5. Quelques lois discrètes
|
|
- Isabelle Viau
- il y a 8 ans
- Total affichages :
Transcription
1 5. Quelques lois discrètes MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: Lois discrètes 1/46
2 Plan 1. Loi de Bernoulli 2. Loi binomiale 3. Loi géométrique 4. Loi hypergéométrique 5. Loi de Poisson MTH2302D: Lois discrètes 2/46
3 1. Loi de Bernoulli 2. Loi binomiale 3. Loi géométrique 4. Loi hypergéométrique 5. Loi de Poisson MTH2302D: Lois discrètes 3/46
4 Épreuve de Bernoulli Définition Une épreuve de Bernoulli est une expérience aléatoire dont le résultat peut être soit un succès, soit un échec, mais pas les deux simultanément. Exemple 1 On lance une pièce une fois et on note le résultat. On appelle succès le fait d obtenir PILE et échec le fait d obtenir FACE. Exemple 2 On choisit au hasard une pièce produite en série et on la teste pour détecter les défectuosités. La pièce peut être défectueuse (succès) ou conforme (échec). MTH2302D: Lois discrètes 4/46
5 Loi de Bernoulli Contexte Lors d une épreuve de Bernoulli, soit p la probabilité d un succès et q = 1 p la probabilité d un échec. Soit X le nombre de succès. Alors R X = {0, 1} et { 1 p si x = 0, p X (x) = p si x = 1. Si X suit une loi de Bernoulli de paramètre p alors on note X Bernoulli(p) (ou Bern(p)). MTH2302D: Lois discrètes 5/46
6 Loi de Bernoulli (suite) Théorème La fonction de répartition d une variable X Bernoulli(p) est 0 si x < 0, F X (x) = 1 p si 0 x < 1, 1 si x 1. MTH2302D: Lois discrètes 6/46
7 Espérance et variance Si X Bernoulli(p), alors 1. E(X) = p. 2. V(X) = p(1 p). MTH2302D: Lois discrètes 7/46
8 1. Loi de Bernoulli 2. Loi binomiale 3. Loi géométrique 4. Loi hypergéométrique 5. Loi de Poisson MTH2302D: Lois discrètes 8/46
9 Loi binomiale Contexte On effectue n répétitions indépendantes d une épreuve de Bernoulli dont la probabilité de succès est p. Soit X le nombre de succès parmi les n résultats. Alors X suit une loi binomiale de paramètres n et p, dénoté X B(n, p). On a R X = {0, 1, 2,..., n}. MTH2302D: Lois discrètes 9/46
10 Loi binomiale (suite) La fonction de masse d une variable aléatoire X B(n, p) est p X (x) = pour x {0, 1, 2,..., n}. ( n x ) p x (1 p) n x MTH2302D: Lois discrètes 10/46
11 Loi binomiale (suite) La fonction de répartition de la loi binomiale est ( ) x n F X (x) = p k (1 p) n k si x {0, 1, 2,..., n}. k k=0 Si a x < a + 1 avec a entier, alors F X (x) = F X (a). Comme le calcul de F X (x) est fastidieux lorsque que n est grand, on utilise souvent en pratique une table de loi binomiale (disponible sur le site web du cours). Exemple 3 Prouver que F X (n) = 1. MTH2302D: Lois discrètes 11/46
12 Autres caractéristiques Si X B(n, p), alors : 1. E(X) = np. 2. V(X) = np(1 p). 3. Médiane : x = np. 4. Mode : x = (n + 1)p. Exemple 4 Démontrer que E(X) = np. MTH2302D: Lois discrètes 12/46
13 Exemple 5 Un lot contient 20 articles parmi lesquels 4 sont défectueux. On pige avec remise 7 articles du lot. Calculer 1. La probabilité d observer exactement un article défectueux. 2. La probabilité d observer au moins 4 articles défectueux. 3. La moyenne et la variance du nombre d articles défectueux. MTH2302D: Lois discrètes 13/46
14 Loi binomiale : calcul avec des logiciels Excel : p X (x) = LOI.BINOMIALE(x, n, p, 0). F X (x) = LOI.BINOMIALE(x, n, p, 1). R : p X (x) = dbinom(x, n, p). F X (x) = pbinom(x, n, p). MTH2302D: Lois discrètes 14/46
15 Loi binomiale : tracés en R Soit X B(n = 50, p = 0.2). Fonction de masse p X (x) : x=seq(0,50,1) ; px=dbinom ( x=x, size=50, prob=0.2 ) ; plot ( x, px, type= h, xlab= x, ylab= p(x), main= fonction de masse de X B(n=50,p=0.2) ). Fonction de répartition F X (x) : x=seq(0,50,0.1) ; Fx=pbinom ( q=x, size=50, prob=0.2 ) ; plot ( x, Fx, type= s, xlab= x, ylab= F(x), main= fonction de répartition de X B(n=50,p=0.2) ). MTH2302D: Lois discrètes 15/46
16 fonction de masse de X~B(n=50,p=0.2) p(x) x MTH2302D: Lois discrètes 16/46
17 fonction de répartition de X~B(n=50,p=0.2) F(x) x MTH2302D: Lois discrètes 17/46
18 Proportion de succès Soit X B(n, p) et ˆp = X n épreuves. Alors ˆp est une variable aléatoire et 1. E(ˆp) = p. p(1 p) 2. V(ˆp) =. n la proportion de succès parmi les n Exemple 6 Un procédé de fabrication produit 5% d articles non conformes. Un échantillon de 50 unités de cet article est prélevé. Quelle est la probabilité qu il y ait plus de 7% d articles non conformes dans l échantillon? MTH2302D: Lois discrètes 18/46
19 1. Loi de Bernoulli 2. Loi binomiale 3. Loi géométrique 4. Loi hypergéométrique 5. Loi de Poisson MTH2302D: Lois discrètes 19/46
20 Loi géométrique Contexte On répète continuellement et de façon indépendante une épreuve de Bernoulli dont la probabilité de succès est p. Soit X le nombre d épreuves nécessaires pour obtenir un premier succès. Alors X suit une loi géométrique de paramètre p, dénoté X Geom(p). On a R X = {1, 2, 3,...}. MTH2302D: Lois discrètes 20/46
21 Loi géométrique (suite) La fonction de masse d une variable aléatoire X Geom(p) ou X G(p) est p X (x) = (1 p) x 1 p pour x = 1, 2, 3,.... La fonction de répartition d une variable aléatoire X Geom(p) est { 1 (1 p) a si x [a; a + 1[ avec a N et a 1, F X (x) = 0 sinon. MTH2302D: Lois discrètes 21/46
22 Loi géométrique (suite) Exemple 7 Montrer que p X est une fonction de masse. Exemple 8 Montrer que F X (x) = 1 (1 p) x si x est entier. MTH2302D: Lois discrètes 22/46
23 Loi géométrique (suite) Si X Geom(p) alors 1. E(X) = 1 p. 2. V(X) = 1 p p 2. MTH2302D: Lois discrètes 23/46
24 Loi géométrique : calcul Excel : faire les calculs directement. R (avec R X = {1, 2,..., }) : p X (x) = dgeom(x, p). F X (x) = pgeom(x, p). MTH2302D: Lois discrètes 24/46
25 fonction de masse de X~G(p=0.2) p(x) x MTH2302D: Lois discrètes 25/46
26 fonction de répartition de X~G(p=0.2) F(x) x MTH2302D: Lois discrètes 26/46
27 Exemple 9 On lance un dé continuellement jusqu à l obtention d un six. Soit X le nombre de lancers nécessaires. Quels sont la moyenne, la variance, et l écart-type de X? MTH2302D: Lois discrètes 27/46
28 Loi géométrique (suite) Théorème Propriété d absence de mémoire : si X Geom(p) alors pour tous t, s > 0 P (X > s + t X > t) = P (X > s). Exemple 10 Prouver le théorème. MTH2302D: Lois discrètes 28/46
29 Exemple 11 On lance un dé continuellement jusqu à l obtention d un 6. Soit X le nombre de lancers nécessaires. 1. Quelle est la probabilité d obtenir un premier 6 au deuxième lancer? 2. Quelle est la probabilité qu il faille plus de 10 lancers pour obtenir un 6? 3. Si aucun 6 n a été obtenu lors des 8 premiers lancers, quelle est la probabilité qu au moins deux autres lancers soient nécessaires? MTH2302D: Lois discrètes 29/46
30 1. Loi de Bernoulli 2. Loi binomiale 3. Loi géométrique 4. Loi hypergéométrique 5. Loi de Poisson MTH2302D: Lois discrètes 30/46
31 Loi hypergéométrique Contexte On tire sans remise n objets d un ensemble de N objets dont D possédent une caractéristique particulière (et les autres N D ne la possèdent pas). Soit X le nombre d objets de l échantillon qui possèdent la caractéristique. Alors X suit une loi hypergéométrique de paramètres n, N, D, dénoté X H(N, D, n). On a R X = {max{0, n N + D},..., min(n, D)}. MTH2302D: Lois discrètes 31/46
32 Loi hypergéométrique (suite) La fonction de masse d une variable aléatoire X H(N, D, n) est ( ) ( ) D N D x n x p X (x) = ( ) N n pour x R X. MTH2302D: Lois discrètes 32/46
33 Loi hypergéométrique (suite) Si X H(N, D, n) alors 1. E(X) = n D N. 2. V(X) = n D N ( 1 D N ) ( ) N n. N 1 MTH2302D: Lois discrètes 33/46
34 Loi hypergéométrique : calcul Excel : p X (x) = LOI.HYPERGEOMETRIQUE.N (x, n, D, N, 0). F X (x) = LOI.HYPERGEOMETRIQUE.N (x, n, D, N, 1). R : p X (x) = dhyper(x=x, m=d, n=n D, k=n). F X (x) = phyper(q=x, m=d, n=n D, k=n). MTH2302D: Lois discrètes 34/46
35 Exemple 12 Une boîte contient 8 composants parmi lesquels 2 sont défectueux. Trois composants sont pris au hasard et sans remise de la boîte. Soit X le nombre de composants défectueux dans l échantillon. Donner la fonction de masse de X, ainsi que E(X) et V(X). MTH2302D: Lois discrètes 35/46
36 1. Loi de Bernoulli 2. Loi binomiale 3. Loi géométrique 4. Loi hypergéométrique 5. Loi de Poisson MTH2302D: Lois discrètes 36/46
37 Loi de Poisson Une variable aléatoire X suit une loi de Poisson de paramètre c > 0 si p X (x) = e c c x x! si x = 0, 1, 2,.... Ceci est dénoté X Poi(c). Le paramètre c correspond à la moyenne de la loi de Poisson. MTH2302D: Lois discrètes 37/46
38 Loi de Poisson : calcul Livre page 473 et site web du cours. Excel : p X (x) = LOI.POISSON (x, c, 0). F X (x) = LOI.POISSON (x, c, 1). R : p X (x) = dpois (x=x, lambda=c). F X (x) = ppois (q=x, lambda=c). MTH2302D: Lois discrètes 38/46
39 fonction de masse de X~Poi(c=2) p(x) x MTH2302D: Lois discrètes 39/46
40 fonction de répartition de X~Poi(c=2) F(x) x MTH2302D: Lois discrètes 40/46
41 Exemple 13 Une machine utilisée dans une chaîne de production tombe en panne en moyenne 2 fois par mois. Soit X le nombre de pannes par mois. En supposant que X suit une loi de Poisson, quelle est la probabilité que dans un mois donné la machine 1. Ne tombe pas en panne? 2. Tombe en panne au moins deux fois? MTH2302D: Lois discrètes 41/46
42 Loi de Poisson Si X Poi(c), alors 1. E(X) = c. 2. V(X) = c. Exemple 14 Démontrer que E(X) = c. Exemple 15 Trouver la médiane de X Poi(c = 2). MTH2302D: Lois discrètes 42/46
43 Processus de Poisson Considérons un type d événement survenant dans le temps. Le comptage du nombre de réalisations de l événement est un processus de Poisson si Pour deux intervalles de temps disjoints, le nombre de réalisations dans l un et l autre intervalle sont indépendants. Pour tout intervalle de temps de durée t, le nombre de réalisations suit une loi de Poisson de paramètre c = λt, où λ > 0 est le nombre moyen de réalisations par unité de temps. MTH2302D: Lois discrètes 43/46
44 Exemples supplémentaires Autres situations où la v.a. suit une loi de Poisson : 1. Le nombre de voitures arrivant à un feu de circulation en 5 minutes. 2. Le nombre de défauts sur une pièce usinée. 3. Le nombre d erreurs typographiques sur une page d un livre. 4. Le nombre de clients entrant dans un magasin en une journée. 5. Le nombre de particules alpha émises par un matériau radioactif en une minute. Remarque : On suppose, dans tous ces exemples, que le nombre moyen de réalisations de l événement d intérêt par unité de temps, dimension, nombre d épreuve, etc., est modéré. MTH2302D: Lois discrètes 44/46
45 Approximations Approximation d une loi hypergéométrique par une binomiale Soit X H(N, D, n). Si n/n est petit alors X suit approximativement une loi binomiale B(n, p), où p = D N : P (X = x) = ( D x pour x = 0, 1, 2,..., n (on suggère n/n < 0.1). ) ( ) N D n x ( ) N n ( n x ) ( ) D x ( 1 D ) n x N N MTH2302D: Lois discrètes 45/46
46 Approximations (suite) Approximation d une loi binomiale par une Poisson Soit X B(n, p). Si n est grand et p est petit (de sorte que np est modéré) alors X suit approximativement une loi de Poisson Poi(c), où c = np : ( ) n P (X = x) = p x (1 p) n x e np (np) x x x! pour x = 0, 1, 2,... (on suggère n > 20 et p < 0.05). MTH2302D: Lois discrètes 46/46
Lois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détail1 TD1 : rappels sur les ensembles et notion de probabilité
1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailCalcul élémentaire des probabilités
Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailCNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité
1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailEI - EXERCICES DE PROBABILITES CORRIGES
EI 1 EI - EXERCICES DE PROBABILITES CORRIGES Notations 1 Les coefficients du binôme sont notés ( n p 2 Un arrangement de n objets pris p à p est noté A p n 3 Si A est un ensemble fini, on notera A ou card
Plus en détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailProbabilités conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailIntroduction au Calcul des Probabilités
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailProbabilités et statistique. Benjamin JOURDAIN
Probabilités et statistique Benjamin JOURDAIN 11 septembre 2013 2 i ii À Anne Préface Ce livre est issu du polycopié du cours de probabilités et statistique de première année de l École des Ponts ParisTech
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailExcel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur
Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailCours de probabilité et statistique
Cours de probabilité et statistique 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0-4 -3-2 -1 0 1 2 3 4 Denis Bichsel 1 1 Probabilité et statistique 1.1 Introduction Le calcul des probabilité semble avoir son origine
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailLeçon 5. Systèmes de gestion à recomplétement périodique et stock de sécurité
CANEGE Leçon 5 Systèmes de gestion à recomplétement périodique et stock Objectif : A l'issue de la leçon l'étudiant doit être capable : dans le cadre des calendriers d approvisionnement à recomplètement
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailOUTILS STATISTIQUES ET NUMÉRIQUES
UNIVERSITÉ D ORLEANS Année universitaire 211-212 UFR Sciences Master FAC et SAE, 2ème année OUTILS STATISTIQUES ET NUMÉRIQUES POUR LA MESURE ET LA SIMULATION T. Dudok de Wit Université d Orléans 16 septembre
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ARTHUR CHARPENTIER 1 Supposons que le nombre X de coups de téléphone durant une heure suive une loi de Poisson avec moyenne λ. Sachant que P (X = 1 X 1) = 0.8, trouver
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailGestion des stocks et des approvisionnements
Les stocks représentent dans le bilan des entreprises de 20 à 80% du total de l actifs. Engendrent un important besoin de financement. Les stocks remplissent d importantes fonctions. Bien gérer les stocks
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailPLAN DE COURS CEGEP DU VIEUX-MONTRÉAL
PLAN DE COURS CONTRÔLE DE LA QUALITÉ 241-B60-VM TECHNIQUE DE GÉNIE MÉCANIQUE 241-06 PONDÉRATION : 2-1-1 Compétence : 012Z Contrôler la qualité d un produit DÉPARTEMENT DE LA MÉCANIQUE CEGEP DU VIEUX-MONTRÉAL
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détaildénombrement, loi binomiale
dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................
Plus en détailCentre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles
CEA-N-1195 Note CEA-N-1195 Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles Service d'etudes de Protections de Piles PROPAGATION DES NEUTRONS
Plus en détailMaple: premiers calculs et premières applications
TP Maple: premiers calculs et premières applications Maple: un logiciel de calcul formel Le logiciel Maple est un système de calcul formel. Alors que la plupart des logiciels de mathématiques utilisent
Plus en détailObjets Combinatoires élementaires
Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que
Plus en détail