Probabilité mathématique et distributions théoriques
|
|
- Arnaud Morel
- il y a 8 ans
- Total affichages :
Transcription
1 Probabilité mathématique et distributions théoriques Notion de probabilité classique de la probabilité s Une expérience ou une épreuve est dite aléatoire lorsqu on ne peut en prévoir exactement le résultat, en raison du fait que tous les facteurs qui déterminent ce résultat ne sont pas maîtrisés ou contrôlés. Un événement aléatoire est un événement qui peut se réaliser ou ne pas se réaliser au cours d une expérience aléatoire. Citons comme exemples d expériences et d événements aléatoires : le tirage d une carte d un paquet de cartes à jouer et le fait d extraire un cœur, la mise en germoir d une graine et la germination de cette graine, la fécondation de deux individus l un par l autre et la naissance d un individu mâle. Si m résultats peuvent se produire avec des chances égales au cours d une expérience aléatoire, et si k de ces résultats conduisent à la réalisation de l événement A, on définit classiquement la probabilité de l événement A comme étant le rapport du nombre de cas favorables au nombre de cas possibles ou également possibles : P(A)= k m MÉTHODE 27 Si un paquet de 52 cartes contient 13 cœurs, et si toutes les cartes ont des chances égales d être tirées, quelle est la probabilité d extraire un cœur en prélevant une carte? Remarques Cette définition classique de la probabilité présente cependant divers inconvénients. Elle est tout d abord incomplète, en ce sens qu elle revient à définir la notion de probabilité à partir de la notion d égale probabilité des différents cas. En outre, cette définition n est pas suffisamment générale, car elle n est utilisable que quand les différents cas envisagés sont également probables et dénombrables. Cette définition ne s applique par exemple pas à l étude du sexe observé à la naissance, car de nombreuses observations montrent que les deux événements «naissance mâle» et «naissance femelle» ne sont pas également probables : dans l espèce humaine notamment, les naissances masculines sont plus fréquentes que les naissances féminines. De même, si on doit choisir au hasard une ou plusieurs parcelles cultivées dans une région donnée, en sélectionnant au hasard un ou plusieurs points de la carte cadastrale correspondante, la définition classique de la probabilité ne s applique pas : on peut éventuellement admettre ici que tous les cas sont également possibles, c est-à-dire que tous les points ont la même probabilité d être choisis, mais ces différents cas ne sont évidemment pas
2 BTSA 21 Cours dénombrables. Pour remédier à ces divers inconvénients, une définition plus générale de la probabilité peut être introduite par analogie avec la notion empirique de fréquence fréquentielle de la probabilité Lorsqu une expérience aléatoire a été répétée un certain nombre de fois n, on peut déterminer le nombre de réalisations de l événement A qui lui est associé, c est-à-dire son effectif n A, et en calculer la fréquence : f A = n A n Si l expérience est répétée un grand nombre de fois dans des conditions uniformes, on constate généralement que la fréquence a tendance à se stabiliser à la longue. Ce phénomène est connu sous le nom de phénomène de stabilité des fréquences ou de régularité statistique. On peut alors postuler, pour tout événement aléatoire qui satisfait à ces conditions, l existence d un nombre fixe dont la fréquence a tendance à s approcher. Ce nombre est par définition la probabilité mathématique de l événement considéré. Exemple de régularité statistique : dix mille jets d une pièce de monnaie Le jet d une pièce de monnaie est un exemple particulièrement simple d expérience aléatoire, et l apparition du côté «face» est un événement associé à cette expérience. La première idée qui vient à l esprit est basée sur la définition classique de la probabilité : elle revient à admettre la valeur 1 comme probabilité de cet événement. Il faut remarquer cependant que cette valeur 2 n a aucune raison d être rigoureusement exacte. En effet, puisque les deux faces de la pièce de monnaie considérée sont nécessairement distinctes, il n y a pas de raison de supposer a priori que les événements «face» et «pile» possèdent des probabilités strictement égales. Pour une pièce donnée, la probabilité de l événement «face» peut être déterminée par voie fréquentielle. Faisons l expérience (ou une simulation sur ordinateur). Après chaque jet, on a pu déterminer l effectif et la fréquence de l événement considéré. Le tableau suivant en donne l essentiel. La représentation graphique des valeurs observées (voir figure??), en fonction du nombre total d expériences, montre que la fréquence a bien tendance à se stabiliser aux environs de 0,5, mais sans garantir que cette valeur soit strictement exacte. n n A f A 1 0 0, , , , , , , , , , , ,571 n n A f A , , , , , , , , , , , ,438 n n A f A , , , , , , , , , , , ,502 n n A f A , , , , , , , , , , , ,509 n n A f A , , , , , , , , , ,507
3 Cours 22 BTSA 1 face pile FIGURE 3.1 fréquence d apparition de face dans jets d une pièce 3.2 Quelques propriétés de la probabilité mathématique s et axiomes de base s Lors d une expérience aléatoire, un résultat possible est appelé événement élémentaire. L ensemble des résultats possibles est appelé univers. s Un événement est un sous-ensemble de l univers. Un événement est réalisé dès que l un de ses événements élémentaires est réalisé. Ω Deux événements A et B sont incompatibles (ou disjoints) lorsque A B=. A B L événement contraire (ou complémentaire) de l événement A est l ensemble des éléments de l univers qui n appartiennent pas à A. On le note A. A A Ω
4 BTSA 23 Cours Axiomes L univers lié à une expérience aléatoire étantω, la probabilité d un événement A est noté P(A). P(A) est un nombre réel compris entre 0 et 1 tel que : P(Ω)=1 ; si A et B sont deux événements incompatibles, P(A B)=P(A)+P(B). MÉTHODE 28 L un des dés pour jeu de rôle comporte 20 faces numérotées de 1 à 20. Lorsqu on lance ce dé une fois et que on note le nombre indiqué sur la face supérieure, on procède à une expérience aléatoire. Il y a 20 résultats possibles à cette expérience. Chacun de ces résultats s appelle un événement élémentaire. L ensemble de ces résultats se nomme univers de l expérience aléatoire. Nous le noteronsω. 1. L ensemble A est l événement : «le nombre obtenu est un multiple de 5». Décrire l événement A. 2. L ensemble B={1, 3, 5, 7, 9, 11, 13, 15, 17, 19}. Quel est l événement B? 3. Décrire A B par une phrase et donner tous ses éléments. 4. Décrire A B par une phrase et donner tous ses éléments. 5. Considérons l événement C : «le nombre obtenu est inférieur ou égal à 4». Autrement dit : C={1, 2, 3, 4}. Que peut-on dire des événements A et C? 6. Décrire A par une phrase et donner tous ses éléments Quelques autres propriétés Si l univers contient n événements élémentaires équiprobables, la probabilité de chacun d eux est 1 n ; la probabilité d un événement A constitué de k événements élémentaires est k. Ce que l on écrit aussi : n nombre de résultats favorables à A P(A)= nombres de résultats possibles A et B étant deux événements d un universω: P(A)=1 P(A) P( )=0 P(A B)=P(A)+P(B) P(A B) MÉTHODE 29 Dans l expérience aléatoire qui consiste à jeter une fois un dé à 20 faces (méthode 28), on suppose que le dé est bien équilibré. 1. Quelle est la probabilité de sortir de chacun des 20 nombres? 2. A, B et C sont les événements décrits dans la méthode précédente, calculer P(A), P(B), P(C), P(A), P(A C), P(A B), P(A B).
5 Cours 24 BTSA 3.3 Probabilité conditionnelle et indépendance Probabilité conditionnelle On considère une expérience aléatoire et l ensemble des issuesωmuni d une loi de probabilité P. A et B sont deux événements de Ω, A étant de probabilité non nulle. La probabilité de B sachant que A est réalisé est notée P A (B) et est définie par le quotient : P A (B)= P(A B) P(A) P(A B)=P(A) P A (B) Dire que trois événements forment une partition de Ω signifie que, les événements pris deux à deux sont toujours disjoints et la réunion des trois est l ensembleω. A 1 A 3 A 2 Ω Si les événements A 1, A 2, A 3,... A n forment une partition deω alors la probabilité de l événement B de l ensembleωest : P(B) = P(B A 1 )+P(B A 2 )+ +P(B A n ) = P A1 (B) P(A 1 )+P A2 (B) P(A 2 )+ +P An (B) P(A n ) A 3 A B 1 A 2 Ω MÉTHODE 30 Pour fabriquer un objet, un artisan achète des pièces auprès de trois fournisseurs A 1, A 2 et A 3. 25% des pièces proviennent du fournisseur A 1, 40% des pièces proviennent du fournisseur A 2 et le reste provient du fournisseur A 3. 5% des pièces provenant du fournisseur A 1, 10% de celles provenant du fournisseur A 2 et 0, 1% de celles provenant du fournisseur A 3 ont un défaut. On prend au hasard une des pièces. 1. Construire un arbre de probabilité traduisant la situation. 2. Calculer la probabilité de l événement B : «la pièce achetée par l artisan présente un défaut» Indépendance Les événements A et B sont indépendants lorsque la probabilité de l un ne dépend pas de la réalisation de l autre. Autrement dit : P A (B)=P(B) ou P B (A)=P(A).
6 BTSA 25 Cours Autre définition Dire que les événements A et B sont indépendants signifie que la probabilité de l événement «A et B» est égale au produit de leurs probabilités : P(A B) = P(A) P(B). MÉTHODE 31 Ce tableau de contingence permet d étudier la fréquence de consommation d alcool selon le sexe d une population de lycéens français. Sexe Consommation Garçon Fille Nulle moins d une fois par semaine une fois par semaine 14 8 plus d une fois par semaine 5 2 Soient les événements suivants : G : «Le lycéen interrogé est un garçon» F : «Le lycéen interrogé est une fille» B : «Le lycéen interrogé est un buveur occasionnel (moins d une fois par semaine)» 1. Calculer P(G), P(F), et P(B). 2. Calculer P G (B) et P F (B). 3. «consommer de l alcool» est-il un phénomène indépendant du sexe du lycéen? 4. Quelle aurait dû être la répartition des élèves pour avoir deux variables indépendantes? Sexe Consommation moins d une fois par semaine Garçon Fille 3.4 Notions de variable aléatoire et de distribution théorique Approche Partie A : La loterie des couleurs Jouons à la loterie avec une roue «non truquée» divisée en 10 secteurs égaux : 1 rouge, 2 jaunes, 4 verts, 3 bleus. Quelles sont les probabilités des événements : «on a un rouge», «on a un jaune», «on a un vert», «on a un bleu»? À chaque réalisation de l expérience aléatoire consistant à faire tourner la roue, on peut associer la valeur de la variable «couleur», qui peut être l un des éléments de l ensemble{rouge, jaune, vert, bleu}, avec certaines probabilités. On dit que «couleur» est une variable aléatoire. L ensemble{ rouge, jaune, vert, bleu} n étant pas numérique, la variable «couleur» est une variable aléatoire qualitative, dont les 4 modalités, ou catégories sont : rouge, vert, bleu, jaune. Partie B : Gain à la loterie Supposons maintenant que le rouge permette de gagner 100 et le jaune 50, les autres couleurs ne rapportant rien. À chaque tour de roue, la variable X=«somme gagnée» peut prendre les valeurs numériques : { 0, 50, 100}avec certaines probabilités : X est une variable aléatoire numérique. La probabilité de gagner 50 est P(X=50)=...
7 Cours 26 BTSA La probabilité de gagner quelque chose est : P(X 0)=1 P(X=0)=1...=... (puisque «X 0» est l événement contraire de «X=0») Une variable aléatoire X est une variable associée à une expérience aléatoire et servant à caractériser le résultat de cette expérience. Par exemple, lors d un jeu de dé, X est le numéro donné par le dé ou lors du choix d une personne dans la population d un pays, X est la taille de la personne. Dans le premier exemple, on dit que la variable aléatoire est discrète ou discontinue car on peut compter tous les résultats possibles. Dans le second, on dit que la variable aléatoire est continue car on ne peut pas compter tous les résultats possibles, les résultats sont dans un intervalle de Variables aléatoires et distributions discontinues SoitΩl ensemble des n résultats provenant d une expérience aléatoire :Ω={x 1 ; x 2 ;... ; x i ;... ; x n }. Définir la loi de probabilité d une variable aléatoire X surω, c est associer à chaque résultat x i un nombre p i positif, tel que la somme de tous les p i soit égale à 1. X x 1 x 2 x 3 x n P(X= x i ) p 1 p 2 p 3 p n avec 0 p i 1 et Le tableau de la loi de X est appelé distribution de probabilité. n p i = 1. La fonction définie sur qui a x associe F(x)=P(X x) est appelée fonction de répartition de X. Il s agit de la version théorique des fréquences cumulées croissantes en statistiques. Pour tout x de, 0 F(x) 1. lim F(x)=0 et lim F(x)=1 x x + MÉTHODE 32 Le résultat du jet d un dé peut être caractérisé par une variable aléatoire dont une valeur est associé à chacune des faces du dé. Les différentes valeurs possibles de cette variable aléatoire X sont choisies le plus souvent comme suit : x= 1, 2,..., 6. Pour un dé supposé parfaitement homogène, une probabilité de 1 peut être associé à chacune de ces 6 valeurs. 1. Compléter le tableau suivant : x total P(X= x) F(x) 2. Représenter la distribution de probabilité et la fonction de répartition de X. 3. On peut utiliser la fonction de répartition pour calculer des probabilité de la forme P(1<X 4). Calculer P(1<X 4) à l aide de la distribution puis calculer F(4) F(1). 4. Calculer P(X 4). i=1
8 BTSA 27 Cours 5. À toute expérience pouvant donner naissance à l un ou l autre de deux événements totalement exclusifs A et B (ou A et A), on peut toujours associer une variable aléatoire X telle que X=1 si A se réalise et X=0 si B (ou A) se réalise. Une telle variable est appelée variable de BERNOULLI. Reprendre les deux premières questions avec un jeu de pile ou face et une pièce truquée avec laquelle face tombe deux fois plus souvent que pile. Remarque Ce type de variable peut être utilisé également dans de nombreux autres cas : sexe mâle ou femelle observé lors d une naissance, présence ou absence de pubescence sur une feuille, germination ou nongermination d une graine, etc Variables aléatoires et distributions continues Considérons une variable aléatoire susceptible de prendre n importe quelle valeur réelle appartenant à un intervalle donné. Cet intervalle peut être par exemple] ; + [, c est-à-dire l ensemble des valeurs réelles. Une telle variable aléatoire est dite continue Le poids d un individu prélevé au hasard dans une population donnée est, par exemple, une variable aléatoire continue ne pouvant prendre que des valeurs positives. On peut, dans certains cas, déterminer la probabilité d observer une valeur comprise dans un intervalle donné[x ; x+ x] : P(x X x+ x). Mais en général, cette probabilité tend vers zéro en même temps que x : la probabilité d obtenir exactement un résultat donné est généralement nulle, bien que cet événement ne soit pas strictement impossible. La notion de distribution de probabilité n a donc plus de sens pour une variable continue. Par contre, la fonction de répartition : F(x)=P(X x), conserve toute sa signification, mais cette fonction est ici continue, sauf éventuellement en un nombre fini de points. De plus, la probabilité d observer une valeur comprise dans un intervalle donné est : P(x X x+ x)=p(x x+ x) P(X x)=f(x+ x) F(x). F(x+ x) F(x) Si F(x) est dérivable, on peut écrire : lim = F (x)= f(x). x 0 x La fonction f(x) est est appelée fonction de densité de probabilité ou densité de probabilité. Elle constitue une forme idéalisée de l effectif. On retrouve notamment la fonction de répartition en intégrant cette densité : F(x)= x f(t) dt. Tout comme on obtient la fonction de répartition d une distribution discontinue en sommant les probabilités élémentaires. Les fonctions de densité de probabilité sont telles que : + f(t) dt= 1 Remarques L ensemble des valeurs admissibles pour la variable aléatoire et la fonction de densité de probabilité correspondante définissent une distribution théorique continue. Ces distributions théoriques constituent une forme idéalisée des distributions observées groupées en classes relatives à des variables continues. À la limite, lorsque l effectif n augmente indéfiniment dans des conditions uniformes et lorsqu on augmente indéfiniment le nombre de classes en les rendant de plus en
9 Cours 28 BTSA plus étroites, le polygone de fréquences cumulées d une telle distribution tend en effet à se rapprocher d une ligne, courbe représentative de la fonction de répartition. De même, le sommet de l histogramme tend à suivre la courbe de la fonction densité MÉTHODE 33 On cherche à construire une variable aléatoire X qui donne un nombre au hasard entre 0 et 1 tel qu il n y ait pas plus de chance d avoir un nombre plutôt qu un autre. Comme on ne peut compter le nombre de valeurs que peut prendre X, la variable est continue. On souhaite, par exemple que P(0, 1 X 0, 2)= P(0, 4 X 0, 5)=P(0, 9 X 1). C est-à-dire que la densité de probabilité f soit constante. f(x)= c si 0 x 1 0 si x< 0 ou x> 1 1. Trouver la valeur de c pour que f soit bien une densité de probabilité. 2. Exprimer la fonction de répartition. 3. Calculer la probabilité d obtenir un nombre compris entre 0,12 et 0,37. Remarques Cette distribution est notamment celle du temps d attente entre un instant quelconque et la première réalisation d un événement qui, se produit de manière régulière, à intervalle constant. Il peut s agir par exemple du temps d attente d un véhicule devant un signal de circulation du type «rouge et vert», si la périodicité du signal est régulière et si l arrivée du véhicule est complètement aléatoire. Dans le cas d un événement lui-même aléatoire (accident de la circulation, mort d un individu, défaillance d une lampe électrique, etc.), un autre modèle doit être utilisé. On peut alors supposer par exemple que, pour tout intervalle de temps suffisamment petit, la probabilité de réalisation de l événement considéré (accident, mort, défaillance, etc.) est proportionnelle à la longueur de l intervalle : P x (A)=a x. Après calculs hors programme (où apparaissent les équations différentielles vues en Terminale S), on obtient que la densité de probabilité du temps d attente (ou de la durée de vie) est donc : ae ax si 0 x f(x)= 0 si x< 0 MÉTHODE Trouver la fonction de répartition correspondante. 2. Tracer les courbes représentatives des fonctions densité et de répartion dans le cas où a=1. Remarque : cette distribution est aussi dite exponentielle de paramètre a. 3.5 Espérance et Variance Approche Reprenons l exemple de l approche 4.4.1, celui de la loterie. La somme que l on peut gagner est une variable aléatoire X de loi de probabilité : x i P(X= x i ) 0,7 0,2 0,1 Quelle somme peut-on espérer gagner, en moyenne? Ce sera un nombre, noté E(X), appelé espérance (mathématique) de X. Pour cette loterie, 7 fois sur 10 on ne gagne rien, 2 fois sur 10 on gagne 50, 1 fois sur 10 on en gagne 100. L espérance du gain sera donc... De même qu en statistique descriptive, le calcul d une valeur "moyenne", l espérance, ne suffit pas pour bien rendre compte d une distribution.
10 BTSA 29 Cours Si on compare notre loterie aux deux suivantes : y i P(Y= y i ) 0,98 0,02 z i 20 P(Z=z i ) 1 La loterie Y a 50 secteurs égaux (un secteur valant 1000, 49 secteur valant 0). La loterie Z avec 10 secteurs égaux (tous les secteurs valant 20). Ainsi, les trois loteries représentées ci-dessus conduisent à la même espérance de gain : 20. Mais ce gain est réalisé à coup sûr dans le cas n 3, alors que 49 fois sur 50, on ne gagne rien pour le cas n 2 (mais 1000, 1 fois sur 50!). Pour quantifier cette plus ou moins grande variabilité de X, on calculera sa variance, notée V(X) (ou la racine carrée : l écart type). Calculer la variance et l écart type de ces trois loteries Espérance L espérance mathématique, notée E(X), est la moyenne de la variable aléatoire X. C est la valeur théorique vers laquelle tendra la moyenne de chaque tirage en répétant l expérience un grand nombre de fois. i=n E(X)= P(X= x i ) x i i=1 Remarque L espérance mathématique n est pas forcément le résultat le plus probable, ni même un des résultats possibles. Dans le cas d une variable continue, la formule se transpose en : E(X)= + x f(x) dx où f est la fonction densité de X. Soit X une variable aléatoire d espérance E(X) et a et b deux réels quelconques. La variable aléatoire ax + b a pour espérance le réel ae(x) + b Variance et écart type La variance, notée V(X), est une indication sur la dispersion des valeurs autour de la moyenne. On calcule la variance par : i=n V(X)= (x i E(X)) 2 P(X= x i ). i=1 L écart type est la racine carré de la variance afin de retrouver l unité de la variable aléatoire. σ(x)= V(X)
11 Cours 30 BTSA Dans le cas d une variable continue, la formule se transpose en : + V(X)= (x E(X)) 2 f(x) dx où f est la fonction densité de X. Soit X une variable aléatoire de variance V(X). La variable aléatoire ax+ b où a et b sont deux réels donnés, a pour variance a 2 V(X)
Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en 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 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 détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en 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 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 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 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 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 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 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 détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailProbabilités 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 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 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 détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en 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 détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailLes probabilités. Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée Les probabilités produite par TFO.
Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée produite par TFO. Le guide Édition 1988 Rédacteur (version anglaise) : Ron Carr Traduction : Translatec Conseil Ltée
Plus en 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 détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en 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 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 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
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 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 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 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 détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
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 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 détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
Plus en 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 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 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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
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 détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailSeconde et première Exercices de révision sur les probabilités Corrigé
I_ L'univers. _ On lance simultanément deux dés indiscernables donc il n'y a pas d'ordre. Il y a répétition, les dbles. On note une issue en écrivant le plus grand chiffre puis le plus petit. 32 signifie
Plus en 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 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 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 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 détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
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 détailNOTIONS DE PROBABILITÉS
NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en 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 détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
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 détailProbabilités conditionnelles
Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber
Plus en détailProbabilités 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 détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
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 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 détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en 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 détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
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 détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailSUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION)
Terminale S CHIMIE TP n 2b (correction) 1 SUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION) Objectifs : Déterminer l évolution de la vitesse de réaction par une méthode physique. Relier l absorbance
Plus en détailAttitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014
Attitude des ménages face au risque - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Plan du cours 1. Introduction : demande de couverture et comportements induits pa 2. Représentations
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailExemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.
Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir
Plus en 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 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 détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
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 détailAndrey Nikolaevich Kolmogorov
PROBABILITÉS La théorie des probabilités est née de l étude par les mathématiciens des jeux de hasard. D'ailleurs, le mot hasard provient du mot arabe «az-zahr» signifiant dé à jouer. On attribue au mathématicien
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
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 détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailLois 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 détail