Introduction aux tests statistiques

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Introduction aux tests statistiques"

Transcription

1 Itroductio aux tests statistiques Philippe Boeau 27 septembre 2006

2 Chapitre 1 Élémets de probabilités Exercice 1 O ote E l esemble des etiers aturels iférieurs ou égaux à 12 et A (respectivemet B et C) la partie de E dot les élémets sot divisibles par 2 (respectivemet par 3, par 4). 1. Parmi les propositios suivates lesquelles sot vraies : a) A est iclu das B b) B est iclu das A c) A est iclu das C d) C est iclu das A e) l itersectio de A et B est vide f) l itersectio de A etcest A g) l itersectio de A et C est C h) la réuio de A et C est A i) la réuio de A et C est C j) la réuio de A et B est A 2. Détermier : (a) Le complémetaire Ā de A das E et le complémetaire B de B das E, (b) l itersectio de A et B, (c) la réuio de A et B, (d) le complémetaire de l itersectio de A et B das E, (e) le complémetaire de la réuio de A et B das E. 1.1 Notio d expériece aléatoire Défiitio 1 Ue expériece, dot o coait les issues possibles, est appelé expériece aléatoire s il est impossible de savoir à l avace quelle e sera l issue. Exemple 1 jeux de hasard (pile ou face, dé, loto, roulette, etc) sexe d u efat à aitre poit d impact d u projectile temps d attete d u cliet au guichet d ue baque courbe des puissaces appelées sur le réseau EDF pedat ue période doée durée de vie d u atome radioactif... Défiitio 2 L esemble de toutes les issues possibles est appelé l uivers des possibles (ou simplemet uivers) associé à cette expériece. Il est gééralemet oté Ω et ses élémets ω. Exemple 2 Pour u tirage à pile ou face o a Ω = {P,F}. Pour u lacer de dé o a Ω = {1,2,3,4,5,6}. Pour u problème de temps d attete o peut predre Ω = R + (= [0,+ [) (même si de faço plus réaliste o peut majorer le temps d attete à 8 heures par exemple et plutot predre Ω = [0,8]). O peut aussi predre Ω = R + pour la durée de vie d u atome radioactif. Ituitivemet u évèemet est l occurece d u résultat ou d u esemble de résultats parmi les résultas possibles. Aisi o pose Défiitio 3 O appelle évèemet u sous-esemble de Ω. Chaque sous esemble de Ω coteat u seul élémet, c est à dire ue seule issue possible est appelé évéemet élémetaire. Exemple 3 Aisi, si o ote ω 1,...,ω chaque issue possible, l uivers est alors Ω = {ω 1,...,ω } et chaque {ω i } est alors u évéemet élémetaire. Par exemple si o lace u dé, l uivers est Ω = {1,2,3,4,5,6} et l évèemet {6} est l évèemet élémetaire obteir u 6". 1

3 Toujours pour u lacer de dé, l évèemet A = {2,4,6} est l évèemet obteir u ombre pair". Das le problème de temps d attete (Ω = R + ) l esemble A =]3,+ [ est l évèemet attedre plus de 3 heures". Das l expériece aléatoire tirer au hasard vers la Terre avec le super cao laser ouvellemet istallé sur la lue", o peut predre Ω = la sur f ace de la Terre et le sous-esemble A costitué de l aire située à 5 km à la rode du poit de latitude 49.08N et de logitude 06.10E est l évèemet tirer sur la ville de Metz".... ATTENTION : Parfois u évèemet élémetaire peut e jamais arriver das la réalité. Il peut être e sorte que virtuel", mais écessaire pour obteir ue descriptio simple et pratique de l expériece. O pourra doc cosidérer que l esemble de tous les évèemets est l esemble P(Ω) costitué de tous les sous-esembles de Ω. O dit l esemble de toutes les parties de Ω. ATTENTION : Quad Ω est fii o peut toujours cosidérer P(Ω) comme l esemble de tous les évèemets. Mais c est souvet FAUX QUAND Ω EST INFINI. L esemble de tous les évèemets est alors u esemble A iclu das P(Ω) mais parfois strictemet plus petit. U tel esemble A doit vérifier certaies boes propriétés cocerat l itersectio, la réuio et le passage au complémetaire, si tel est le cas o appelle ça ue tribu, ou ecore ue σ-algèbre. O dit alors que (Ω,A ) est u espace probabilisable. Exemple 4 (Ω,P(Ω)) est u espace probabilisable. 1.2 Vocabulaire des évéemets Soit E ue expériece aléatoire et Ω l uivers des possibles associé à cette expériece. Soit (Ω, A ) u espace probabilisable associée à cette expériece (o pesera toujours à (Ω,P(Ω)) même si, e toute rigueur, ça peut être différet). o a, pour A,B des sous-esemble de Ω (c-àd des évèemets), A,B A, Défiitio 4 Ω est l évèemet certai. /0 (l esemble vide) est l évèemet impossible. A B est l évèemet A est réalisé ou B est réalisé" ( ou" iclusif comme veut l usage e fraçais). A B est l évèemet A est réalisé et B est réalisé". Le complémetaire de A, Ā = Ω \ A, est appelé l évèemet complémetaire de A. C est l évèemet qui est réalisé que si A e l est pas. O dit que deux évèemet sot icompatibles si, par défiitio, A B= /0 (c-à-d A disjoit de B c-à-d A B c-à-d B Ā). 1.3 Notio de probabilité Soit E ue expériece aléatoire et Ω l uivers des possibles associé à cette expériece. Soit (Ω, A ) u espace probabilisable associée à cette expériece (o pesera toujours à (Ω,P(Ω)) même si, e toute rigueur, ça peut être différet). Défiitio 5 O dit que P est ue probabilité sur l espace probabilisable (Ω,A ) si P est ue applicatio de A das [0,1] vérifiat 1. P(Ω) = 1 2. Si (A i ) i N est ue suite d évèemets deux à deux icompatibles (c-à-d (A i ) i N est ue suite d élémets de A deux à deux disjoits) o a P( A i ) = P(A i ) i i O dit alors que (Ω,A,P) est u espace de probabilité. Das le cas où Ω est fii o peut simplifier la défiitio. O a Défiitio 6 (CAS Ω FINI) Si Ω est ue esemble fii o dit que P est ue probabilité sur l espace probabilisable (Ω,P(Ω)) si P est ue applicatio de P(Ω) das [0,1] vérifiat 1. P(Ω) = 1 2. Si A et B sot des évèemet icompatibles o a P(A B) = P(A) + P(B). Exemple 5 Pour u uivers fii Ω = {ω 1,ω 2,...,ω }, o défiit la probabilité "équiprobable" e doat à chaque évèemet élémetaire ue probabilité égale c-à-d, pour tout i variat de 1 à, P({ω i } = 1, état le cardial de Ω. ombre d élémets das A O a doc, pour tout évèemet A, P(A) = ombre d élémets das Ω C est la probabilité qui régit le lacer de pièce de moaie ou le lacer de dé, si la pièce ou le dé e sot pas truqués. Si o dispose d ue pièce truquée qui tombe deux fois plus sur face" que sur pile" o a Ω = { f, p} avec P({ f }) = 3 2 et P({p}) = 1 3. C est égalemet la probabilité décrivat, par exemple, le tirage d ue boule das ue ure coteat 20 boules blaches et 10 boules oires. 2

4 O déduit aisémet de la défiitio les propriétés suivates Propositio 1 1. Pour tout évèemet A, 0 P(A) P(/0) = Si A B alors P(A) P(B). 4. P(Ā) = 1 P(A). 5. Pour tout évèemet A et B o a P(A B) = P(A) + P(B) P(A B). Démostratio. Le faire e exercice. Remarque 1 (CAS Ω FINI) Pour u uivers fii Ω = {ω 1,ω 2,...,ω } le fait de coaitre tous les P({ω i }) pour i variat de 1 à détermie etièremet P. E effet si A est u évèemet il peut s écrire A = {ω j1,ω j2,...,ω jp } avec p et o a P(A) = P({ω j1 }) + P({ω j2 }) P({ω jp }), puisque les {ω i } sot des évèemets deux à deux idépedats. Exercice 2 1. Das u jeu, o vous propose les trois règles suivates : (a) o jette e même temps deux dés équilibrés à 6 faces et o gage si o obtiet la face (1) sur au mois l u des deux dés, (b) o jette deux fois u même dé équilibré et o gage si o obtiet la face (1) à au mois l u des deux jets, (c) o jette e même temps deux dés équilibrés et o gage si o obtiet la face (1) sur chacu des deux dés. Pour gager, quelle est la règle la plus avatageuse? Calculer la probabilité de gager pour chacue de ces règles. 2. O lace deux fois u même dé équilibré et o ote S la somme des poits obteus. (a) Quelles sot les valeurs possibles de S. (b) Quelle est la situatio la plus probable : obteir S=6 ou bie obteir S=7? Exercice 3 Ue equète effectuée auprès d u grad ombre d étudiats de l uiversité de Nacago a permis d estimer que 70% d etre eux sot itéressés par l iformatique, 40% sot itéressés par les mathématiques et 25% sot itéressés par les deux à la fois. Quelle est la probabilité pour qu u étudiat soit 1. itéressé par l ifo mais pas par les maths. 2. itéressé par l ifo ou par les maths. 3. itéressé i par l ifo i par les maths. Exercice 4 U composat électroique sert à déclecher ue alarme si ue coditio extraordiaire se présete. Ce composat est fiable à 96%. O evisage de mettre u certai ombre de ces composats e parallèle pour augmeter la fiabilité du système d alarme. Combie de composats doit-o placer e parallèle pour que la fiabilité soit d au mois 99,99%? 1.4 Probabilités coditioelles Défiitios Défiitio 7 Soit (Ω,A,P) u espace de probabilité. Soit A u évèemet de probabilité o ulle. O défiit l applicatio P A de A das R + P(A B) par, pour tout B A, P A (B) = P(A) O dit que P A (B) est la probabilité que l évéemet B soit réalisé sachat que A l est déjà. O ote souvet P A (B) par P(B A) et o dit probabilité de B sachat A". O l appelle probabilité coditioelle (relative à A). Propositio 2 P A est ue probabilité sur l espace probabilisable (Ω,A ). Démostratio. Le faire e exercice. Remarque 2 Soit A A l esemble costitué de tous les sous-esembles de Ω s écrivat X A avec X A. O a alors : P A est ue probabilté sur l espace probabilisable (A,A A ). Das le cas où Ω est fii, o a A A = P(A). Propositio 3 Soiet A et B deus évèemets de probabilité o ulle. O a Démostratio. Le faire e exercice. P(A B) = P(A B) P(B) = P(B A) P(A) 3

5 Exemple 6 Deux machies M1 et M2 fabriquet des tiges. Elles produiset respectivemet 1/3 et 2/3 de la productio. La machie M1 sort 5% de tiges défectueuses et M2 e sort 6%. Soit les évéemets A : «la tige est fabriquée par M1», B : «la tige est fabriquée par M2» et D : «la tige est défectueuse». 1. Quelle est la probabilité que la tige soit fabriquée par M1? 2. O tire ue tige de la productio de M1. Quelles est la probabilité qu elle soit défectueuse? 3. O tire ue tige de la productio. Quelle est la probabilité pour qu elle proviee de M1 et qu elle soit défectueuse? 4. O tire ue tige de la productio. Quelle est la probabilité pour qu elle soit défectueuse? 5. Quelle est la probabilité qu ue pièce défectueuse ait été fabriquée par M1? 6. Trouver les probabilités de tous les évèemets élémetaires. Solutios : 1. C est P(A) = 1/3. 2. C est p(d A) = 5/ C est P(A D) = p(d A)P(A) = 1/ C est P(D) = P((A D) (B D)) = P(A D) + P(B D) = P(D A)P(A) + P(D B)P(B) = 17/ C est P(A D) = P(A D) P(D) = = Évèemets idépedats Défiitio 8 Soit (Ω,A,P) u espace de probabilité. Deux évèemets A et B sot dits idépedats si, par défiitio, Par la formule des probabilités coditioelles o obtiet P(A B) = P(A) P(B). Propositio 4 Soiet A et B deux évèemets de probabilité o ulles. A et B sot idépedats SI et SEULEMENT SI 1. P(A B) = P(A) P(B) 2. P(B A) = P(B) 3. P(A B) = P(A) Doc deux évèemets sot idépedats si et seulemet si la réalisatio de l u iflue e rie sur la réalisatio de l autre. ATTENTION : L idépedace et l icompatibilité sot deux otios totalemet différetes! La propositio suivate e apporte ue preuve. Propositio 5 Si A et B sot des évèemets icompatibles, chacu de probabilité o ulle alors ils e sot pas idépedats. Démostratio. A et B sot icompatibles c-à-d A B= /0 et doc P(A B) = 0. Or A et B sot de probabilité o ulle doc P(A) P(B) 0 et doc P(A) P(B) P(A B) c-à-d A et B e sot pas idépedats (ou ecore A et B sot dépedats). Exercice 5 O lace deux fois de suite ue pièce de moaie. 1. O écrit l uivers des possibilités sous la forme : Ω 1 = {(2F);(2P);(1Fet1P)} où F désige "face" et P désige "pile". A-t-o équiprobabilité das cette situatio? 2. O écrit l uivers des possibilité sous la forme : Ω 2 = {(F,F);(P,P);(F,P);(P,F))} où (a,b) sigifie que a est le résultat du premier lacer et que b est le résultat du deuxième. A-t-o équiprobabilité das cette situatio? 3. O cosidère les évéemets suivats : A="obteir 2 F", B="obteir F au 1er lacer", C="obteir F au 2d lacer" et D="obteir P au 2d lacer" (a) Ecrire ces évéemets comme sous-esembles de Ω 2. (b) Parmi les propositios suivates, lesquelles sot vraies : - A et C sot icompatibles - A et D sot icompatibles A est le cotraire de D - C et D sot icompatibles - C est le cotraire de D - A et B sot idépedats - B et C sot idépedats - A et D sot idépedats - B et D sot idépedats 4. Calculer les probabilités des évéemets A, B, C, D. 5. Calculer les probabilités des évéemets : (A et D), (B et D), (A ou D), (B ou D). 4

6 1.5 Variables aléatoires Défiitio Défiitio 9 Soit (Ω,A,P) u espace de probabilité. Ue variable aléatoire X est ue foctio de Ω das R telle que, pour a,b R et a b, o a X 1 ([a,b]) = {ω Ω tels que X(ω) [a,b]} est u élémet de A. Das otre cas ous auros jamais à vérifier la coditio car ous e cosidèreros que des variables aléatoires classiques dot o admettra qu elles vérifiet la coditio. Exemple 7 Pour l expériece pile ou face", Ω = {p, f }, o peut cosidérer la variable aléatoire X défiie par X( f ) = 0 et X(p) = 1. Pour l expériece aléatoire 2 lacers de dé" (ou lacer de 2 dé" c est la même chose) o a Ω = {(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),...,(6,5),(6,6)} soit 36 élémets tels que (i, j) sigifie i est le résultat du premier lacer, j est le résultat du secod". O peut alors défiir de ombreuses variables aléatoires, par exemple la variable X défii par X(i, j) = i + j, somme des résultats des 2 lacers (ou des 2 dés). la variable Y défii par Y (i, j) = i j l écart etre les résultats des deux lacers. Notatios : Pour a,b R, a b, a ou b évetuellemet ifii, o défiit X 1 ([a,b]) = {ω Ω tels que X(ω) [a,b]} = {ω Ω tels que a X(ω) b} l esemble des élémets de Ω tels que X(ω) est compris etre a et b. O ote aussi cet esemble par {a X b}. Si a = o ote alors cet esemble par {X b} et si b = + par {X a}. Si a = b o ote {X = a} l esemblr des ω tels que X(ω) = a. O omet parfois les accolades. A partir de toute variable aléatoire X o va défiir ue probabilité sur u espace probabilisable dot l uivers est R. Comme R est ifii la questio du choix d ue tribu A se pose car, pour des raisos que l o e peut exposer ici, o e peut pas predre P(R) tout etier. O défiit la tribu B composée de tous les sous-esembles de R obteus par ue suite, évetuellemet ifiie, d itersectios, de réuio ou de passage au complémetaire sur des itervalles de type [a,b]. B est appelé l esemble des borélies. Défiitio 10 Soit X ue variable aléatoire défiie sur l espace de probabilité (Ω,A,P). O défiit alors ue loi de probabilité P X sur l espace probabilisable (R,B) par P X ([a,b]) = P(X 1 ([a,b]). (R,B,P X ) est alors u espace de probabilité. Par les otatios précédetes o a doc P X ([a,b]) = P(a X b) et o dit probabilité pour que la valeur de X soit comprise etre a et b". P X est appelée loi de probabilité de la variable aléatoire X ou plus simplemet loi de X Détermiatio de la loi d ue variable aléatoire Foctio de répartitio Défiitio 11 Soit X ue variable aléatoire défiie sur l espace de probabilité (Ω,A,P). La foctio de répartitio de X est la foctio F X : R R défiie, pour tout x R, par F X (x) = P(X x) Propositio 6 (Propriétés de la foctio de répartitio) 1. F X ( ) := lim F X(x) = 0 x 2. F X (+ ) := lim F X(x) = 1 x + 3. F X détermie complètemet P X. Exemple 8 Pour X défiie par X( f ) = 0 et X(p) = 1 das l expériece pile ou face" o a F X (x) = 0 si x < si 0 x < 1 1 si x 1 Exercice 6 Détermier et tracer le graphe de F X pour X la v.a. défiie, das le cas du lacer de u seul dé, par X(i) = i pour i allat de 1 à 6, puis pour les autres v.a. défiies à l exemple 7. 5

7 Foctio de desité Pour la prochaie otio ous avos besoi d u peu plus de vocabulaire de théorie des esembles. U esemble déombrable est u esemble ifii mais que l o peut éumérer, c-à-d où chaque élémet peut-être étiqueté" par u ombre etier. U esemble déombrable est doc de la forme {ω 1,ω 2,ω 3,...,ω k,...}. U esemble discret est soit u esemble fii, soit u esemble déombrable. Si u esemble ifii est pas déombrable o dira qu il est cotiu. Si toutes les valeurs possibles que peut predre ue v.a. doée X formet u esemble discret o dira que X est ue variable aléatoire discrète. Sio o dit que X est ue variable aléatoire cotiue (c-à-d que X peut predre ue ifiité o déombrable de valeurs). Exemple 9 Les v.a. décrites à l exemple 7 sot toutes discrètes. Si o cosidère pour uivers tous les étudiats de l uiversité de Metz et que l o cosidère la v.a. qui à tout étudiat associe so sexe (codé 1 pour u homme, 2 pour ue femme), c est ecore ue v.a. discrète puisque les seules valeurs possibles sot 1 ou 2. Toujours sur les étudiats, la v.a. qui à chacu associe leur performace sur ue course de 100m est cotiue, e effet ue valeur possible est 12 s mais ue autre est 12 s 3 dixièmes, ue autre 12 s 3 dixièmes 6 cetièmes, ue autre 12 s 3 dixièmes 6 cetièmes 5 millièmes, etc. O suppose évidemmet, de faço irréaliste, que l o dispose d u chroomètre de précisio ifiie. De faço plus réaliste o sera souvet obligé de discrétiser ue telle variable. E effet si o dispose d u chroo précis au cetième et e supposat que persoe e mette plus de 30s à courir le 100m, la v.a. e pourra au plus que 3000 valeurs différetes. Et doc ue v.a. discrète. Si X est ue v.a. discrète fiie c-à-d si X e peut predre qu u ombre fii de valeurs distictes. O ote x 1,x 2,...,x ces valeurs. O a alors Ω = {X = x i } et {X = x i } {X = x j } = /0 si i j (e effet ω {X = x i } X(ω) = x i. Doc X(ω) x j puisque x i x j et doc ω {X = x i }). Doc les {X = x i } pour i allat de 1 à formet ue famille d évèemet deux à deux icompatibles. O a doc 1 = P(Ω) = P( {X = x i }) = P(X = x i ) Défiitio 12 Soit X ue v.a. discrète fiie sur l espace de probabilité (Ω,A,P). Soiet x 1,x 2,...,x les valeurs distictes pouvat être prises par X. { P(X = xi ) si x = x La foctio f X (x) = i pour u i etre 1 et s appelle foctio de desité de la v. a. X. 0 si x x i pour tous les i etre 1 et Propositio 7 Avec les otatios de la défiitio précédete o a et doc f X défiie complètemet P. P(X x) = F X (x) = f X (x i ) = P(X = x i ) i t. q. x i x i t. q. x i x Si X est ue v.a. discrète ifiie (déombrable) formules e remplaçat par +. Avec u peu de précautios o peut défiir les mêmes otios et écrire les mêmes Si X est ue v.a. cotiue Défiitio 13 Soit X ue v. a. discrète sur l espace de probabilité (Ω,A,P). S il existe f X telle que P(X x) = F X (x) = x f X (u) du o dit que f X est la foctio de desité de X. ATTENTION : Il existe des v. a. cotiues dot la foctio de répartitio e peut pas être défiie par ue foctio de desité Espérace et variace CAS d ue v.a. discrète CAS d ue v.a. cotiue Défiitio 14 Soit X ue v.a. discrète fiie sur l espace de probabilité (Ω,A,P). Soiet x 1,x 2,...,x les valeurs distictes pouvat être prises par X. E (X) = de X. Var(X) = x i f X (x i ) = (x i E (X)) 2 f X (x i ) = est appelée variace de X. x i P(X = x i ) est appelée espérace (x i E (X)) 2 P(X = x i ) Défiitio 15 Soit X ue v.a. cotiue sur l espace de probabilité (Ω,A,P), admettat ue foctio de desité f X. E (X) = Var(X) = X. + + x f X (x) dx est appelée espérace de X. (x E (X)) 2 f X (x) dx est appelée variace de Das tous les cas l écart-type est la racie carrée de la variace. 6

8 1.6 Lois de probabilités usuelles 7

Éléments de probabilités

Éléments de probabilités Chapitre 1 Élémets de probabilités 1.1 Notio d expériece aléatoire Défiitio 1 Ue expériece, dot o coait les issues possibles, est appelé expériece aléatoire s il est impossible de savoir à l avace quelle

Plus en détail

Probabilités générales

Probabilités générales Chapitre 4 termiale s Probabilités géérales Les probabilités (rappels) : ) Quelques otios de vocabulaire : Nous allos étudier selo quelle mesure u fait proveat du hasard peut être prévisible a) Ue expériece

Plus en détail

NOTION DE PROBABILITÉ Site MathsTICE de Adama Traoré Lycée Technique Bamako

NOTION DE PROBABILITÉ Site MathsTICE de Adama Traoré Lycée Technique Bamako I Itroductio : NOTION DE PROBABILITÉ Site MathsTIE de Adama Traoré Lycée Techique Bamako ) Exemple : O lace fois e l air u dé o pipé (ormal), x et y fot u pari Si 66 apparaît alors x gage 600Frs Si ou

Plus en détail

Probabilités, MATH 424 Feuille de travaux dirigés 2. Solutions.

Probabilités, MATH 424 Feuille de travaux dirigés 2. Solutions. Probabilités, MATH 44 Feuille de travaux dirigés. Solutios. 1 Exercices Exercice 1. O jette trois dés o pipés. 1. Calculer la probabilité d obteir au mois u 1.. Que vaut la probabilité d obteir au mois

Plus en détail

On peut représenter la situation par un arbre : On a donc p(b 1 B 2)= p(b 1) p (B ) = 3 4 = 3.

On peut représenter la situation par un arbre : On a donc p(b 1 B 2)= p(b 1) p (B ) = 3 4 = 3. T ale S Correctio Exercices type bac de Probabilités. Mars Exercice : Ue ure cotiet au départ 0 boules blaches et 0 boules oires idiscerables au toucher. O tire au hasard ue boule de l ure : Si la boule

Plus en détail

Exercices d oraux de la banque CCP Corrigés BANQUE PROBABILITÉS

Exercices d oraux de la banque CCP Corrigés BANQUE PROBABILITÉS Exercices d oraux de la baque CCP 204-20 - Corrigés BANQUE PROBABILITÉS EXERCICE 96 (a La variable aléatoire X est régie par ue loi biomiale E effet, expérieces idetiques et idépedates (car les tirages

Plus en détail

Expérience aléatoire - modélisation - langage des probabilités

Expérience aléatoire - modélisation - langage des probabilités T.S Probabilités coditioelles L 5 I Expériece aléatoire - modélisatio - lagage des probabilités Ue expériece aléatoire est ue expériece liée au hasard. Les mathématiques itervieet pour apporter u modèle

Plus en détail

Calcul des probabilités 2 (M-2.1)

Calcul des probabilités 2 (M-2.1) Calcul des probabilités (M-.) I. Probabilités sur u esemble fii. Défiitios Défiitio Ue expériece aléatoire est ue expériece dot il est impossible de prévoir l issue (mais o coaît toutes les issues possibles)

Plus en détail

Probabilités élémentaires

Probabilités élémentaires 1. Exemple... p2 4. Lois de probabilité... p7 2. Vocabulaire... p4 5. Variables aléatoires... p8 3. Espaces probabilisés fiis... p4 Copyright meilleuremaths.com. Tous droits réservés 1. Exemple Probabilités

Plus en détail

3 ) Notation. 4 ) Interprétation. 1 ) Exemple. 2 ) Définition. 3 ) Interprétation

3 ) Notation. 4 ) Interprétation. 1 ) Exemple. 2 ) Définition. 3 ) Interprétation ère S Probabilités I. Exemples itroductifs ) Exemple O cosidère l expériece aléatoire qui cosiste à lacer ue pièce o truquée. O ote le côté qu elle présete. O dira que la probabilité d obteir pile est

Plus en détail

LES SUITES. u n = 1 n, pour n 1. u n = n 3

LES SUITES. u n = 1 n, pour n 1. u n = n 3 LES SUITES. Défiitio.. Défiitio Ue suite umérique est ue foctio de das, défiie à partir d'u certai rag 0. La otatio (u ) désige la suite e tat qu'objet mathématique et u désige l'image de l'etier (appelé

Plus en détail

Chapitre 1. Dénombrement

Chapitre 1. Dénombrement Chapitre Déombremet Itroductio Lorsque l o compte les objets d ue collectio, o attribue à la collectio so cardial, c est à dire le ombre d objets qu elle cotiet. Par exemple u Picasso, u Rembrat et u Degas

Plus en détail

2 Propriétés élémentaires des probabilités

2 Propriétés élémentaires des probabilités Uiversité de Reims Champage Ardee UFR Scieces Exactes et Naturelles Aée uiversitaire 2013-2014 MA 0804 - Master 1 CM1 Espaces probabilisés 1 Déitio Pour déir u espace probabilisé, o a besoi d'u esemble

Plus en détail

CH V : Variables aléatoires - généralités

CH V : Variables aléatoires - généralités CH V : Variables aléatoires - gééralités I. Notio de variable aléatoire réelle Soit (Ω, A ) u espace probabilisable. O dit que X est ue variable aléatoire réelle défiie sur (Ω, A ) si : (i) X est ue applicatio

Plus en détail

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante : " tirer p éléments de E ".

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante :  tirer p éléments de E . Cours de termiales Probabilités sur u esemble fii Mr ABIDI F I- Rappel I- Types de tirages : Soit u esemble fii E coteat élémets O cosidère l'épreuve suivate : " tirer p élémets de E " Type de tirages

Plus en détail

Résumé : Probabilités Niveau : Bac Sciences de l informatique Réalisé par : Prof. Benjeddou Saber

Résumé : Probabilités Niveau : Bac Sciences de l informatique Réalisé par : Prof. Benjeddou Saber Résumé : Niveau : Bac Scieces de l iformatique Réalisé par : Prof. Bejeddou Saber Tableau récapitulatif sur le déombremet: Type du tirage : Simultaé Successif sas remise Successif avec remise U tirage

Plus en détail

TD 4 : Variables aléatoires discrètes

TD 4 : Variables aléatoires discrètes MA40 : Probabilités TD 4 : Variables aléatoires discrètes Exercice Soit N u etier aturel supérieur ou égal à.. Motrer les égalités suivates : N k k N N + ) N k k N N + ) N + ). Ue ure cotiet ue boule blache

Plus en détail

SUITES et SERIES DE FONCTIONS

SUITES et SERIES DE FONCTIONS UE7 - MA5 : Aalyse SUITES et SERIES DE FONCTIONS I Suites de foctios à valeurs das È ou  Etat doé u esemble E, ue suite de foctios umériques défiies sur E est la doée, pour tout etier, d'ue applicatio

Plus en détail

Dénombrement Site MathsTICE de Adama Traoré Lycée Technique Bamako

Dénombrement Site MathsTICE de Adama Traoré Lycée Technique Bamako Déombremet Site MathsTIE de Adama Traoré Lycée Techique Bamako A) Parties d u esemble : Soit la représetatio sagittale des esembles E, A et B E 9 8 4 6 0 3 A B ) Existe-t-il des élémets de A qui e sot

Plus en détail

Éléments de correction de la feuille d exercices # 3

Éléments de correction de la feuille d exercices # 3 Uiversité de Rees L SVE Probabilités et statistiques aée 25-26 Élémets de correctio de la feuille d exercices # 3 Exercice Exemple de loi discrète Soit X ue variable aléatoire discrète preat les valeurs

Plus en détail

I. Probabilités : petit bilan de 2 nde

I. Probabilités : petit bilan de 2 nde ère S FICHE Variables aléatoires I. Probabilités : petit bila de de EXECICE TYPE (voir évaluatio diagostique d etrée e ère S) Eocé O fait tourer ue roue équilibrée comme ci-dessous séparées e 8 secteurs

Plus en détail

Divers exercices de probabilité

Divers exercices de probabilité Divers exercices de probabilité Traiter e priorité les quatre premiers exercices de chaque sectio. 1 Probabilité Exercice 1.1 Mo voisi a deux efats. 1- Le plus jeue est ue fille, quelle est la probabilité

Plus en détail

i. En déduire une mesure de l angle ( BD, PΩ ).

i. En déduire une mesure de l angle ( BD, PΩ ). Polyésie septembre EXERCICE Pour chacue des propositios suivates, idiquer si elle est vraie ou fausse et doer ue démostratio de la répose choisie Ue répose o démotrée e rapporte aucu poit O cosidère la

Plus en détail

Espaces probabilisés.

Espaces probabilisés. Espaces probabilisés Chapitre 6 : otes de cours Esembles déombrables Esemble fii, (hors programme) esemble ifii Esemble déombrable Eumératio des élémets d u esemble fii ou déombrable Produit cartésie d

Plus en détail

Exercices sur le chapitre «Variables aléatoires»

Exercices sur le chapitre «Variables aléatoires» Araud de Sait Julie - MPSI Lycée La Merci 2015-2016 1 Pour démarrer Exercices sur le chapitre «Variables aléatoires» Exercice 1 (Recostitutio de paires) O fixe deux etiers aturels 1 r. U placard cotiet

Plus en détail

COURS DE STATISTIQUES INFERENTIELLES Licence d économie et de gestion

COURS DE STATISTIQUES INFERENTIELLES Licence d économie et de gestion COURS DE STATISTIQUES INFERENTIELLES Licece d écoomie et de gestio Laurece GRAMMONT Laurece.Grammot@uiv-st-etiee.fr http://www.uiv-st-etiee.fr/maths/cvlaurece.html September 19, 003 Cotets 1 Rappels 5

Plus en détail

Annexe : Leçon 10 - Échantillonnage

Annexe : Leçon 10 - Échantillonnage Aexe : Leço 10 - Échatilloage Clémet BOULONNE pour la sessio 01 I Niveau, prérequis, référeces Niveau BTS Prérequis Probabilités, lois discrètes et cotiues Référeces [1,,, 4, 5] II Coteu de la leço 1 Approximatio

Plus en détail

Durée : 4 heures. x + x x + x, lim 1 x sin

Durée : 4 heures. x + x x + x, lim 1 x sin PCSI DEVOIR SURVEILLÉ de MATHÉMATIQUES 9/0/00 QUESTIONS de COURS : Durée : 4 heures Soit f : I IR, soit a u réel adhéret à I Que sigifie la otatio lim fx +? x a + si x Ex Détermier lim, lim x + x x + x,

Plus en détail

Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction. 4. 2. Lois discrètes..4

Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction. 4. 2. Lois discrètes..4 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Chapitre 4 Lois de Probabilité Sommaire. Itroductio. 4. Lois discrètes..4.. Loi uiforme..4... Défiitio...4... Espérace et variace..5..

Plus en détail

LEÇON N 20 : Racines n-ièmes d un nombre complexe. Interprétation géométrique. Applications.

LEÇON N 20 : Racines n-ièmes d un nombre complexe. Interprétation géométrique. Applications. LEÇON N 20 : Racies -ièmes d u ombre complexe. Iterprétatio géométrique. Applicatios. Pré-requis : Représetatio d u ombre complexe das le pla R 2 mui d u repère orthoormé direct ; Formes trigoométrique

Plus en détail

BA + DB. Métropole La Réunion septembre 2008

BA + DB. Métropole La Réunion septembre 2008 étropole La Réuio septembre 008 EXERCICE 4 poits Commu à tous les cadidats Das ue kermesse u orgaisateur de jeu dispose de roues de 0 cases chacue. La roue comporte 8 cases oires et cases rouges. La roue

Plus en détail

Convergence de suites réelles

Convergence de suites réelles DOMAINE : No olympique AUTEUR : Nicolas SÉGARRA NIVEAU : Itermédiaire STAGE : Motpellier 2014 CONTENU : Cours et exercices Covergece de suites réelles I) Rappels et otios de base. Défiitio 1. Ue suite

Plus en détail

SUITES NUMERIQUES. q n. pour q. n + Une suite numérique est une fonction associant à tout nombre entier naturel n, un nombre réel u(n) : u :

SUITES NUMERIQUES. q n. pour q. n + Une suite numérique est une fonction associant à tout nombre entier naturel n, un nombre réel u(n) : u : SUITES NUMERIQUES Coteus : Capacités attedues : Commetaires : Suites Limite d ue suite défiie par so terme gééral Notatio lim u Suites géométriques : - somme de termes cosécutifs d ue suite géométrique

Plus en détail

EPREUVE DE RAISONNEMENT LOGIQUE ET MATHEMATIQUE

EPREUVE DE RAISONNEMENT LOGIQUE ET MATHEMATIQUE EPREUVE DE RAISONNEMENT LOGIQUE ET MATHEMATIQUE Nombre de pages de l épreuve Durée de l épreuve 0 pages 3h00 Compte teu du fait qu il s agissait d u cocours d etraiemet, cette épreuve à été prise sur le

Plus en détail

Corrigé du DS n 1. Exercice 1 (6 points)

Corrigé du DS n 1. Exercice 1 (6 points) Exercice 1 (6 poits) Corrigé du DS 1 Das cet exercice, les probabilités demadées serot doées sous forme décimale, évetuellemet arrodies à 10 - près. Lors d ue equête réalisée par l ifirmière auprès d élèves

Plus en détail

Fluctuation et estimation

Fluctuation et estimation Fluctuatio et estimatio Table des matières I Idetificatio de la situatio........................................ II Échatilloage, itervalle de fluctuatio asymptotique........................ II. Itervalle

Plus en détail

LIMITES DE SUITES. n ) u n = 2 n pour n IN 5 ) u n = 2n + 1 n - 5 pour n ³ 6 6 ) u n = (-1)n pour n IN

LIMITES DE SUITES. n ) u n = 2 n pour n IN 5 ) u n = 2n + 1 n - 5 pour n ³ 6 6 ) u n = (-1)n pour n IN LIMITES DE SUITES I Limites fiies ou ifiies Exercice 1 Pour chacue des suites, e calculat différets termes, cojecturer la valeur limite de u quad deviet ifiimet grad (c'est-à-dire quad ted vers + ). 1

Plus en détail

Quelques notions élementaires de probabilités et statistiques

Quelques notions élementaires de probabilités et statistiques Chapitre 6 Quelques otios élemetaires de probabilités et statistiques 6.1 Probabilités U uivers Ω est u esemble modélisat les réalisatios possibles d ue expériece. U esemble A P(Ω) modélise la otio d évéemet

Plus en détail

Comportement asymptotique

Comportement asymptotique Comportemet asymptotique NB: Les phrases écrites etre guillemets e italique sot écessaires à la compréhesio de la otio de ite, mais sot peu utilisées das la pratique où l o fait plutôt appel au propriétés

Plus en détail

TS DEVOIR n 3 lundi 13 novembre lim x. 1. Lire dans le tableau les limites de f en et en +. En déduire une asymptote à la courbe de f.

TS DEVOIR n 3 lundi 13 novembre lim x. 1. Lire dans le tableau les limites de f en et en +. En déduire une asymptote à la courbe de f. TS DEVOIR 3 ludi 3 ovembre 207 sur 4,5 poits Calculer les trois ites suivates : a) 3x 4 x x 2 x b) 2si( x) x x c) 8x 5 x 2 x 3 2 sur 3,5 poits Soit f ue foctio défiie sur dot o doe ci-dessous le tableau

Plus en détail

EXERCICES SIMULATION LOIS DISCRETES

EXERCICES SIMULATION LOIS DISCRETES EXERCICES SIMULATION LOIS DISCRETES EXERCICE 1 : 1) Ecrire u programme qui revoie le lacer d u lacer de dé équilibré 2) Trasformer le programme précédet pour qu il simule ue série de 100 lacers d u dé

Plus en détail

MA401 : Probabilités TD3

MA401 : Probabilités TD3 MA : Probabilités Exercice Ue compagie aériee étudie la réservatio sur l u de ses vols. Ue place doée est libre le jour d ouverture de la réservatio et so état évolue chaque jour jusqu à la fermeture de

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice 1 - Loi d u dé truqué - Deuxième aée - 1. X pred ses valeurs das {1,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque

Plus en détail

x k, 2 : x k 1 n x x 1

x k, 2 : x k 1 n x x 1 SMIA/S3 ANALYSE 3 AALAMI IDRISSI et EZEROUALI Chapitre 5 FONCTIONS DE IR DANS IR p I) NOTIONS DE TOPOLOGIE SUR IR 1) Normes sur IR : a) Défiitio: O appelle orme sur toute applicatio x x de das telle que

Plus en détail

Affecter. Fin tant que Afficher U Afficher V

Affecter. Fin tant que Afficher U Afficher V EXERCICE 1 5 poits Commu à tous les cadidats Soit f la foctio dérivable, défiie sur l itervalle ] 0 ; + [ par : f () = e + 1. 1. Étude d ue foctio auiliaire a. Soit la foctio g dérivable, défiie sur [

Plus en détail

Échantillonnage. I Rappels sur les lois usuelles 2

Échantillonnage. I Rappels sur les lois usuelles 2 BTS DOMOTIQUE Échatilloage 2008-2010 Échatilloage Table des matières I Rappels sur les lois usuelles 2 II Approximatios de la loi biomiale 2 II.1 Approximatio par la loi de poisso................................

Plus en détail

«J'aimais et j'aime encore les mathématiques pour elles-mêmes comme n'admettant pas l'hypocrisie et le vague, mes deux bêtes d'aversion» (Stendhal)

«J'aimais et j'aime encore les mathématiques pour elles-mêmes comme n'admettant pas l'hypocrisie et le vague, mes deux bêtes d'aversion» (Stendhal) Lycée Stedhal (Greoble) Niveau : Termiale S Titre Cours : Chapitre 0 : Les suites Aée : 204-205 «J'aimais et j'aime ecore les mathématiques pour elles-mêmes comme 'admettat pas l'hypocrisie et le vague,

Plus en détail

Fiche 8 : Fonctions II. Limites

Fiche 8 : Fonctions II. Limites Uiversité Paris-Est Val-de-Mare Créteil DAEU-B Fiche 8 : Foctios II. Limites Das la fiche 7 "Foctios I", o a vu la défiitio d ue foctio et différetes otios afféretes. E particulier, o a travaillé sur le

Plus en détail

Autour de la loi de Poisson

Autour de la loi de Poisson Agrégatio Itere de Mathématiques Thierry Champio séace du 25 ovembre 2016 Autour de la loi de Poisso Notatios - Itroductio Das tout ce problème, (Ω, T, P) est u espace probabilisé. Toutes les variables

Plus en détail

Convergences et approximations

Convergences et approximations Covergeces et approximatios Probabilités : Chapitre 5 Das tout ce chapitre, les démostratios serot faites das le cas des variables discrètes et des variables à desité. I Iégalité de Bieaymé-Tchebychev

Plus en détail

POLYNESIE Série S Juin 2001 Exercice

POLYNESIE Série S Juin 2001 Exercice OLYNESIE Série S Jui 00 Exercice gros rouges et 3 petits rouges Ue boîte cotiet 8 cubes : gros verts et petit vert petit jaue U efat choisit au hasard et simultaémet 3 cubes de la boîte (o admettra que

Plus en détail

Annales Mathématiques Bac 2016 Sujets + Corrigés - Alain Piller Amérique du Nord BACCALAURÉAT GÉNÉRAL SESSION 2016 MATHÉMATIQUES

Annales Mathématiques Bac 2016 Sujets + Corrigés - Alain Piller Amérique du Nord BACCALAURÉAT GÉNÉRAL SESSION 2016 MATHÉMATIQUES Corrigé Exercice Sujets Bac Maths Aales Mathématiques Bac Sujets + Corrigés - Alai Piller Amérique du Nord BACCALAURÉAT GÉNÉRAL Aales Bac Maths SESSION MATHÉMATIQUES Série S Cadidats ayat pas suivi l eseigemet

Plus en détail

TS Limites de suites (3)

TS Limites de suites (3) TS Limites de suites (3) I. Rappels sur les suites majorées, miorées, borées ) Défiitio (suite majorée, miorée, borée) 5 ) Propriété Si u réel M est u majorat d ue suite u, alors tous les réels supérieurs

Plus en détail

Chapitre 6 Théorèmes de convergence

Chapitre 6 Théorèmes de convergence Chapitre 6 Théorèmes de covergece 1. La covergece e loi O a déjà recotré ue covergece e loi lors de l approximatio d ue loi biomiale par ue loi de Poisso. Ce problème se place das u cadre plus gééral où

Plus en détail

GRAPHES - EXERCICES CORRIGES Compilation réalisée à partir d exercices de BAC TES

GRAPHES - EXERCICES CORRIGES Compilation réalisée à partir d exercices de BAC TES GRAPHES - EXERCICES CORRIGES Compilatio réalisée à partir d exercices de BAC TES Exercice. U groupe d amis orgaise ue radoée das les Alpes. O a représeté par le graphe ci-dessous les sommets B, C, D, F,

Plus en détail

- diagramme de Caroll. Exemple 1 : On lance 2 dés. 2 e dé 1 er dé

- diagramme de Caroll. Exemple 1 : On lance 2 dés. 2 e dé 1 er dé TS Le déombremet est l art de compter (Il y e a souvet aux cocours) (cardial d u esemble fii : ombre de ses élémets Exemple : si E est u esemble fii à élémets, o dit que le cardial de E est égal à et o

Plus en détail

SESSION DE 2004 CA/PLP

SESSION DE 2004 CA/PLP SESSION DE 4 CA/PLP CONCOURS EXTERNE Sectio : MATHÉMATIQUES SCIENCES PHYSIQUES COMPOSITION DE MATHÉMATIQUES Durée : 4 heures L usage des calculatrices de poche est autorisø (coformømet au directives de

Plus en détail

CORRIGES DE TRAVAUX DIRIGES DE MATH TERMINALES C,D,E. Structure : Probabilités JE RAPPELLE QUE C

CORRIGES DE TRAVAUX DIRIGES DE MATH TERMINALES C,D,E. Structure : Probabilités JE RAPPELLE QUE C Cette fiche a été téléchargée sur le site http://sila.e-mosite.com CORRIGES DE TRAVAUX DIRIGES DE MATH TERMINALES C,D,E. Structure : Probabilités k JE RAPPELLE QUE C k Exercice Le ombre total de possibilités

Plus en détail

Questions pour un champion en ligne

Questions pour un champion en ligne Questios pour u champio e lige Le jeu télévisé QPUC préseté sur FR3 et aimé par Julie Lepers existe aussi e variate «e lige». U jeu «e lige» se déroule aisi : Six iterautes disputet ue première mache dite

Plus en détail

INÉGALITÉS DE MARKOV ET DE CHEBISHEV LOI FAIBLE DES GRANDS NOMBRES

INÉGALITÉS DE MARKOV ET DE CHEBISHEV LOI FAIBLE DES GRANDS NOMBRES Iégalités de Markov et de Chebishev - Loi faible des grads ombres versio du 11 avril 2014 35 8 INÉGALITÉS DE MARKOV ET DE CHEBISHEV LOI FAIBLE DES GRANDS NOMBRES 1 Iégalité de Markov. 8.1 Iégalité de Markov.

Plus en détail

Mathématiques Colle n o 22 Combinatoire. Probabilités. Lycée Charlemagne PCSI. Exercice 10. Exercice 7.

Mathématiques Colle n o 22 Combinatoire. Probabilités. Lycée Charlemagne PCSI. Exercice 10. Exercice 7. Mathématiques 205-206 Colle o 22 Combiatoire. Probabilités Lycée Charlemage PCSI Exercice. Exercice 5. O dispose de différets vêtemets : quatre slips, trois patalos, deux tee-shirts et ciq paires de chaussures.

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. u k

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. u k SÉRIES NUMÉRIQUES K désige le corps R ou C. Gééralités. Défiitios Défiitio. Série Soit (u ) 0 ue suite umérique (i.e. à valeurs das K). O appelle série de terme gééral u la suite (S ) 0 où 0, S = u k Cette

Plus en détail

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015 Uiversité Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Aée 2014-15 Exame du 13 mai 2015 Le sujet comporte 2 pages. L épreuve dure 2 heures. Les documets, calculatrices et téléphoes

Plus en détail

( 2) e x. x + d x. Donner une interprétation graphique de cette intégrale.

( 2) e x. x + d x. Donner une interprétation graphique de cette intégrale. EXERCICE : (6 poits) Commu à tous les cadidats Les deux parties de cet exercice sot idépedates. Partie A O cosidère l équatio différetielle (E) : y ' + y e x. ) Motrer que la foctio u défiie sur l esemble

Plus en détail

INF582 : Cryptologie Attaque de clés RSA par la méthode de Wiener

INF582 : Cryptologie Attaque de clés RSA par la méthode de Wiener INF58 : Cryptologie Attaque de clés RSA par la méthode de Wieer Nicolas DOUZIECH - Thomas JANNAUD - X005 9 mars 008 Table des matières Quelques rappels sur le cryptosystème RSA Pricipe de l attaque de

Plus en détail

est la fréquence empirique des succès lors des 10 premières expériences.

est la fréquence empirique des succès lors des 10 premières expériences. Pierre Veuillez Statistiques iféretielle Sources, et pour e savoir plus : http://www.math-ifo.uiv-paris5.fr/smel 1 Problématique : Exemple ue ure cotiet des boules rouges et blaches dot o e coaît pas la

Plus en détail

Suites numériques : définition générale.

Suites numériques : définition générale. 1 Suites arithmétiques Suites umériques : défiitio géérale.... Le pricipe de récurrece... 3 Suites arithmétiques... 4 Formule 1 des suites arithmétiques... 5 Appreos à compter... 6 Formule des suites arithmétiques...

Plus en détail

Bac Blanc Terminale L - Février 2017 Correction de l Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2017 Correction de l Épreuve de Spécialité Mathématiques (durée 3 heures) Bac Blac Termiale L - Février 2017 Correctio de l Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) 1. Depuis le 28 jui 2007, la ville de Bordeaux a été classée au patrimoie modial

Plus en détail

Correction du devoir Surveillé 6 : Probabilités

Correction du devoir Surveillé 6 : Probabilités S www.wicky-math.fr.f DS - Probabilités Correctio du devoir Surveillé : Probabilités Exercice. ROC Démotrer le théorème suivat : ( poits) Théorème : La probabilité de la réuio de deux évéemetsaetb est

Plus en détail

Terminale S mai Exercice 2. On considère les complexes z 1 de. = est la droite d équation y = x. Exercice 3. On considère le point A d affixe

Terminale S mai Exercice 2. On considère les complexes z 1 de. = est la droite d équation y = x. Exercice 3. On considère le point A d affixe Termiale S mai 6 Cocours Fesic Calculatrice iterdite ; traiter eercices sur les 6 e h ; répodre par Vrai ou Fau sas justificatio + si boe répose, si mauvaise répose, si pas de répose, bous d poit pour

Plus en détail

STATISTIQUES - ESTIMATION

STATISTIQUES - ESTIMATION STATISTIQUES - ESTIMATION I Echatilloage et estimatio : itroductio O se situe ici das 2 domaies des statistiques qui sot ceux de l «échatilloage» et de l «estimatio». Ces 2 domaies ot des cotextes d applicatio

Plus en détail

Terminale S. Lycée Desfontaines Melle Chapitre 11 Probabilité Conditionnement et indépendance

Terminale S. Lycée Desfontaines Melle Chapitre 11 Probabilité Conditionnement et indépendance Termiale S. Lycée Desfotaies Melle Chapitre 11 Probabilité Coditioemet et idépedace I. Probabilité coditioelle 1- Exemple Das u lycée coteat N élèves, 4% des élèves sot des filles, % des garços. Parmi

Plus en détail

TD1. Dénombrements, opérations sur les ensembles.

TD1. Dénombrements, opérations sur les ensembles. Uiversité Pierre & Marie Curie Licece de Mathématiques L3 UE LM345 Probabilités élémetaires Aée 2014 15 TD1. Déombremets, opératios sur les esembles. 1. Combie de faços y a-t-il de classer 10 persoes à

Plus en détail

Introduction aux théorèmes limites et aux intervalles de confiance

Introduction aux théorèmes limites et aux intervalles de confiance Chapitre 5 Itroductio aux théorèmes limites et aux itervalles de cofiace Objectifs du chapitre. Savoir approcher ue loi biomiale par ue loi de Poisso ou ue loi ormale. 2. Savoir approcher ue loi e appliquat

Plus en détail

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1 IUT HSE Itroductio aux probabilités et statistiques Variables aléatoires Philippe Jamig Istitut Mathématique de Bordeaux PhilippeJamig@gmailcom http://wwwmathu-bordeaux1fr/ pjamig/ X variable aléatoire

Plus en détail

Analyse 5 SUITES REELLES

Analyse 5 SUITES REELLES Aalyse chap 5 /6. GENERALITES SR LES SITES. Défiitios Défiitio : e suite est ue foctio, défiie sur ue partie D de. O ote () =, o lit «idice». O dit que est le terme gééral de la suite, ou terme de rag.

Plus en détail

Terminales S Devoir maison n 3 -A faire pour le jeudi 6 novembre 2014

Terminales S Devoir maison n 3 -A faire pour le jeudi 6 novembre 2014 Termiales S Devoir maiso -A faire pour le jeudi 6 ovembre 0 eercice : probabilités coditioelles et suite Alice débute au jeu de fléchettes. Elle effectue des lacers successifs d ue fléchette. Lorsqu elle

Plus en détail

Proposition : la droite d équation «y= 4» est asymptote horizontale à la courbe de f en. . Calculer : a) lim f( x) h( x) xlim

Proposition : la droite d équation «y= 4» est asymptote horizontale à la courbe de f en. . Calculer : a) lim f( x) h( x) xlim NOM : Termiale S- ABC S3 ludi ovembre 06 La présetatio, la rédactio et la rigueur des résultats etrerot pour ue part sigificative das l évaluatio de la copie. Le sujet est composé de 5 eercices idépedats.

Plus en détail

Corrigé : EM Lyon 2005

Corrigé : EM Lyon 2005 Corrigé : EM Lyo 5 Optio écoomique Eercice :. Par défiitio de E, la famille (I,J,K) est ue famille géératrice de E. Cette famille est-elle libre? O cherche tous les réels a, b et c tels que : ai +bj +ck

Plus en détail

AVRIL 2013 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie A

AVRIL 2013 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie A AVRIL CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voie A CORRIGE DE LA ère COMPOSITION DE MATHEMATIQUES Eercice. Calculer, e, la dérivée de : Arc ta( ) Soit f ( ) Arc ta( ), alors f ( ) Arc ta( )

Plus en détail

x + (2 α) y = 0 3 L donc P

x + (2 α) y = 0 3 L donc P 1 Corrigé ESC 009 par Pierre Veuillez Exercice 1 O cosidère les matrices A, B, D, P, E de M (R) suivates : ( ) 5 1 4 ( ) A B 3 3 1 3 0 7 D P 3 3 ( ) { x (1 α) x y 0 1) a: (A αi) 0 y x + ( α) y 0 ( 1 )

Plus en détail

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

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont autorisées. * * * SESSION 006 EPREUVE SPECIIQUE ILIERE MP MATHEMATIQUES Durée : 4 heures Les calculatrices sot autorisées * * * NB : Le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio

Plus en détail

Série d'exercices *** 3 ème M Lycée Secondaire Ali Zouaoui Dénombrement " Hajeb Laayoun "

Série d'exercices *** 3 ème M Lycée Secondaire Ali Zouaoui Dénombrement  Hajeb Laayoun Série d'exercices *** 3 ème M Lycée Secodaire Ali Zouaoui Déombremet " Hajeb Laayou " I / -ulet : Défiitio : Soit E u esemble o vide et * ;O aelle -ulet d élémet de E toute écriture de la forme : a a a

Plus en détail

M : Zribi 4 ème Sc Exercices. Série 34

M : Zribi 4 ème Sc Exercices. Série 34 Série ème Sc Exercices Exercice : Ue ure cotiet au départ 0 boules blaches et 0 boules oires idiscerables au toucher. O tire au hasard ue boule de l'ure : - si la boule tirée est blache, o la remet das

Plus en détail

et arctanx + arctan 1 x = sgn(x)π 2. 3. Application à la statue de la liberté : haute de 46 mètres avec un piédestal de 47 mètres.

et arctanx + arctan 1 x = sgn(x)π 2. 3. Application à la statue de la liberté : haute de 46 mètres avec un piédestal de 47 mètres. Eo7 Foctios circulaires et hyperboliques iverses Correctios de Léa Blac-Ceti. Foctios circulaires iverses Eercice Vérifier arcsi + arccos π et arcta + arcta sgπ. Idicatio Correctio Vidéo [00075] Eercice

Plus en détail

PROBABILITES EXERCICES CORRIGES

PROBABILITES EXERCICES CORRIGES PROBABILITES EXERCICES CORRIGES Vocabulaire des probabilités Exercice. Das chacue de situatios décrites ci-dessous, éocer l évéemet cotraire de l évéemet doé. ) Das ue classe, o choisit deux élèves au

Plus en détail

TS Exercices sur les limites de suites (1)

TS Exercices sur les limites de suites (1) TS Exercices sur les limites de suites () Soit u ue suite géométrique de premier terme u 0 et de raiso q. Das chacu des cas suivats, doer la limite de la suite u. ) u0 ; q ) u 0 ; q ) 0 4 ) u0 6 ; q )

Plus en détail

12 Cours - Suites.nb 1/11. Suites

12 Cours - Suites.nb 1/11. Suites 12 Cours - Suites.b 1/11 Suites I) Gééralités 1) Défiitio 2) Notatio 3) Commet peut être défiie ue suite 4) Suites et ordre 5) Propriété vraie à partir d u certai rag 6) Exercice 7) Suites arithmétiques,

Plus en détail

CORRIGÉ : MATH 2 ; MP ; Mines-ponts_2015

CORRIGÉ : MATH 2 ; MP ; Mines-ponts_2015 CORRIGÉ : MATH ; MP ; Mies-pots_05 A Norme d opérateur d ue matrice ) est u espace vectoriel ormé de dimesio fiie et S est u fermé boré de, c est doc u compact de L applicatio x Mx est u edomorphisme de

Plus en détail

COURS N 6 : Estimations

COURS N 6 : Estimations COURS N 6 : Estimatios O peut rappeler que les biostatistiques ot pour objectif de predre e compte la variabilité iteridividuelle, de résumer et décrire des doées et de comparer des échatillos. Nous avos

Plus en détail

PROBABILITES. TD n 1. Bg sachant que PA

PROBABILITES. TD n 1. Bg sachant que PA TD 1 1. Quel est l uivers Ω pour l'expériece : o lace 2 fois de suite u dé (o truqué). A quelles parties de Ω correspodet les évéemets suivats : a) A : o obtiet pas d as au cours des 2 lacers ; b) B :

Plus en détail

TD n 3 : quelques exercices sur la récurrence

TD n 3 : quelques exercices sur la récurrence Éocé TD 3 : quelques exercices sur la récurrece Exercice 1 Soit (a ) 0 ue suite de ombres réels ou complexes. O pose b 0 = 1 et b = (1 a k ) pour 1. Motrer que b +1 = 1 Exercice O défiit ue suite (u )

Plus en détail

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

Plus en détail

Opérations sur les variables aléatoires Lois limites

Opérations sur les variables aléatoires Lois limites Opératios sur les variables aléatoires Lois limites A. Idépedace de deux variables aléatoires. Exemple 1. Pour améliorer le stockage d u produit u supermarché fait ue étude sur la vete de packs de 6 bouteilles

Plus en détail

Chapitre 9 La loi binomiale

Chapitre 9 La loi binomiale A) Variables aléatoires 1) Défiitio Chapitre 9 La loi biomiale O appelle variable aléatoire X ue foctio qui associe à tout résultat (évéemet élémetaire) u ombre réel. Pour ue même expériece aléatoire,

Plus en détail

. En déduire la limite de f 1 en +. F 1 (x) = e 2 2 4

. En déduire la limite de f 1 en +. F 1 (x) = e 2 2 4 Atilles-Guyae septembre 5 EXERCICE 6 POINTS Commu à tous les cadidats 6 poits Soit u etier aturel o ul. O cosidère la foctio f défiie et dérivable sur l esemble des ombres réels par f (x) = x e x O ote

Plus en détail

1 Un peu de vocabulaire

1 Un peu de vocabulaire Statistiques - Échatilloage Cours Objectifs du chapitre Passer d u mode de représetatio des doées à u autre (doées brutes, tableau d effectifs, représetatio graphique) Calculer la moyee, la médiae, les

Plus en détail

CONVERGENCE ET APPROXIMATION

CONVERGENCE ET APPROXIMATION 11-2- 2010 J.F.C. Cov. p. 1 CONVERGENCE ET APPROXIMATION I CONVERGENCE EN PROBABILITÉ 1. Défiitio 2. Ue coditio suffisate de covergece e probabilité 3. La loi faible des grads ombres 4. Ue coséquece de

Plus en détail

Exercice 1 (10 points)

Exercice 1 (10 points) Devoir surveillé 2 L usage de la calculatrice est autorisé La qualité de la présetatio et de la rédactio de la copie sera prise e compte das so évaluatio Sauf metio du cotraire, toute répose doit être

Plus en détail

L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM

L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM FACULTE DES SCIENCES ET TECHNIQUES. UHA MULHOUSE L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM Chapitre 2 Séries etières Cotets. Gééralités sur les séries etières 2.. Défiitio

Plus en détail