COURS DE STATISTIQUE TD - FEUILLE N 3
|
|
- Pierre-Marie Lussier
- il y a 7 ans
- Total affichages :
Transcription
1 Université Paris 1 Magistère d Economie - 1ère année COURS DE STATISTIQUE TD - FEUILLE N 3 Généralités Exercice 1 Le nombre mensuel d accidents sur un parcours routier peut être considéré comme la réalisation d une variable aléatoire X suivant une loi de Poisson de paramètre λ inconnu. On admet pour simplifier que λ ne peut prendre que deux valeurs λ 1 = 4 et λ 2 = 6, 25 correspondant aux hypothèses H 1 et H 2 à tester. Suivant la valeur de λ, on décidera ou non d aménager ce parcours. On dispose pour ce test d un échantillon d observations de X sur neuf mois : x 1 = 4, x 2 = 9, x 3 = 2, x 4 = 5, x 5 = 6, x 6 = 2, x 7 = 3, x 8 = 7, x 9 = 7 1. Suivant que le test est commandé par une association d automobilistes ou par le ministre de l équipement, quelle hypothèse de base le statisticien choisira-t-il? 2. On adopte la règle de décision suivante : si x c, on aménage le parcours. si x < c, on n aménage pas le parcours. En faisant une approximation normale de la loi de X, calculer les valeurs c 1 ou c 2 selon que l hypothèse de base retenue est H 1 ou H 2 avec un risque de première espèce α =1%, puis évaluer les puissances π 1 et π 2 associées. 3. Suivant l hypothèse de base choisie, quelle décision prendra-t-on au vu des observations disponibles? 4. Peut-on répondre à la question suivante : H 1 est-elle plus probable que H 2? On examinera d abord dans quel cadre on peut attribuer un sens à cette question et ensuite quelle donnée (a priori) supplémentaire serait nécessaire pour y répondre. Exercice 2 Une machine fabrique des pièces de diamètre X où X suit une loi exponentielle translatée, c est-à-dire de densité : { exp( (x d)), x d f(x) = 0, x < d Quand elle se dérègle, elle produit des pièces de diamètre X + s, où s est une constante positive. On teste au niveau α =1% les hypothèses : 1
2 H 0 : La machine est bien réglée (s = 0) H 1 : La machine est déréglée (s 0). Deux méthodes sont proposées : à partir de l observation d un 5-échantillon, utiliser X = 1 5 (X 1 + X X 5 ) ou Z = inf (X 1, X 2,..., X 5 ). 1. Poser Y = X d s. Déterminer la loi de Y. 2. Déterminer la loi de T = Y Y 5, puis de 2T. En déduire la loi de 10Y. Définir une région de rejet de H 0 au niveau 1% en utilisant la variable aléatoire X. 3. Définir et représenter la courbe de puissance de ce test. 4. Déterminer la loi de Z et construire une région de rejet de H 0 au niveau 1% en utilisant la variable aléatoire Z. 5. Représenter la courbe de puissance de ce test et comparer les deux tests. Quel est le meilleur? Exercice 3 Soit X une variable aléatoire de densité : { 1, x [0, θ] f(x) = θ 0, x / [0, θ] On teste les hypothèses H 0 : θ = 1 H 1 : θ = 2. On observe une seule valeur de la variable aléatoire X. Si la région de rejet de H 0 est l intervalle (X > 0, 5), déterminer le niveau et la puissance. Même chose si la région de rejet est (X > 1, 5). Exercice 4 On sait qu une boite contient ou bien 3 boules rouges et 5 noires, ou bien 5 boules rouges et 3 noires. On tire 3 boules de la boite. Si l on obtient moins de 3 boules rouges, on prend la décision que la boite contient 3 boules rouges et 5 noires. Calculer α et β. Exercice 5 Soit X une variable discrète dont la distribution sous H 0 et sous H 1 est donnée par le tableau suivant : X Sous H 0 0,01 0,02 0,03 0,05 0,05 0,07 0,77 Sous H 1 0,03 0,09 0,10 0,10 0,20 0,18 0,30 Faire la liste de toutes les régions de rejet de niveau α =10%. Parmi ces régions, déterminer celle qui correspond à la plus petite valeur de β. Exercice 6 On sait que dans une boîte, il y a 8 tickets sans valeurs, et 1 ou 2 tickets gagnants. Soit H 0 et H 1 les hypothèses correspondantes. Pour tester H 0 H 1, on tire les tickets un par un jusqu à ce qu on obtienne un ticket gagnant. Soit X la variable aléatoire égale au nombre de tirages nécessaires, calculer la loi de X sous H 0 et sous H 1. On prend comme région de 2
3 rejet (X 5). Calculer α et β. Exercice 7 Considérer les hypothèses H 0 : p = 0, 5 et H 1 : p = 1 pour une Binomiale X avec n = 2. Faire la liste de toutes les régions de rejet pour lesquelles α 0, 5. Laquelle de ces régions de rejet minimise α + β? Utilisation du lemme de Neyman-Pearson Exercice 8 Soit H 0 : p = 1/2 et H 1 : p = 1/3, où p est la probabilité de succès d une expérience. On réalise l expérience trois fois. On accepte H 0 si et seulement si on obtient deux succès au moins. Que valent α et β, risques de première et de seconde espèce? Pour chaque niveau α 1/8, quel est le test de puissance maximum associé? Exercice 9 Un homme politique candidat à une élection se propose de faire étudier la proportion p des électeurs qui lui sont favorables. Il considère que deux hypothèses sont possibles : { H : p = 0, 48 K : p = 0, 52 Il interroge un échantillon de n électeurs et, suivant les résultats du sondage, il décidera d intensifier ou non sa campagne électorale. 1. Quelles sont les deux erreurs possibles? 2. Il choisit H comme hypothèse de base et fixe le risque de première espèce correspondant, α, égal à 5%. Quelle est la signification de ce choix? 3. Il choisit des régions critiques de la forme R(n) = {f n a}, où f n est la proportion d électeurs qui lui sont favorables dans l échantillon. Quelle est la règle de décision adoptée si n = 900? Quelle est la puissance de ce test? 4. Comment varie la région critique quand n augmente? On la calculera explicitement pour : n = 900, 2500 et A partir de quelle valeur de n aura-t-on une puissance π 95%? 5. Quelle sera la décision du candidat si la moitié des électeurs interrogés lui sont favorables lorsqu il interroge respectivement 900, et électeurs? Ces résultats vous paraissent-ils cohérents? 6. Montrer que lés régions critiques R(n) correspondent aux règles de décision optimale pour tester H K. N.B. : Dans toutes les applications numériques on pourra utiliser l approximation normale de la loi Binomiale. Exercice 10 L entreprise Duchemin fabrique des pneumatiques. Elle veut étudier la résistance à la crevaison d un nouveau type de pneu. On admet que le nombre de crevaisons sur km suit une loi de Poisson P(θ). 3
4 Pour le modèle habituel θ = 0, 15 et on considère que le nouveau pneu doit être commercialisé si θ = 0, 1. Pour cela, l entreprise fait procéder à des essais sur 20 voitures équipées des nouveaux pneus et roulant pendant km (chaque pneu crevé étant immédiatement réparé et réutilisé). A. (a) Définir les hypothèses et les décisions. (b) Quelle est, à votre avis, l hypothèse de base choisie par l entreprise Duchemin? (c) Bâtir le test le plus puissant de seuil α =5%. (d) Quelle est la décision si on a observé 50 crevaisons pour les 20 voitures? B. Le mensuel Quoi jeter, organe d une association de consommateurs, ayant connaissance de ces essais, réussit à en obtenir les résultats et bâtit un test à son tour : (a) Quelle sera l hypothèse de base retenue? (b) Bâtir le test le plus puissant de seuil α =5%. (c) Quelle sera la conclusion de Quoi jeter? (d) Les deux points de vue sont-ils conciliables? Hypothèses simples ou multiples Exercice 11 Sur un parcours routier déterminé, le nombre mensuel d accidents suit une loi de Poisson de paramètre λ. En absence de limitation de vitesse, le nombre moyen d accidents par moi est de cinq. On veut savoir si la limitation de vitesse peut diminuer le nombre d accidents. On fait un essai avec limitation de vitesse pendant trois mois et on observe les nombres x 1, x 2 et x 3 d accidents pour chaque mois. 1. Quelle hypothèse de base choisit-on? Pourquoi? 2. On choisit la règle de décision suivante : on décidera de limiter la vitesse si le nombre total d accidents observés pendant les trois mois considérés est strictement inférieur à k. (a) Ecrire entièrement la règle de décision adoptée. Quelle est la statistique employée pour cette règle de décision? Quelle est sa loi de probabilité? (b) On fixe le risque de première espèce α à 5%. Quelle est la valeur de k correspondante? Comment varie k quand α diminue? (c) Montrer que les règles de décision sont U.P.P. Exercice 12 On admet que la durée de vie X, exprimée en heures, de tubes fluorescents d un type déterminé est une variable aléatoire suivant une loi exponentielle de densité : { 1 f(x) = θ e x θ, x 0 0, x < 0 1. Calculer E(X) et V(X). 2. Que représente concrètement le paramètre θ? 4
5 3. On hésite entre deux valeurs pour θ : θ = 1600 et θ = On prélève un échantillon de 100 tubes dont on mesure les durées de vie. Quelle est la région critique du test le plus puissant de seuil α (α =5%) pour tester : où H 0 est l hypothèse de base. 4. Quelle est la puissance de ce test? 5. Montrer qu il existe un test U.P.P. de : H 0 : θ = 1600 H 1 : θ = 1200 H 0 : θ = 1600 H 1 : θ = 1200 au seuil α =5%, où H 0 est l hypothèse de base. Quelle sera, dans ce cas, la décision adoptée si la réalisation d un 100-échantillon donne x = 1280? Exercice 13 Soit X une variable aléatoire normale, d espérance m inconnue et de variance σ 2 = 25. On dispose d un échantillon de taille 25 de X. 1. Quel est le test le plus puissant au seuil α =10% de : où H 0 est l hypothèse de base? H 0 : m = 0 H 1 : m = 1 2. Montrer qu il existe un test U.P.P. au seuil α =10% (construire sa courbe d efficacité) de : où H 0 est l hypothèse de base. H 0 : m = 0 K 1 : m > 0 3. Montrer qu il n existe pas de test U.P.P. au seuil α =10% de : où H 0 est l hypothèse de base. H 0 : m = 0 K 2 : m 0 (a) Si on choisit la règle de décision du 2 comme test de H 0 K 2, quelle est sa courbe d efficacité? 5
6 (b) Bâtir un test raisonnable de H 0 K 2. Construire sa courbe d efficacité sur le même graphique que le précédent. Exercice 14 Soit X la variable aléatoire suivant une loi normale centrée de variance σ 2 = 4 et la variable aléatoire Y = ax proportionnelle à X. 1. On veut tester H : a = 1 K 1 : a > 1 à l aide d un échantillon de taille n = 8 de Y. Peut-on trouver un test U.P.P. de seuil α =10%? Quelle en serait la puissance pour a = 1, 7? 2. Construire, à l aide du 8-échantillon de Y, un test raisonnable de H : a = 1 K 2 : a 1. Calculer sa puissance pour a = 1, 7. Exercice 15 Une usine fabrique des tubes fluorescents dont la durée de vie X exprimée en heures suit une loi normale N (m, σ 2 ). Pour que la production soit acceptable, il faut que m soit égal à 450 et σ à 10. On prélève un échantillon de 16 lampes dont on mesure la durée de vie. On observe : x = 1 16 x i = 454, s 2 = 1 16 (x i x) 2 = i=1 1. On teste au seuil α =10% i=1 H 0 : σ = 10 H 1 : σ 10. A quelle décision conduit l échantillon observé? 2. On teste alors au seuil α =10% K 0 : m = 450 K 1 : m 450. A quelle décision conduit l échantillon observé? Exercice 16 A partir d un n-échantillon de loi de Poisson P(λ), donner le test U.P.P. de H 0 : λ = λ 0 H 1 : λ = λ 1, avec λ 0 < λ 1. Même chose pour H 0 : λ λ 0 H 1 : λ > λ 0. Exercice 17 Soit un n-échantillon (X 1, X 2,..., X n ) de loi N ( 0, 1 θ) avec θ > 0. Tester H 0 : θ = 1 H 1 : θ > 1 au niveau α. Déterminer la puissance de ce test. Exercice 18 Soit deux nombres positifs θ 0 et θ 1 (θ 0 < θ 1 ) et un n-échantillon de loi donnée par la densité { θ f(x) = 2 xe θx, x > 0 0, x 0 Montrer que pour tout α [0, 1], il existe un test plus puissant de niveau α pour tester θ = θ 0 θ = θ 1. Ce test est-il sans biais? 6
7 Quel test proposer pour tester θ = θ 0 θ > θ 0, ou θ θ 0? Quelles sont les qualités de ce test? Exercice 19 Même problème que dans l exercice 18, pour { θ f(x) = πx e θx, x > 0 0, x 0, où θ > 0. Tests gaussiens Exercice 20 On se demande si le fait d assister au cours augmente la probabilité d avoir un succès à l examen. Pour 100 étudiants on obtient les résultats suivants : Succès à l examen Echecs à l examen Total Assistent au cours N assistent pas au cours Total Formaliser ce problème de test. 2. Quelle est la règle de décision pour un risque de première espèce α de 10%? 3. Quelle est la décision correspondant aux résultats observés? Exercice 21 On veut comparer deux instruments de mesure I 1 et I 2. On admet que le résultat de la mesure d une grandeur m avec I 1 (respectivement avec I 2 ) suit une loi normale N (m, σ 2 1) (respectivement N (m, σ 2 2)). On fait une suite de vingt mesures d une même grandeur avec chaque instrument : On calcule I 1 donne : x 1,..., x 20 I 2 donne : y 1,..., y 20 s 2 1 = i=1 (x i x) 2 = 0, 75 et s 2 2 = i=1 (y i y) 2 = 0, 25. On envisage de tester si I 2 est plus précis que I 1 : 1. Formaliser ce problème de test. H 0 : σ 1 = σ 2 H 1 : σ 1 > σ 2 2. Pour un risque de première espèce α de 5%, quelle est la règle de décision? 3. Quelle est la décision correspondant aux observations recueillies? 7
8 Exercice 22 On s intéresse à la durée de vie de deux types d appareils A et B. On désigne cette durée de vie par X et on suppose que X est une variable aléatoire qui suit une loi normale d espérance m 1 et d écart-type σ 1 pour les appareils de type A, d espérance m 2 et d écart-type σ 2 pour les appareils de type B. On veut comparer m 1 et m 2. Pour cela on prélève n 1 = 30 appareils de type A et n 2 = 60 appareils de type B et on observe les résultats suivants : On rappelle que : x 1 = 2000 h moyenne empirique dans l échantillon A s 1 = 300 h écart-type empirique dans l échantillon A x 2 = 2200 h moyenne empirique dans l échantillon B s 2 = 360 h écart-type empirique dans l échantillon B x = 1 n n i=1 x i et s 2 = 1 n n 1 i=1 (x i x) 2 1. Tester l égalité des variances dans les deux populations avec un risque de première espèce α =5%. 2. En considérant le résultat de 1 comme vrai, peut-on conclure que la durée de vie moyenne des appareils de type B est significativement supérieure à celle des appareils de type A avec un risque de première espèce α =5%? 8
a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
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 détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en 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 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 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 détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
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 détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
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 détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
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 détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
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 détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en 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 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 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 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 détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en 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 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 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 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 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 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/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailFORD C-MAX + FORD GRAND C-MAX CMAX_Main_Cover_2013_V3.indd 1-3 22/08/2012 15:12
1 2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 26 28 30
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 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 détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
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 détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
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 détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
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 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 détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en 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 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 détailOptions, Futures, Parité call put
Département de Mathématiques TD Finance / Mathématiques Financières Options, Futures, Parité call put Exercice 1 Quelle est la différence entre (a) prendre une position longue sur un forward avec un prix
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 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 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 détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
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 détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détail25/01/05 TD Entrepôt de données IHS / Master ICA
Une compagnie d assurance de biens (automobile, immobilier, responsabilité civile) possède une application transactionnelle de production permet de gérer les polices (contrats) de ses clients ainsi que
Plus en détailCalcul élémentaire des probabilités
Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4
Plus en 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 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 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 détailStatistique inférentielle TD 1 : Estimation
POLYTECH LILLE Statistique inférentielle TD : Estimation Exercice : Maîtrise Statistique des Procédés Une entreprise de construction mécanique fabrique de pièces demoteurdevoiturepourungrandconstructeur
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
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 détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailStatistiques II. Alexandre Caboussat alexandre.caboussat@hesge.ch. Classe : Mardi 11h15-13h00 Salle : C110. http://campus.hesge.
Statistiques II Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mardi 11h15-13h00 Salle : C110 http://campus.hesge.ch/caboussata 1 mars 2011 A. Caboussat, HEG STAT II, 2011 1 / 23 Exercice 1.1
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 détailExercice 3 (5 points) A(x) = 1-e -0039' -0 156e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2
Les parties A et B sont indépendantes. Partie A Exercice 3 (5 points) Commun à tous les candidats On considère la fonction A définie sur l'intervalle [1 ; + 00 [ par A(x) = 1-e -0039' ' x 1. Calculer la
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 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 détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
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 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 détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailF7n COUP DE BOURSE, NOMBRE DÉRIVÉ
Auteur : S.& S. Etienne F7n COUP DE BOURSE, NOMBRE DÉRIVÉ TI-Nspire CAS Mots-clés : représentation graphique, fonction dérivée, nombre dérivé, pente, tableau de valeurs, maximum, minimum. Fichiers associés
Plus en détailCollecter des informations statistiques
Collecter des informations statistiques FICHE MÉTHODE A I Les caractéristiques essentielles d un tableau statistique La statistique a un vocabulaire spécifique. L objet du tableau (la variable) s appelle
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 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 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 détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailProbabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.
Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110
Plus en détailNotion de fonction. Série 1 : Tableaux de données. Série 2 : Graphiques. Série 3 : Formules. Série 4 : Synthèse
N7 Notion de fonction Série : Tableaux de données Série 2 : Graphiques Série 3 : Formules Série 4 : Synthèse 57 SÉRIE : TABLEAUX DE DONNÉES Le cours avec les aides animées Q. Si f désigne une fonction,
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
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 détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailApllication au calcul financier
Apllication au calcul financier Hervé Hocquard Université de Bordeaux, France 1 er novembre 2011 Intérêts Généralités L intérêt est la rémunération du placement d argent. Il dépend : du taux d intérêts
Plus en détailmathématiques mathématiques mathématiques mathématiques
mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques
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 détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
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 détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
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 détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
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 détailEXPRIMEZ-VOUS LORS DU CHOIX DE VOS PNEUS : EXIGEZ DES PNEUS SÛRS, ÉNERGÉTIQUEMENT EFFICACES ET SILENCIEUX! WWW.ETIQUETTE-PNEUS.CH
EXPRIMEZ-VOUS LORS DU CHOIX DE VOS PNEUS : EXIGEZ DES PNEUS SÛRS, ÉNERGÉTIQUEMENT EFFICACES ET SILENCIEUX! POUR DE MEILLEURS PNEUS SUR LES ROUTES SUISSES S exprimer lors du choix des pneus? Donner son
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 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 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 détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détail