n ) k=1 a) Rappeler les valeurs de E(X); E(X) et var(x). b) Déterminer la fonction de répartition d M : F M (t). c) Déterminer E(M) puis un α tel que la nouvelle variable ˆM définie par ˆM = αm soit un estimateur sans biais de A c est à dire tel que E( ˆM) = A. d) En calculant les variances des variables aléatoires 1 2 X et ˆM, comparer l efficacité de ces deux estimateurs sans biais de A. Exercice 47 Maximum de vraisemblance : On donne ici une idée d une méthode très utile, qui permet de trouver des estimateurs performants : On se place dans un modèle où les X i sont indépendants de même loi de densité p(x,θ) (par exemple pour une loi exponentielle de paramètre θ on a p(x,θ) = θe θx si x > 0, 0 sinon). Si x 1,x 2,...,x n sont les valeurs prises par les V.A. X 1...X n lors d une expérience, on appelle vraisemblance la fonction L(x 1,x 2,...,x n,θ) = p(x 1,θ)p(x 2,θ)...p(x n,θ), on appelle maximum de vraisemblance la valeur de θ qui maximise la vraisemblance, on la note ˆθ. a) Donner une interprétation intuitive qui justifie le choix de l estimateur ˆθ. b) Si les X i suivent des lois normales de paramètres (m,σ), σ étant connu, déterminer l estimateur du maximum de vraisemblance de la moyenne m. c) Reprendre l exercice 46 et déterminer l estimateur du maximum de vraisemblance de A. Exercice 48 Sondage : Méthodes des strates. On veut estimer la moyenne d un caractère (par exemple 1 si on vote pour A, 0 si on vote pour B) d une population (E) d effectif N que l on peut découper en strates (E 1,...,E r ), d effectif N 1...,N r (par exemple par âge). On note µ i la moyenne de la strate i et σ i son écart type, on note de plus µ la moyenne générale et σ l écart type de la population, on ne connaît pas ces différentes quantités. On extrait de chaque population E i un échantillon non exhaustif de taille n i, on note X (i;1),x (i;2),...,x (i,ni ) les résultats sur l échantillon de E i, et X i la moyenne de ces n i valeurs, enfin on note : Y = a) Montrer que Y est un estimateur sans biais de µ. b) Montrer que : 1 i r N i N X i var(y ) = 1 N 2 c) On choisit des échantillons dans chaque strate de taille proportionnelle à la taille de la strate n i = N i N n, montrer que : i N 2 i σ2 i n i var(y ) = 1 1 n N i N i σ 2 i max i σ 2 i n d) On fait maintenant un sondage sur n personnes sans stratification, on note X la moyenne de l échantillon. Comparer sa variance avec celle de Y.

8 0.6. TESTS STATISTIQUES Tests statistiques Exercice 49 Une pièce jetée 660 fois tombe 312 fois sur pile, pensez vous que cette pièce est bien équilibrée? Exercice 50 Des appareils électriques de chauffage ont une moyenne de vie de fonctionnement de heures avec un écart type de 7000 heures. À l aide d un changement de composant, le fabricant affirme que la durée de vie moyenne peut être accrue. On a testé un échantillon de 27 appareils et on a observé une durée de vie moyenne de heures. Peut on soutenir cette affirmation au risque de 5%, 1%? Exercice 51 Le fabricant d une nouvelle solution anti rouille annonce que son produit est efficace à 90%. Dans un échantillon de 500 pièces le résultat est probant pour 420 d entre elles. L affirmation du fabricant est-elle légitime? Exercice 52 Lors d une émission de télévision un sujet arrive à identifier la couleur de 29 cartes sur 32 alors que les cartes sont retournées. Peut on affirmer que le sujet est extra sensoriel au risque de 0,1%. Exercice 53 Un problème difficile de probabilité, laisse en désaccord deux étudiants, l un défend que la probabilité de l événement A est 1 2 et l autre que c est 1 3. Ils font 50 expériences et trouve que A se réalise 21 fois, que peut-on conclure? Ils refont 50 expériences et trouve que A se réalise 20 fois, que peut-on conclure? Exercice 54 Lors d une étude granulométrique de sédiments, on a relevé, pour deux échantillons C et D, les caractéristiques suivantes de la distribution des diamètres des grains. Échantillon C : 98 grains, moyenne 63 microns, écart type 15 microns. Échantillon D : 62 grains, moyenne 54 microns, écart type 12 microns. Les deux échantillons sont-ils significativement différents, en ce qui concerne le diamètre des grains? Exercice 55 Deux machines A et B fabriquent en série la même pièces. Lors d une expertise de la production, on remarque que la machine A a produit 2700 pièces dont 50 sont défectueuses alors que sur les 1600 pièces produites par la machine B, 35 sont défectueuses. Doit-on conclure que la machine A est mieux réglée que la B? Exercice 56 Pour contrôler la fabrication d une pièce industrielle, on étudie la distribution de 100 séries de contrôle de cette pièce. Chaque série contient 200 pièces prélevées au hasard dans la fabrication (prélèvement non exhaustif). On désigne par N k le nombre de séries de contrôle, ayant k pièces défectueuses, les observations sont résumées dans le tableau suivant : k >9 N k La production est homogène si la proportion de pièces défectueuses ne varie pas au cours des prélèvements. On teste donc H 0 : La production est homogène. On fera un test de χ 2 au risque de 5%. Exercice 57 L analyse des charges de rupture d un échantillon de 500 câbles donne les résultats suivants : charge de rupture en kg effectif a) Calculer la moyenne et l écart type de cette série. Puis estimer moyenne et écart type de l ensemble de la production. b) Les charges de ruptures suivent-elles une loi normale? Exercice 58 On veut comparer la qualité de sondages réalisés par deux instituts différents, une étude rapide permet de trouver un certain nombre de résultats : Institut 1 Institut 2 Nombre de prévisions exactes Nombre de prévisions fausses 32 31

9 0.6. TESTS STATISTIQUES 9 Y-a-t-il une différence significative entre les deux instituts de sondages. Exercice 59 Une étude sur l utilisation de certains distributeurs de billets SNCF, permet de mieux comprendre les phénomènes d attentes, on relève toutes les heures le nombre de personnes faisant la queue, et cela pour une dizaine de distributeurs, on obtient les résultat suivant : Taille de la file d attente et + Nombre d observations a) On veut modéliser la taille de la file d attente par une variable aléatoire T, estimer l espérance de T. b) Peut-on faire l hypothèse que la taille de la file d attente suit une loi de Poisson? Exercice 60 On mesure la taille de pères né en 1942 et celle de leur fils adultes, on obtient les résultats suivants : Taille de l échantillon Taille moyenne écart type de l échantillon Père ,7 8,21 Fils ,3 9,41 En admettant que les tailles des hommes d une même génération suivent une loi de Gauss, peut-on conclure qu entre ces deux générations la taille des hommes a significativement augmentée? Exercice 61 On veut comparer la durée de vie de composants de trois marques différentes : Échantillon Échantillon Échantillon Tester si il y a une différence significative entre les différentes marques? Exercice 62 On pèse de jeunes hommes lors de leur trois jours : Poids mesuré en kg < >95 Nombres de jeunes L hypothèse que le poids de ces jeunes hommes suit une loi normale est elle raisonnable? Exercice 63 On veut étudier si il y a indépendance entre les notes de R.D.M. de M. Cabrillac et les notes de Mathématiques : sur plusieurs années on a relevées les notes suivantes. RDM<6 6<RDM<9 9<RDM<12 RDM>12 M< <M< <M< <M Que peut-on conclure?

Université de Pau et des Pays de l Adour Département de Mathématiques Année 2006-2007. Introduction aux probabilités

Université de Pau et des Pays de l Adour Département de Mathématiques Année 2006-2007. Introduction aux probabilités Université de Pau et des Pays de l Adour Département de Mathématiques Année 2006-2007 Introduction aux probabilités Série n 3 Exercice 1 Une urne contient neuf boules. Quatre de ces boules portent le numéro

Plus en détail

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Dénombrement et probabilités Version du juillet 05 Enoncés Exercice - YouTube Sur YouTube, les vidéos sont identifiées à l aide d une chaîne

Plus en détail

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50 10. Estimation MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: estimation 1/50 Plan 1. Introduction 2. Estimation ponctuelle 3. Estimation par intervalles de confiance 4. Autres

Plus en détail

Exercices chapitre 8. Probabilités.

Exercices chapitre 8. Probabilités. Lycée Descartes PC 2014-15 M. Besbes Exercices chapitre 8. Probabilités. Exercice 1. Soit (Ω, B, P ) un espace probabilisé. Montrer que l ensemble : A = {A B; P (A) = 0 ou P (A) = 1} est une tribu. Exercice

Plus en détail

MT18 A 2012 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale

MT18 A 2012 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale MT8 A 0 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale. Fonction de répartition.. Variable aléatoire à valeurs réelles Définition : Soit un ensemble fondamental

Plus en détail

Feuille 1. L3 Maths Appliquées lagache@biologie.ens.fr 27 Janvier 2009. A le chambre des députés d un pays composé de 100 départements, chaque

Feuille 1. L3 Maths Appliquées lagache@biologie.ens.fr 27 Janvier 2009. A le chambre des députés d un pays composé de 100 départements, chaque Feuille 1 L3 Maths Appliquées lagache@biologie.ens.fr 27 Janvier 2009 1 Combinatoire 1.1 Exercice 1 A le chambre des députés d un pays composé de 100 départements, chaque département est représenté par

Plus en détail

Estimation. Anita Burgun

Estimation. Anita Burgun Estimation Anita Burgun Estimation Anita Burgun Contenu du cours Sondages Mesures statistiques sur un échantillon Estimateurs Problème posé Le problème posé en statistique: On s intéresse à une population

Plus en détail

Exercices de Mathématiques BTS CGO 2

Exercices de Mathématiques BTS CGO 2 Exercices de Mathématiques BTS CGO 2 Page 1 sur 18 20002/2003 Page 2 sur 18 20002/2003 Exercices de probabilités Exercice 1 Un lot de pièces fabriquées comporte 5% de pièces défectueuses. Un contrôleur

Plus en détail

ECGE 1224 - Statistiques en économie et gestion : TP 1

ECGE 1224 - Statistiques en économie et gestion : TP 1 ECGE 14 - Statistiques en économie et gestion : TP 1 Exercice 1 Un dé parfaitement équilibré est lancé. Soit X la variable aléatoire (v.a.) correspondant au résultat obtenu avec le dé. a) Justifer pourquoi

Plus en détail

IUT d Orléans - Département d Informatique TD de Probabilités

IUT d Orléans - Département d Informatique TD de Probabilités IUT d Orléans - Département d Informatique TD de Probabilités Fiche 1 Dénombrement DENOMBREMENT : arrangements et combinaisons Le but de cette première partie est d introduire la fonction factorielle,

Plus en détail

Chapitre 7 Tests d hypothèse (partie 1)

Chapitre 7 Tests d hypothèse (partie 1) Chapitre 7 Tests d hypothèse (partie 1) I Qu est ce qu un test statistique? La philosophie est toujours la même : déterminer des informations sur une population à partir d informations sur un échantillon

Plus en détail

BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES. Série S ÉPREUVE DU JEUDI 19 JUIN 2014. Durée de l épreuve : 4 heures Coefficient : 7

BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES. Série S ÉPREUVE DU JEUDI 19 JUIN 2014. Durée de l épreuve : 4 heures Coefficient : 7 BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES Série S ÉPREUVE DU JEUDI 19 JUIN 2014 Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont

Plus en détail

Statistiques. IUT Biotechnologie 2ème année. Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008

Statistiques. IUT Biotechnologie 2ème année. Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008 Statistiques IUT Biotechnologie 2ème année Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008 version du 04 octobre 2008 Table des matières 1 Lois de probabilité usuelles 1 1.1 Dénombrement................................

Plus en détail

b) Exprimer B à l aide des événements A n et en déduire la probabilité de B Exercice 1.4. Inégalité de Bonferroni.

b) Exprimer B à l aide des événements A n et en déduire la probabilité de B Exercice 1.4. Inégalité de Bonferroni. MP 205/6 Feuille d exercices - Probabilités généralités). Univers, généralités Exercice.. Langage des probabilités. Soit Ω, A) un espace probabilisable. Soit A n ) n N une famille d événements et A, B,

Plus en détail

1 Variable aléatoire discrète... 1. 1.1 Rappels... 1. 1.2 Exemple... 2 2 Couples de variables aléatoires... 3. 2.1 Définition... 3

1 Variable aléatoire discrète... 1. 1.1 Rappels... 1. 1.2 Exemple... 2 2 Couples de variables aléatoires... 3. 2.1 Définition... 3 CHAPITRE : LOIS DISCRÈTES Sommaire Variable aléatoire discrète................................... Rappels........................................... Exemple......................................... Couples

Plus en détail

Master 2 IMOI - Mathématiques Financières

Master 2 IMOI - Mathématiques Financières Master 2 IMOI - Mathématiques Financières Exercices - Liste 1 1 Comportement d un investisseur face au risque Exercice 1 Soit K la matrice définie par 1 2 [ 3 1 1 3 1.1 Montrer que K est la matrice de

Plus en détail

Chapitre 8: Inférence, échantillonnage et estimation

Chapitre 8: Inférence, échantillonnage et estimation Chapitre 8: Inférence, échantillonnage et estimation 1. Echantillonnage aléatoire simple 2. Inférence statistique 3. Estimation 4. Evaluation graphique de l adéquation d un modèle de distribution 1 L inférence

Plus en détail

Corrrigé du sujet de Baccalaurat S. Pondichery 2015. Spécialité

Corrrigé du sujet de Baccalaurat S. Pondichery 2015. Spécialité Corrrigé du sujet de Baccalaurat S Pondichery 2015 Spécialité EXERCICE 1 (4 points) commun à tous les candidats Partie A Soit f la fonction définie sur R par f(x) et la droite d équation et la droite d

Plus en détail

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq»

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Guy Perrière Pôle Rhône-Alpes de Bioinformatique 14 novembre 2012 Guy Perrière (PRABI) Tests statistiques 14 novembre 2012 1 / 40 Plan

Plus en détail

Exercices de probabilités et statistique

Exercices de probabilités et statistique Exercices de probabilités et statistique Université Paris 1 Panthéon-Sorbonne Cours de deuxième année de licence de sciences économiques Fabrice Rossi & Fabrice Le Lec Cette œuvre est mise à disposition

Plus en détail

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7. Statistique Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.fr Cours Statistique, 2010 p. 1/52 Plan du cours Chapitre 1 : Estimation

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Échantillonnage et estimation Dans ce chapitre, on s intéresse à un caractère dans une population donnée dont la proportion est notée. Cette proportion sera dans quelques cas connue (échantillonnage),

Plus en détail

Statistique (MATH-F-315, Cours #1)

Statistique (MATH-F-315, Cours #1) Statistique (MATH-F-315, Cours #1) Thomas Verdebout Université Libre de Bruxelles 2015 Plan de la partie Statistique du cours 1. Introduction. 2. Théorie de l estimation. 3. Tests d hypothèses et intervalles

Plus en détail

Chapitre 6 TESTS STATISTIQUES

Chapitre 6 TESTS STATISTIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 6 TESTS STATISTIQUES Les tests statistiques sont des méthodes de la statistique inférentielle qui, comme

Plus en détail

PROBABILITÉS Variable aléatoire

PROBABILITÉS Variable aléatoire PROBABILITÉS Variable aléatoire I Langage des événements Lors d'un oral de mathématiques, quatre questions sont proposées : une question de probabilités (P) ; une question de statistiques (S) ; une question

Plus en détail

II. Eléments des probabilités

II. Eléments des probabilités II. Eléments des probabilités Exercice II.1 Définir en extension l ensemble fondamental Ω des résultats associé à chacune des expériences aléatoires suivantes: 1. jeter une pièce de monnaie et observer

Plus en détail

Définitions Covariance Corrélation Meilleur prédicteur linéaire. Chapitre 5 Couple de variables aléatoires

Définitions Covariance Corrélation Meilleur prédicteur linéaire. Chapitre 5 Couple de variables aléatoires Chapitre 5 Couple de variables aléatoires Définitions 1 On appelle couple de variables aléatoires (discrètes) l application: Ω R ω (X (ω), Y (ω)) 2 La distribution d un couple de v.a. est définie par les

Plus en détail

Probabilités et Statistiques. Raphaël KRIKORIAN Université Paris 6

Probabilités et Statistiques. Raphaël KRIKORIAN Université Paris 6 Probabilités et Statistiques Raphaël KRIKORIAN Université Paris 6 Année 2005-2006 2 Table des matières 1 Rappels de théorie des ensembles 5 1.1 Opérations sur les ensembles................... 5 1.2 Applications

Plus en détail

EXAMEN INTRA (3/4), ACT 2121

EXAMEN INTRA (3/4), ACT 2121 EXAMEN INTRA (3/4), ACT 2121 ARTHUR CHARPENTIER Les calculatrices sont autorisées. Les documents sont en revanche interdits. Il y a 25 questions. Sur la feuille jointe, veuillez reporter vos réponses (une

Plus en détail

Agrégation interne de Sciences économiques et sociales - Session 2008 Épreuve de Mathématiques - sujet A

Agrégation interne de Sciences économiques et sociales - Session 2008 Épreuve de Mathématiques - sujet A Épreuve de Mathématiques - sujet A Exercice Une société de location de voitures possède trois agences, une à Rennes, une à Lyon, une à Marseille. Lorsqu un client loue une voiture, un jour donné, dans

Plus en détail

Probabilités, fiche de T.D. n o 2

Probabilités, fiche de T.D. n o 2 U.F.R. de Mathématiques Licence de Mathématiques S6, M66, année 2013-2014 Probabilités, fiche de T.D. n o 2 Ex 1. Jour de chance Un site de jeux propose le jeu suivant. Chaque internaute désireux de jouer

Plus en détail

Baccalauréat Série S Métropole, juin 2014

Baccalauréat Série S Métropole, juin 2014 Baccalauréat Série S Métropole, juin 4 Sujet et Corrigé Stéphane PASQUET Disponible sur http://www.mathweb.fr juin 4 Exercice (5 points) - Commun à tous les candidats Partie A Dans le plan muni d un repère

Plus en détail

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes.

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes. Au menu Cours 7: Classes Probabilistes Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique Retours sur quelques algorithmes Quelques résultats INF561 Algorithmes et Complexité 1 2 Sous

Plus en détail

Sujets HEC B/L 2013-36-

Sujets HEC B/L 2013-36- -36- -37- Sujet HEC 2012 B/L Exercice principal B/L1 1. Question de cours : Définition et propriétés de la fonction de répartition d une variable aléatoire à densité. Soit f la fonction définie par : f(x)

Plus en détail

Theme 4 - Lois usuelles discrètes

Theme 4 - Lois usuelles discrètes L2 AES TD de statistique 2008/2009 Cours de Mme Mériot M.-A. Jambu & S.Turolla Theme 4 - Lois usuelles discrètes Exercice 1 (Loi binomiale) A et B sont deux avions ayant respectivement 4 et 2 moteurs.

Plus en détail

Feuille d exercice n 22 : Probabilités

Feuille d exercice n 22 : Probabilités Lycée La Martinière Monplaisir Année 2015/2016 MPSI - Mathématiques Second Semestre Feuille d exercice n 22 : Probabilités Exercice 1 On se donne N N. Deux joueurs lancent tour à tour un dé. Le premier

Plus en détail

Contrôle commun : 4 heures

Contrôle commun : 4 heures Exercice 1 (5 points) Contrôle commun : 4 heures PARTIE A On considère la fonction f définie sur l intervalle ]0 ; + [ par f(x) = ln x + x. 1. Déterminer les limites de la fonction f en 0 et en +.. Étudier

Plus en détail

Baccalauréat ES Pondichéry 21 avril 2016

Baccalauréat ES Pondichéry 21 avril 2016 Exercice 1 Commun à tous les candidats Baccalauréat ES Pondichéry 21 avril 216 4 points Cet exercice est un QCM (questionnaire à choix multiples). Pour chacune des quatre questions posées, une seule des

Plus en détail

Question de cours. Exercice 1. Exercice 2

Question de cours. Exercice 1. Exercice 2 1 UBO, Faculté de Droit et Sciences Economiques de Brest STATISTIQUE : 2 ème année DEUG Sc. Eco Examen de Fevrier 1998 A. Nassiri Durée = 3 heures Attention : Une bonne présentation de la copie sera récompensée

Plus en détail

TD : Microéconomie de l incertain. Emmanuel Duguet

TD : Microéconomie de l incertain. Emmanuel Duguet TD : Microéconomie de l incertain Emmanuel Duguet 2013-2014 Sommaire 1 Les loteries 2 2 Production en univers incertain 4 3 Prime de risque 6 3.1 Prime de risque et utilité CRRA.................. 6 3.2

Plus en détail

ECHANTILLONNAGE. I. Notion d échantillon. Intervalle de fluctuation

ECHANTILLONNAGE. I. Notion d échantillon. Intervalle de fluctuation sur 7 ECHANTILLONNAGE Le principe : On considère par exemple l'expérience suivante consistant à lancer plusieurs fois un dé et à noter si la face supérieure affichée est un 4 ou un autre nombre. La valeur

Plus en détail

Lois de probabilité (2/3) Anita Burgun

Lois de probabilité (2/3) Anita Burgun Lois de probabilité (2/3) Anita Burgun Contenu des cours Loi binomiale Loi de Poisson Loi hypergéométrique Loi normale Loi du chi2 Loi de Student Loi hypergéométrique La loi du tirage exhaustif Puce à

Plus en détail

1 Analyse Combinatoire

1 Analyse Combinatoire Licence Economie-Gestion, 2ème Année Fiche de TD de Probabilités. Année universitaire : 2014-2015. Ce recueil d exercices est plus que largement inspiré des exercices produits par Brice de Lavarène, du

Plus en détail

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES/L

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES/L BACCALAURÉAT GÉNÉRAL SESSION 2015 MATHÉMATIQUES Série ES/L Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) ES : ENSEIGNEMENT OBLIGATOIRE L : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques

Plus en détail

5. Quelques lois discrètes

5. Quelques lois discrètes 5. Quelques lois discrètes MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: Lois discrètes 1/46 Plan 1. Loi de Bernoulli 2. Loi binomiale 3. Loi géométrique 4. Loi hypergéométrique

Plus en détail

Brevet de technicien supérieur Métropole Session mai 2014 - Comptabilité et gestion des organisations

Brevet de technicien supérieur Métropole Session mai 2014 - Comptabilité et gestion des organisations Brevet de technicien supérieur Métropole Session mai 2014 - Comptabilité et gestion des organisations Exercice 1 11 points Une entreprise fabrique un certain type d articles. Sa capacité maximale de production

Plus en détail

Mesures et analyses statistiques de données - Probabilités. Novembre 2012 - Contrôle Continu, Semestre 1 CORRECTION

Mesures et analyses statistiques de données - Probabilités. Novembre 2012 - Contrôle Continu, Semestre 1 CORRECTION MASTER 1 GSI- Mentions ACCIE et RIM La Citadelle - ULCO Mesures et analyses statistiques de données - Probabilités Novembre 2012 - Contrôle Continu, Semestre 1 CORRECTION Exercice 1 Partie I 12pts 1 Étude

Plus en détail

S initier aux probabilités simples «Jets de dé»

S initier aux probabilités simples «Jets de dé» «Jets de dé» 29-21 Niveau 2 Entraînement 1 Objectifs - S entraîner à être capable de déterminer une probabilité. - S initier aux fractions. Applications En classe : envisager un résultat sous l angle d

Plus en détail

Mathématiques 4 Niv.1 Probabilités Exercices chapitre 3

Mathématiques 4 Niv.1 Probabilités Exercices chapitre 3 1. On tire une boule d'une urne qui contient 3 blanches, 4 rouges et 5 noires. Quelle est la probabilité a) qu'elle soit blanche b) qu'elle soit blanche ou rouge c) qu'elle ne soit pas rouge? 2. Un joueur

Plus en détail

UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités

UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités 1 UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités Chapitre II : Espaces probabilisés 1 Notions d événements 1.1 Expérience

Plus en détail

Cours de DEUG Probabilités et Statistiques. Avner Bar-Hen

Cours de DEUG Probabilités et Statistiques. Avner Bar-Hen Cours de DEUG Probabilités et Statistiques Avner Bar-Hen Université Aix-Marseille III 3 Table des matières Table des matières i Analyse combinatoire 1 1 Arrangements................................ 1 1.1

Plus en détail

Exercices : Probabilités

Exercices : Probabilités Exercices : Probabilités Partie : Probabilités Exercice Dans un univers, on donne deux événements et incompatibles tels que =0, et =0,7. Calculer,, et. Exercice Un dé (à faces) est truqué de la façon suivante

Plus en détail

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante.

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Essai de détermination du nombre de prélèvements à effectuer lors d un diagnostic amiante afin d assurer une représentativité

Plus en détail

Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique

Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique Les exercices qui vous sont proposés sont classés de la façon suivante

Plus en détail

Probabilités TD1. Axiomes des probabilités.

Probabilités TD1. Axiomes des probabilités. TD1. Axiomes des probabilités. 1. Une boîte contient 3 jetons, un rouge, un vert et un bleu. On considère l expérience consistant à tirer au hasard un jetons dans la boîte, à l y remetre puis à en tirer

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé Baccalauréat ES/L Amérique du Sud 2 novembre 2 Corrigé A. P. M. E. P. EXERCICE Commun à tous les candidats 5 points. Diminuer le budget de 6 % sur un an revient à multiplier par 6 =,94. Diminuer le budget

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices 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 détail

Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique

Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique Résumé : A partir du problème de la représentation des droites sur un écran d ordinateur,

Plus en détail

Statistiques - Notes de cours - M1. Elisabeth Gassiat

Statistiques - Notes de cours - M1. Elisabeth Gassiat Statistiques - Notes de cours - M1 Elisabeth Gassiat Table des matières 1 Introduction 5 1.1 Estimation et régions de confiance...................... 5 1.2 Tests.......................................

Plus en détail

TD1, sur la Régression Logistique (STA 2211)

TD1, sur la Régression Logistique (STA 2211) TD, sur la Régression Logistique STA 22) Exercice : Un sondage international cité dans un article de presse le 4 décembre 2004) rapportait le faible taux d approbation de la politique du Président des

Plus en détail

CHAPITRE II NOTIONS DE PROBABILITES

CHAPITRE II NOTIONS DE PROBABILITES CHAPITRE II NOTIONS DE PROBABILITES II.1. Un exemple : le poker Distribuer une main de poker (5 cartes sur 52) revient à tirer au hasard 5 cartes parmi 52. On appelle expérience aléatoire une telle expérience

Plus en détail

Probabilités et statistique

Probabilités et statistique Probabilités et statistique Université Paris 1 Panthéon-Sorbonne Cours de deuxième année de licence de sciences économiques Fabrice Rossi Cette œuvre est mise à disposition selon les termes de la licence

Plus en détail

Support du cours de Probabilités et Statistiques. IUT d Orléans, Département Informatique

Support du cours de Probabilités et Statistiques. IUT d Orléans, Département Informatique Support du cours de Probabilités et Statistiques IUT d Orléans, Département informatique Pierre Andreoletti IUT d Orléans, Département Informatique Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences)

Plus en détail

Estimation indirecte en sciences humaines : une méthode bayésienne

Estimation indirecte en sciences humaines : une méthode bayésienne Estimation indirecte en sciences humaines : une méthode bayésienne Henri Caussinus, Institut de Mathématiques de Toulouse, en collaboration avec Daniel Courgeau, INED Isabelle Séguy, INED Luc Buchet, CNRS

Plus en détail

LA THÉORIE DES FILES D ATTENTE

LA THÉORIE DES FILES D ATTENTE LA THÉORIE DES FILES D ATTENTE Origine de la théorie de la fille d attente Cette théorie est une approche mathématique permettant d analyser les files d attente. Elle est basée sur l étude des équipements

Plus en détail

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc Lorsque cela n est pas précisé (explicitement ou implicitement), les tests sont réalisés à 5% en bilatéral QCM n 1 : Généralités sur les probabilités

Plus en détail

BREVET DE TECHNICIEN SUPÉRIEUR SOUS ÉPREUVE : MATHÉMATIQUES. Le GROUPEMENT Agencement de l environnement architectural de 2001 à 2011

BREVET DE TECHNICIEN SUPÉRIEUR SOUS ÉPREUVE : MATHÉMATIQUES. Le GROUPEMENT Agencement de l environnement architectural de 2001 à 2011 BREVET DE TECHNICIEN SUPÉRIEUR A. P. M. E. P. SOUS ÉPREUVE : MATHÉMATIQUES Le GROUPEMENT Agencement de l environnement architectural de 2001 à 2011 Métropole 2001..........................................

Plus en détail

«Cours Statistique et logiciel R»

«Cours Statistique et logiciel R» «Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire

Plus en détail

Lois de probabilité. a ; avec a < b, toute fonction f vérifiant

Lois de probabilité. a ; avec a < b, toute fonction f vérifiant Lois de probabilité A) Lois à densité Loi continue Approche : Jusqu ici, les variables aléatoires étudiées prenaient un nombre fini de valeurs Or les issues d un grand nombre d expériences aléatoires prennent

Plus en détail

2) Ecrire en utilisant la notation : 3+5+7+9+ 15+17

2) Ecrire en utilisant la notation : 3+5+7+9+ 15+17 STATISTIQUES A UNE VARIABLE EXERCICES CORRIGES Exercice n. Les 5 élèves d'une classe ont composé et le tableau ci-dessous donne la répartition des diverses notes. Recopier et compléter ce tableau en calculant

Plus en détail

Probabilité mathématique et distributions théoriques

Probabilité mathématique et distributions théoriques Probabilité mathématique et distributions théoriques 3 3.1 Notion de probabilité 3.1.1 classique de la probabilité s Une expérience ou une épreuve est dite aléatoire lorsqu on ne peut en prévoir exactement

Plus en détail

Initiation aux probabilités.

Initiation aux probabilités. Initiation aux probabilités. On place dans une boite trois boules identiques à l exception de leur couleur : une boule est noire, une est blanche, la troisième est grise. On tire une des boules sans regarder,

Plus en détail

Statistique (MATH-F-315, Cours #3)

Statistique (MATH-F-315, Cours #3) Statistique (MATH-F-315, Cours #3) Thomas Verdebout Université Libre de Bruxelles 2015 Plan de la partie Statistique du cours 1. Introduction. 2. Théorie de l estimation. 3. Tests d hypothèses et intervalles

Plus en détail

BREVET BLANC DE MATHEMATIQUES MAI 2012

BREVET BLANC DE MATHEMATIQUES MAI 2012 BREVET BLANC DE MATHEMATIQUES MAI 2012 DURÉE DE L ÉPREUVE : 2 h 00 Le candidat répondra sur la copie qui lui est fournie. Ce sujet comporte 6 pages numérotées de 1/6 à 6/6. Dès que le sujet lui est remis,

Plus en détail

Statistiques inférentielles : estimation

Statistiques inférentielles : estimation Statistiques inférentielles : estimation Table des matières I Estimation ponctuelle d un paramètre 2 I.1 Moyenne................................................ 2 I.2 Écart-type...............................................

Plus en détail

Formulaire de Probabilités et Statistiques

Formulaire de Probabilités et Statistiques Formulaire de Probabilités et Statistiques AD+JS 1 Rappels de combinatoire Arrangements avec répétitions Nombre d applications d un ensemble à k éléments dans un ensemble à n éléments : n k Arrangements

Plus en détail

Baccalauréat S Centres étrangers 12 juin 2014

Baccalauréat S Centres étrangers 12 juin 2014 Durée : 4 heures Baccalauréat S Centres étrangers juin 04 A. P. M. E. P. Dans l ensemble du sujet, et pour chaque question, toute trace de recherche même incomplète, ou d initiative même non fructueuse,

Plus en détail

Exercices de Statistique

Exercices de Statistique Université Joseph Fourier, Grenoble I Licence Sciences et Technologies e année STA30 : Méthodes Statistiques pour la Biologie Exercices de Statistique http ://ljk.imag.fr/membres/bernard.ycart/sta30/ Chaque

Plus en détail

Niveau. Situations étudiées. Type d activité. Durée. Objectifs

Niveau. Situations étudiées. Type d activité. Durée. Objectifs Fourchettes, non réponses, fausses réponses et redressements... : la cuisine mathématique des sondages Niveau Exercice 1 : 3 ème 2 nde. Exercice 2 : 3 ème 2 nde. Exercice 3 : Seconde ou première. Exercice

Plus en détail

Statistiques Appliquées Rôle des femmes dans la société

Statistiques Appliquées Rôle des femmes dans la société Statistiques Appliquées Rôle des femmes dans la société Denis Schelling Semestre d automne 2012 Résumé A partir de données concernant le rôle des femmes dans la société, nous avons effectué une analyse

Plus en détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat 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 détail

PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE. Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4. Epreuve du jeudi 16 décembre 2010

PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE. Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4. Epreuve du jeudi 16 décembre 2010 PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4 Epreuve du jeudi 16 décembre 2010 Dr Claire BARDEL, Dr Marie-Aimée DRONNE, Dr Delphine MAUCORT-BOULCH

Plus en détail

[ Baccalauréat S Nouvelle-Calédonie \ 19 novembre 2015

[ Baccalauréat S Nouvelle-Calédonie \ 19 novembre 2015 Durée : 4 heures [ Baccalauréat S Nouvelle-Calédonie \ 19 novembre 015 A. P. M. E. P. EXERCICE 1 7 points Une usine produit de l eau minérale en bouteilles. Lorsque le taux de calcium dans une bouteille

Plus en détail

Fiche de révision sur les lois continues

Fiche de révision sur les lois continues Exercice 1 Voir la correction Le laboratoire de physique d un lycée dispose d un parc d oscilloscopes identiques. La durée de vie en années d un oscilloscope est une variable aléatoire notée X qui suit

Plus en détail

Probabilités et statistiques M2MT01 - TD2

Probabilités et statistiques M2MT01 - TD2 Probabilités et statistiques M2MT01 - TD2 Exercice 1 : Une fourmi se déplace sur un dé à six faces. A chaque sommet, elle choisit le prochain parmi les trois sommets voisins avec la même probabilité. La

Plus en détail

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé)

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) EXERCICE 1 4 points Cet exercice est un questionnaire à choix multiples (QCM). Pour chacune des questions posées, une seule des quatre réponses

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Sujet de mathématiques du brevet des collèges

Sujet de mathématiques du brevet des collèges Sujet de mathématiques du brevet des collèges POLYNÉSIE Juin 2014 Durée : 2h00 Calculatrice autorisée Toutes les réponses doivent être justifiées, sauf si une indication contraire est donnée. Pour chaque

Plus en détail

Cours Statistiques L2 Université Nice Sophia-Antipolis. François Delarue

Cours Statistiques L2 Université Nice Sophia-Antipolis. François Delarue Cours Statistiques L2 Université Nice Sophia-Antipolis François Delarue Table des matières Chapitre 1. Rappels de Probabilités 5 1. Espaces de probabilité et Variables aléatoires 5 2. Espérances et variances

Plus en détail

Introduction aux sondages

Introduction aux sondages Service Universitaire d Enseignement à Distance Licence AES - Troisième année Introduction aux sondages Université Rennes 2 Place du Recteur H. le Moal CS 24307-35043 Rennes Tel : 02 99 14 18 21 Mel :

Plus en détail

1 Topologies, distances, normes

1 Topologies, distances, normes Université Claude Bernard Lyon 1. Licence de mathématiques L3. Topologie Générale 29/1 1 1 Topologies, distances, normes 1.1 Topologie, distances, intérieur et adhérence Exercice 1. Montrer que dans un

Plus en détail

T ES/L DEVOIR SURVEILLE 4 23 JANVIER 2013

T ES/L DEVOIR SURVEILLE 4 23 JANVIER 2013 T ES/L DEVOIR SURVEILLE 4 23 JANVIER 2013 Durée : 2h NOM : Prénom : Calculatrice autorisée «Le candidat est invité à faire figurer sur la copie toute trace de recherche, même incomplète ou non fructueuse,

Plus en détail

Le second degré. Table des matières

Le second degré. Table des matières Le second degré Table des matières 1 La forme canonique du trinôme 1.1 Le trinôme du second degré......................... 1. Quelques exemples de formes canoniques................. 1.3 Forme canonique

Plus en détail

2 nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 2013. Lectures graphiques (9 points) Les 2 parties sont indépendantes Partie A

2 nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 2013. Lectures graphiques (9 points) Les 2 parties sont indépendantes Partie A nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 013 Lectures graphiques (9 points) Les parties sont indépendantes Partie A Tous les clients d un petit restaurant ont opté pour la formule

Plus en détail

Analyse des données 1: erreurs expérimentales et courbe normale

Analyse des données 1: erreurs expérimentales et courbe normale Analyse des données 1: erreurs expérimentales et courbe normale 1 Incertitude vs. erreur Une mesure expérimentale comporte toujours deux parties: la valeur vraie de la grandeur mesurée et l'erreur sur

Plus en détail

Variables aléatoires continues

Variables aléatoires continues IUT Aix-en-Provence Année 204-205 DUT Informatique TD Probabilités feuille n 6 Variables aléatoires continues Exercice (La station-service) Dans une station-service, la demande hebdomadaire en essence,

Plus en détail

Extraits de Concours

Extraits de Concours Pierre-Louis CAYREL 2008-2009 Prépa HEC 2 disponible sur www.cayrel.net Lycée Lavoisier Feuille d extraits de concours Extraits de Concours 1 HEC Exercice 1 (via HEC - Oral 1997) Écrire un programme qui

Plus en détail