Loi binomiale. Xavier Hallosserie. avril Lycée Blaise Pascal. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
|
|
- Thierry Chabot
- il y a 7 ans
- Total affichages :
Transcription
1 Loi binomiale Xavier Hallosserie Lycée Blaise Pascal avril 2016 Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
2 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
3 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
4 Définition 1 Une épreuve de Bernoulli est une expérience aléatoire qui ne comporte que deux issues, l une appelée succès, notée S, de probabilité p, p 1 p S S Exemple : Le lancer d une pièce équilibrée est une expérience de Bernoulli. Si le «succès» est l obtention de pile, «l échec» sera l obtention de face. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
5 Définition 1 Une épreuve de Bernoulli est une expérience aléatoire qui ne comporte que deux issues, l une appelée succès, notée S, de probabilité p, l autre appelée échec, notée S, de probabilité 1 p. p 1 p S S Exemple : Le lancer d une pièce équilibrée est une expérience de Bernoulli. Si le «succès» est l obtention de pile, «l échec» sera l obtention de face. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
6 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
7 Définition 2 La loi de probabilité ci-dessous est appelée loi de Bernoulli de paramètre p. issue succès (S) échec ( S ) probabilité p 1 p Exemple : Le lancer d une pièce équilibrée suit une loi de Bernoulli de paramètre 0, 5. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
8 Définition 3 Soit X une variable aléatoire prenant pour valeur 0 ou 1 telle que P (X = 1) = p ; On dit que X est une variable de Bernoulli de paramètre p ou que X suit une loi de Bernoulli de paramètre p (on le note «X suit B(p)»). k 1 0 P (X = k) p 1 p Propriété 1 Soit X une variable aléatoire suivant une loi de Bernoulli de paramètre p. Alors : Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
9 Définition 3 Soit X une variable aléatoire prenant pour valeur 0 ou 1 telle que P (X = 1) = p ; P (X = 0) = 1 p. On dit que X est une variable de Bernoulli de paramètre p ou que X suit une loi de Bernoulli de paramètre p (on le note «X suit B(p)»). k 1 0 P (X = k) p 1 p Propriété 1 Soit X une variable aléatoire suivant une loi de Bernoulli de paramètre p. Alors : Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
10 Définition 3 Soit X une variable aléatoire prenant pour valeur 0 ou 1 telle que P (X = 1) = p ; P (X = 0) = 1 p. On dit que X est une variable de Bernoulli de paramètre p ou que X suit une loi de Bernoulli de paramètre p (on le note «X suit B(p)»). k 1 0 P (X = k) p 1 p Propriété 1 Soit X une variable aléatoire suivant une loi de Bernoulli de paramètre p. Alors : son espérance mathématique est E(X) = p ; Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
11 Définition 3 Soit X une variable aléatoire prenant pour valeur 0 ou 1 telle que P (X = 1) = p ; P (X = 0) = 1 p. On dit que X est une variable de Bernoulli de paramètre p ou que X suit une loi de Bernoulli de paramètre p (on le note «X suit B(p)»). k 1 0 P (X = k) p 1 p Propriété 1 Soit X une variable aléatoire suivant une loi de Bernoulli de paramètre p. Alors : son espérance mathématique est E(X) = p ; sa variance est V (X) = p(1 p). Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
12 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
13 Définition 4 Un schéma de Bernoulli est la répétition d épreuves de Bernoulli identiques et indépendantes. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
14 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
15 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
16 Définition 5 On considère un schéma de Bernoulli constitué de n épreuves et on note X la variable aléatoire égale au nombre de succès. La loi de probabilité de la variable aléatoire X est appelée loi binomiale de paramètres n et p. Cette loi est notée B(n ; p). Exemple : On lance trois fois successivement un dé à 6 faces. On appelle succès l événement «obtenir la face 1». S S S 5 6 S S S 5 6 S S S S 5 6 S S S 5 6 S Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
17 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
18 Propriété 2 Pour tout entier k, 0 k n, le nombre de chemins réalisant k succès est noté (lire «k parmi n»). Ces nombres sont appelés les coefficients binomiaux. ( ) n k Propriété 3 Soit X une variable aléatoire suivant une loi binomiale de paramètres n et p. Alors pour tout entier k, avec 0 k n, ( ) n P (X = k) = p k (1 p) n k. k Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
19 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
20 Propriété 4 Soit X une variable aléatoire suivant une loi binomiale de paramètres n et p. Alors : son espérance mathématique est E(X) = np ; Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
21 Propriété 4 Soit X une variable aléatoire suivant une loi binomiale de paramètres n et p. Alors : son espérance mathématique est E(X) = np ; sa variance est V (X) = np(1 p) ; Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
22 Propriété 4 Soit X une variable aléatoire suivant une loi binomiale de paramètres n et p. Alors : son espérance mathématique est E(X) = np ; sa variance est V (X) = np(1 p) ; son écart-type est σ(x) = np(1 p). Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
23 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
24 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
25 Propriété 5 Pour tout entier n, n 1, ( ) n = 1 et 0 ( ) n = 1. n Preuve : Un seul chemin ne réalise aucun succès et un seul chemin réalise n succès. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
26 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
27 Propriété 6 Pour tous entiers n et k, n 1 et 0 k n, ( ) ( ) n n =. k n k Preuve : Il y a autant de chemins qui réalisent k succès que de chemins qui réalisent k échecs, c est à dire n k succès. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
28 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
29 Propriété 7 Pour tous entiers n et k, n 1 et 0 k n 1, ( ) ( ) n n + = k k + 1 ( ) n + 1. k + 1 Preuve : ( ) n + 1 est le nombre de chemins réalisant k + 1 succès sur n + 1 épreuves. k + 1 Parmi ceux là il y en a : ( ) n qui commencent par un succès ; k Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
30 Propriété 7 Pour tous entiers n et k, n 1 et 0 k n 1, ( ) ( ) n n + = k k + 1 ( ) n + 1. k + 1 Preuve : ( ) n + 1 est le nombre de chemins réalisant k + 1 succès sur n + 1 épreuves. k + 1 Parmi ceux là il y en a : ( ) n qui commencent par un succès ; k ( ) n qui commencent par un échec. k + 1 Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
31 Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
32 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
33 Dans une population, on suppose qu un caractère est présent dans la proportion p. Pour juger de cette hypothèse, on prélève au hasard et avec remise, un échantillon de taille n et on calcule pour cet échantillon la fréquence f du caractère étudié. On cherche à savoir pour quelles valeurs de f, on peut décider d accepter ou de rejeter l hypothèse. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
34 Dans une population, on suppose qu un caractère est présent dans la proportion p. Pour juger de cette hypothèse, on prélève au hasard et avec remise, un échantillon de taille n et on calcule pour cet échantillon la fréquence f du caractère étudié. On cherche à savoir pour quelles valeurs de f, on peut décider d accepter ou de rejeter l hypothèse. population proportion p? Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
35 Dans une population, on suppose qu un caractère est présent dans la proportion p. Pour juger de cette hypothèse, on prélève au hasard et avec remise, un échantillon de taille n et on calcule pour cet échantillon la fréquence f du caractère étudié. On cherche à savoir pour quelles valeurs de f, on peut décider d accepter ou de rejeter l hypothèse. population proportion p? échantillon fréquence f Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
36 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
37 La v.a. X égale au nombre d individus de l échantillon qui présentent [ le] caractère étudié suit la loi binomiale de paramètre n et p. On partage l intervalle 0 ; n en trois [ ] [ ] [ ] intervalles 0 ; a 1, a ; b, b + 1 ; n de façon à ce que : p(x a 1) 0, 025 p(x b + 1) 0, 025 Pour cela on détermine a et b de la façon suivante : Définition 6 [ a L intervalle de fluctuation au seuil de 95% de la fréquence f est l intervalle n n] ; b où : a est le plus petit entier tel que p(x a) > 0, 025 ; b est le plus petit entier tel que p(x b) 0, 975. Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
38 Sommaire 1. Épreuve et schéma de Bernoulli 1.1 Épreuve de Bernoulli 1.2 Loi de Bernoulli 1.3 Schéma de Bernoulli 2. La loi binomiale 2.1 Définition de la loi binomiale 2.2 Coefficients binomiaux 2.3 Espérance et variance de la loi binomiale 3. Propriétés des coefficients binomiaux 3.1 Cas particuliers 3.2 Symétrie des coefficients 3.3 Triangle de Pascal 4. Échantillonnage et prise de décision 4.1 Intervalle de fluctuation 4.2 Règle de décision Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
39 [ a Si f n n] ; b alors on accepte l hypothèse selon laquelle la proportion du caractère dans la population est égale à p ; [ a Si f / n n] ; b alors on rejette cette hypothèse au risque d erreur de 5% la probabilité de rejeter l hypothèse alors qu elle est vraie est inférieure à 5% Xavier Hallosserie (Lycée Blaise Pascal) Chapitre 13 avril / 30
Lois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en 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 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 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 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 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 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 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 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 détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
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 détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en 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 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 détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détaildénombrement, loi binomiale
dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................
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 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 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 détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en 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 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 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 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 détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
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 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 détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
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 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 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 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 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 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 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 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 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 détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailLes probabilités. Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée Les probabilités produite par TFO.
Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée produite par TFO. Le guide Édition 1988 Rédacteur (version anglaise) : Ron Carr Traduction : Translatec Conseil Ltée
Plus en 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 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 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 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 détailOUTILS STATISTIQUES ET NUMÉRIQUES
UNIVERSITÉ D ORLEANS Année universitaire 211-212 UFR Sciences Master FAC et SAE, 2ème année OUTILS STATISTIQUES ET NUMÉRIQUES POUR LA MESURE ET LA SIMULATION T. Dudok de Wit Université d Orléans 16 septembre
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
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 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 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 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 détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
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 détailEPREUVES AU CHOIX DU CANDIDAT. Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1)
1 CYCLE MST-A 30 JUIN 2010 10 ème Promotion 2010 / 2012 CONCOURS D ENTREE A L IIA DROIT EPREUVES AU CHOIX DU CANDIDAT Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1) Le candidat traitera au choix
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 détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
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 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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
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 détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailmathématiques mathématiques mathématiques mathématiques
mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques
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 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 détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en 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 détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
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 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 détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en 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 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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
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 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 détailIntroduction aux probabilités. et à la statistique. Jean Bérard
Introduction aux probabilités et à la statistique Jean Bérard 2 Avertissement Ces notes sont en cours d élaboration. Il se peut donc qu y subsistent un certain nombre d erreurs, d incohérences, et/ou de
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 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 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 détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailProbabilités conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailMathématiques I Section Architecture, EPFL
Examen, semestre d hiver 2011 2012 Mathématiques I Section Architecture, EPFL Chargé de cours: Gavin Seal Instructions: Mettez votre nom et votre numéro Sciper sur chaque page de l examen. Faites de même
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 détailINFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.
INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...
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 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 détailIncertitudes expérimentales
Incertitudes expérimentales F.-X. Bally et J.-M. Berroir Février 2013 Table des matières Introduction 4 1 Erreur et incertitude 4 1.1 Erreurs............................................. 4 1.1.1 Définition
Plus en détailNOTES DE COURS STT1700. Introduction à la statistique. David Haziza
NOTES DE COURS STT1700 Introduction à la statistique David Haziza Automne 008 Qu est ce que la statistique? La statistique est la science dont le but est de donner un sens aux données. L étude statistique
Plus en détailINF 162 Probabilités pour l informatique
Guy Melançon INF 162 Probabilités pour l informatique Licence Informatique 20 octobre 2010 Département informatique UFR Mathématiques Informatique Université Bordeaux I Année académique 2010-2011 Table
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 détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détail