Notion de variable aléatoire réelle discrète
|
|
- Hervé Bellefleur
- il y a 7 ans
- Total affichages :
Transcription
1 Université de Picardie Jules Verne UFR des Sciences Licence mention Mathématiques et mention Informatique parcours MIAGE - Semestre 3 Statistique et Probabilités otion de variable aléatoire réelle discrète Considérons une populationsur laquelle on définit un caractère quantitatif X. X est une application de dansqui, à tout individu, associe un réel x X X X ensemble des valeurs du caractère. Cette application modélise le caractère de façon déterministe en ce sens que, si on connaît l individu, on connaît aussitôt la valeur x. Son étude relève de la statistique descriptive qui conduit, par exemple, au tableau des couplesx i,f i où x i est une valeur observée et f i sa fréquence. Supposons maintenant que l on tire au hasard un individudans cette populationpour consigner la valeur x du caractère. e pouvant pas prévoir quel individu précis sera tiré, on ne peut pas prévoir non plus la valeur précise de x qui sera consigner. On aimerait donc disposer d un moyen d attribuer une probabilité aux éléments de X. L idée est de transporter sur X la probabilité surconstruite pour modéliser la situation aléatoire correspondant au tirage aléatoire d un individu. De même qu un caractère quantitatif peut être discret ou continu, on parlera de variable aléatoire discrète ou continue (dans le deuxième cas, on parlera de variable aléatoire à densité). 1. Cas d un nombre fini de valeurs Exemple introductif. Un joueur lance un dé équilibré à 6 faces numérotées de 1 à 6, et on observe le numéro obtenu. Si le joueur obtient 1, 3 ou 5, il gagne 1 euro ; s il obtient ou 4, il gagne 5 euros ; s il obtient 6, il perd euros. Prenons 1,, 3, 4, 5, 6, A P et P l équiprobabilité sur, A Soit X l application de dansqui à tout associe le gain correspondant. On a X1 X3 X5 1, X X4 5 et X6. Ainsi, X 1,5,. On peut s intéresser à la probabilité de gagner 1 euro, c est-à-dire d avoir X 1, ce qui se réalise si et seulement si 1,3,5. La probabilité cherchée est donc égale à P1,3,5 3/6 1/. On écrira aussi P X 1 PX 1 1/. On pourra donc considérer l événement : X 1 / X 1 / X 1 X 1 1 1,3,5. On aura de même PX 5 1/3 et PX 1/6. On a ainsi construit un nouvel ensemble X,1,5, et muni cet ensemble de la probabilité P X définie par les valeurs ci-dessus : P X 1/6, P X 1 1/ et P X 5 1/3. Définitions. otations. On considère une expérience aléatoire et,a,p est un espace probabilisé fini adapté. On appelle variable aléatoire réelle (v.a.r.) toute application X de dans. L ensemble X X des valeurs prises par X est appelé univers-image. X est alors fini. On désigne par P X la probabilité-image définie par : pour tout x X, P X x P / X x PX x. Les événements / X x, / X x et / a X x sont notés respectivement X x,x x et a X x. Loi de probabilité. Si X est une v.a.r. dont l univers-image fini est X x 1,...,x n, alors X est appelée v.a.r. discrète finie et on appelle loi de probabilité de X la donnée des couplesx i,p i, avec p i PX x i. On pourra toujours s assurer que l on a bien p i 0 et n p i p 1 p p n 1. Stéphane Ducay 1
2 Exemple. Reprenons l exemple introductif. La loi de probabilité de X est donnée par x i p i 1/6 1/ 1/3 1 Fonction de répartition. Si X est une v.a.r., alors on appelle fonction de répartition de X la fonction F X de dans0,1 définie par, pour tout réel x, F X x PX x. Si X est discrète finie, alors F X est une fonction en escalier dont les sauts se présentent aux points x i de X, chaque saut étant égal à p i PX x i. Exemple. Reprenons l exemple introductif. On a : - pour tout x, F X x PX x P 0 ; - pour tout x 1, F X x PX x PX 1/6 ; - pour tout 1 x 5, F X x PX x PX X 1 PX PX 1 1/61/ /3 ; - pour tout x 5, F X x PX x P 1. i On a donc Fx i PX x i p p 1 p p i, probabilité que X prenne une valeur inférieure 1 ou égale à x i. En statistique descriptive des variables quantitatives discrètes, les fréquences cumulées étaient données i par : F i f f 1 f f i, et représentaient la fréquence des valeurs inférieures ou égales à x i. 1 Interprétant les probabilités p i des x i comme les limites des fréquences f i, on observe que les formules et leur interprétation sont analogues. Espérance mathématique. Variance. Ecart-type. Soit X une v.a.r. discrète dont l univers-image fini est X x 1,...,x n. On appelle espérance mathématique de X le réel EX p i x i p 1 x 1 p x p n x n. Ce nombre représente la valeur moyenne de X. On appelle variance de X le réel VX p i x i EX. On a VX EX EX n p i x i EX. On appelle écart-type de X le réel X VX. On appelle intervalle moyen de X l intervalle EX X,EX X. n n Exemple. Reprenons l exemple introductif. On a EX On a EX , d où VX EX EX et X VX 4 1 5,05. En statistique descriptive des variables quantitativesdiscrètes, nous avions les formules suivantes. Moyenne : x 1 n n ix i n i n x i f i x i Variance : s x 1 n n ix i x f i x i x. Ecart-type : s x s x. Interprétant les probabilités p i des x i comme les limites des fréquences f i, on observe que les formules et leur interprétation sont analogues. Stéphane Ducay
3 Lois classiques : Binomiale et Hypergéométrique. Répétition d expériences. On répète n fois dans les mêmes conditions une même expérience aléatoire (les répétitions étant indépendantes entre elles) au cours de laquelle un événement A a une probabilité p d être réalisé. La variable aléatoire X, égale au nombre de fois où l événement A est réalisé, suit la loi Binomiale Bn,p, ce qui signifie que : X est à valeurs dans X 0,1,...,n et, pour tout 0,1,...,n, PX C n p 1p n. On a de plus : EX np et VX np1p. Tirages dans une population à catégories. On considère une population de individus à deux catégories, avec 1 individus de catégorie 1 et individus de catégorie (on a 1 ). On effectue n tirages d un individu dans la population et on désigne par X la variable aléatoire égale au nombre d individus de catégorie 1 obtenus. Si on effectue les tirages avec remise, alors X suit la loi BinomialeB n, 1. Si on effectue les tirages sans remise ou simultanés (dans ce cas, on doit avoir n ), alors X suit la loi HypergéométriqueH,n, 1, ce qui signifie que X est à valeurs dans X max0,n 1,min 1,n et pour tout 0,1,...,n, PX C 1 n. C On a de plus : EX np et VX np1p n 1 en posant p 1. n C 1 Exemples. 1) On lance fois de suite une pièce de monnaie équilibrée. Quelle est la probabilité d obtenir 3 fois (exactement) Pile? On peut considérer que l on répète n fois dans les mêmes conditions l expérience aléatoire "lancer la pièce" (les répétitions étant indépendantes entre elles) au cours de laquelle l événement A "obtenir Pile" a la probabilité p 1 d être réalisé. La variable aléatoire X, égale au nombre de fois où l événement A est réalisé, i.e. au nombre de Pile obtenus, suit la loi BinomialeBn,p B, 1, ce qui signifie que : - X est à valeurs dans X 0,1,...,n 0,1,..., ; - pour tout 0,1,...,, PX C n p 1p n C 1 C 1. 3 On en déduit que la probabilité d obtenir 3 fois Pile est PX 3 C 1 1 0,117. ) On tire successivement 4 boules d une urne contenant 3 boules blanches et 7 boules noires. Quelle est la probabilité d obtenir (exactement) boules blanches? On peut considérer que l on effectue n 4 tirages d un individu dans la population des boules, avec 1 3 boules blanches et 7 boules noires (on a 1 ). Si on désigne par X la variable aléatoire égale au nombre de boules blanches obtenues, alors : - dans le cas de tirages avec remise, X suit la loi BinomialeB n, 1 B 4, 3 ; ainsi, X est à valeurs dans X 0,1,...,n 0,1,...,4 et pour tout 0,1,...,4, PX C n p 1p n 4 C ; on a donc PX C , dans le cas de tirages sans remise, X suit la loi HypergéométriqueH,n, 1 H,4, 3 ; ainsi, X est à valeurs dans X max0,n 1,min 1,n 0,1,,3 et pour tout 0,1,,3, PX C n 1 C 1 n C 3 4 C 7 ; on a donc PX C 3 C 7 0,3. C 4 4 C C Lorsque est très grand devant n (en pratique n), on peut approcher la loi Hypergéométrique H,n, 1 par la loi BinomialeB n, 1. Cela signifie que C 1 n C 1 C n n C Stéphane Ducay 3 n.
4 . Cas d un nombre infini de valeurs Définitions. On appelle variable aléatoire réelle discrète infinie toute v.a.r. dont l univers-image X (ensemble des valeurs prises par X) est infini dénombrable. Dans ce cours, on se limitera à X / ou X. On appelle loi de probabilité de X la donnée des couples,p, avec p PX, pour X. On pourra toujours s assurer que l on a bien p 0 et X p 1. Attention! Cette dernière somme contient une infinité de termes! Il s agit de la somme d une série numérique, qui peut être infinie ou ne pas exister. ous n aborderons pas pour le moment les problèmes liés à cette notion. Espérance mathématique. Variance. Ecart-type. Soit X une v.a.r. discrète dont l univers-image infini est X. Sous reserve d existence des sommes indiquées ci-dessous, on a : - espérance mathématique de X : EX p. X - variance de X : VX EX p et VX EX EX p EX. X X - écart-type de X : X VX - intervalle moyen de X : EX X,EX X. Lois classiques : Poisson et Géométrique. Loi de Poisson. Une variable aléatoire X suit la loi de PoissonP de paramètre 0 si et seulement si : X est à valeurs dans X et, pour tout, PX e!. On a de plus : EX et VX. Loi Géométrique. On répète dans les mêmes conditions une même expérience aléatoire (les répétitions étant indépendantes entre elles) au cours de laquelle un événement A a une probabilité p d être réalisé. La variable aléatoire X, égale au nombre d expériences nécessaires pour avoir la première réalisation de A (i.e. au temps d attente de l événement A), suit la loi GéométriqueGp, ce qui signifie que : X est à valeurs dans X et, pour tout, PX p1p 1. On a de plus : EX 1 1p p et VX. p Lorsque n est grand et p assez petit (en pratique n 30, p 0,1 et np ), on peut approcher la loi BinomialeBn,p par la loi de PoissonPnp. Cela signifie que C n p 1p n e np np.! Ce résultat explique que la loi de Poisson est souvent utilisée lorsque la variable aléatoire X désigne le nombre de réalisations d un événement rare. Plus précisément, cette loi apparaît dans les processus de Poisson comme la limite, lorsque n tend vers l infini, des lois Binomiales B n, n, oùest un réel strictement positif. En effet, un processus de Poisson est caractérisé par une variable aléatoire X qui dénombre les apparitions d un certain événement aléatoire E au cours du temps de façon que : a) la probabilité que E apparaisse au cours d une courte période de l unité de temps de durée t est proportionnelle à cette durée et indépendante de la période choisie : P E survient entre t et t t t ; b) la probabilité que E apparaisse plus d une fois au cours de cette période est considérée comme nulle. En décomposant l unité de temps en n intervalles de durées égales à t, on a t 1 n et P E survient entre t et t t n. D après la condition b), E apparait fois au cours de l unité de temps (0 n) s il survient au cours de intervalles élémentaires de durée 1 n. Il résulte que X suit la loi Binomiale B n, n. Lorsque t tend vers 0, c est-à-dire n tend vers, on obtient une loi de Poisson. Stéphane Ducay 4
5 3. Exercices Exercice 1. 1) Soit X une variable aléatoire dont la loi de probabilité est donnée par : x i p i 0,5 p 0,18 p 4 0,37 a) Déterminer les valeurs de p et p 4, sachant que les événements X et X 4 sont équiprobables. b) Calculer l espérance mathématique et l écart-type de X. c) Déterminer et représenter graphiquement la fonction de répartition de X. ) Calculer l espérance mathématique et l écart-type dela variable aléatoire X.dont la loi de probabilité est x i p i 1/8 1/4 1/5 1/8 3/ Exercice. Deux joueurs A et B lancent chacun une pièce de monnaie équilibrée. Si les deux pièces tombent sur Pile, le joueur A gagne ; sinon, le joueur B gagne et A lui verse euros. Un jeu est équitable si l espérance de gain de chaque joueur est nulle. Pour que le jeu soit équitable, combien le joueur B doit-il verser au joueur A lorsque ce dernier gagne? Exercice 3. 1) Un joueur a une chance sur trois de gagner une partie. Il joue cinq parties. Calculer la probabilité qu il gagne : a) trois parties. b) cinq parties. c) au plus une partie. d) au moins deux parties. ) Un joueur a une chance sur deux de gagner une partie. Combien doit-il jouer de parties pour que la probabilité qu il gagne au moins une fois soit supérieure à 0,9? Exercice 4. Le cours de Statistiques de deuxième année de Licence mention Mathématiques est suivi par 57 étudiants, dont 53 sont inscrits dans la mention Mathématiques, les autres étant inscrits dans une autre mention. Il est convenu que l enseignant de Mathématiques responsable du cours sera le référent de 5 étudiants choisis au hasard parmi ces 57 étudiants. On désigne par X la variable aléatoire égale au nombre d étudiants d une autre mention dont l enseignant sera référent. 1) Donner la loi de probabilité de X. Justifier votre réponse. ) Calculer la probabilité que l enseignant soit référent d au moins deux étudiants d une autre mention. 3) Calculer l espérance mathématique et la variance de X. Exercice 5. L oral d un examen comporte 40 sujets possibles. Un candidat tire 3 sujets au hasard et choisit parmi ces 3 sujets celui qu il désire traiter. Pour un candidat qui n a révisé que 0 sujets, on désigne par X le nombre de sujets qu il a révisé parmi les 3 tirés. 1) Quelle est la loi de probabilité de X. Expliquer. ) Calculer la probabilité que ce candidat tire au moins un sujet qu il a révisé. 3) Calculer cette même probabilité à l aide d une loi approchée de X. Cette approximation vous parait-elle raisonnable? Exercice 6. Dans une production de pièces très nombreuse, il y a 3% de pièces défectueuses. Soit X le nombre de pièces défectueuses dans un échantillon de pièces prélevées au hasard. 1) Quelle est la loi de probabilité de X. Expliquer. ) En déduire le nombre moyen de pièces défectueuses obtenu dans un lot de pièces. 3) Calculer la probabilité d obtenir au moins deux pièces défectueuses. Exercice 7. Les centres de transfusion sanguine diffusent le tableau suivant donnant la répartition de la population française des principaux groupes sanguins : Stéphane Ducay 5
6 O A B AB rhésus 37,0% 38,1% 6,%,8% rhésus - 7,0% 7,% 1,% 0,5% 1) Quelle est la probabilité qu une personne prise au hasard dans la population soit de groupe A? de facteur rhésus?de groupe O et de facteur rhésus?justifier les réponses. ) Dix personnes sont prises au hasard dans la population française. Soit X la variable aléatoire égale au nombre de personnes de groupe A obtenu. a) Quelle est la loi de probabilité de X? Justifier. b) Quelle est la probabilité d obtenir exactement 4 personnes de groupe A? c) Quelle est la probabilité qu au moins la moitié des personnes soit de groupe A? 3) Pour une intervention chirurgicale, on doit avoir au moins 3 donneurs de groupe O et de facteur rhésus. Dix personnes, ignorant leur groupe sanguin, sont disposées à ce don. Calculer la probabilité d avoir au moins les donneurs nécessaires. Exercice 8. Le nombre de micro-ordinateurs vendus chaque jour dans le magasin HIGHTECH suit une loi de Poisson de paramètre 4. Calculer la probabilité que dans une journée : 1) on ne vende aucun micro-ordinateur ) on vende 4 micro-ordinateurs 3) on vende au moins un micro-ordinateur. 4) le nombre de micro-ordinateurs vendus soit compris (au sens large) entre et 6. Exercice 9. On suppose que chaque pièce mécanique produite par une machine a la probabilité p d être défectueuse, et ceci de façon indépendante d une pièce à l autre. 1) Pour contrôler la qualité de la fabrication, on prélève au hasard 0 pièces dans la production, et on note X le nombre de pièces présentant des défauts. a) Quelle est la loi de probabilité de X? b) Donner l espérance mathématique de Y pour p 1 50 et interpréter ce résultat. ) On préleve au hasard des pièces une par une dans la production et on considère le nombre Y de pièces tirées lorsqu on a obtenu la première pièce défectueuse. a) Quelle est la loi de probabilité de Y? b) Donner l espérance mathématique de Y pour p 1 50 et interpréter ce résultat. Exercice. (D après partiel de mars 008) On suppose qu un indice économique, calculé quotidiennement, n évolue d un jour à l autre que de trois façons possibles : soit il diminue de %, soit il est stable, soit il augmente de %. On note i 0 0 l indice de départ et i n l indice au bout de n jours. Une étude a montré que, chaque jour, l indice augmente de % avec une probabilité égale à 0,3, diminue de % avec une probabilité égale à 0, et reste stable avec une probabilité égale à 0,5. L évolution d un jour à l autre est indépendante de l évolution des jours précédents. On suppose construit un espace probabilisé,a,p permettant de décrire les situations suivantes. 1) On considère une période de jours et on désigne par X le nombre de jours où l indice augmente. a) Donner, en justifiant, la loi de probabilité de X. b) Quelle est la probabilité que, sur jours, il y ait exactement 3 jours où l indice augmente"? c) Quel est, sur jours, le nombre moyen de jours où l indice augmente? ) Pour tout entier i 1, on considère les événements suivants : A i : "l indice augmente le i-ème jour", B i : "l indice baisse le i-ème jour" et C i : "l indice est stable le i-ème jour". On s intéresse à l évolution de cet indice sur deux jours. On désigne par Y la valeur de l indice i au bout de deux jours. a) Donner les valeurs de PA 1, PA, PB 1, PB, PC 1 et PC. b) Calculer (en justifiant) PA 1 A. Quelle est la valeur de Y si l événement A 1 A se réalise. c) Calculer de même PA 1 B et PB 1 A, et préciser les valeurs de Y correspondantes. d) A l aide de calculs analogues supplémentaires, déterminer la loi de probabilité de Y. Stéphane Ducay 6
Probabilités 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 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 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 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 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 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 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 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 détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailProbabilités 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 détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en 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 détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en 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 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 détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
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 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 détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en 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 détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en détail9 5 2 5 Espaces probabilisés
BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en 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 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 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 détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en 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 détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en 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 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 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 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 détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en 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 détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailDENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES
BTS GPN ERE ANNEE-MATHEMATIQUES-DENOMBREMENT-COMBINATOIRE-EXERCICE DE SYNTHESE EXERCICE RECAPITULATIF (DE SYNTHESE) CORRIGE Le jeu au poker fermé DENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES On joue
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 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 détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en 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 détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
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 détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en 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 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 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 détailPlan général du cours
BTS GPN 1ERE ANNEE-MATHEMATIQUES-PROBABILITES-DENOMBREMENT,COMBINATOIRE PROBABILITES Plan général du cours 1. Dénombrement et combinatoire (permutations, arrangements, combinaisons). 2. Les probabilités
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
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 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 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 détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
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 de dénombrement
Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailProbabilités-énoncés et corrections
2012-2013 Probabilités-énoncés et corrections Exercice 1. Une entreprise décide de classer 20 personnes susceptibles d'être embauchées ; leurs CV étant très proches, le patron décide de recourir au hasard
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 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 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 détaildénombrement, loi binomiale
dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en 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 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailMesure de probabilité, indépendance.
MATHEMATIQUES TD N 2 : PROBABILITES ELEMENTAIRES. R&T Saint-Malo - 2nde année - 2011/2012 Mesure de probabilité, indépendance. I. Des boules et des cartes - encore - 1. On tire simultanément 5 cartes d
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailMathématiques financières
Mathématique financière à court terme I) Les Intérêts : Intérêts simples Mathématiques financières - Intérêts terme échu et terme à échoir - Taux terme échu i u équivalent à un taux terme à échoir i r
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 détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
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 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 détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détail