Probabilités et statistique pour le CAPES

Dimension: px
Commencer à balayer dès la page:

Download "Probabilités et statistique pour le CAPES"

Transcription

1 Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie

2 2

3 Table des matières Modélisatio de phéomèes aléatoires 7. Itroductio L espace probabilisé (Ω, A, P) Espace des états Évéemets Tribu Probabilité Costructio d espaces probabilisés 5 2. Espace des états fii Espace probabilisé Déombremet, modèle d ure Espace des états ifii déombrable Espace des états ifii o-déombrable Coditioemet et idépedace Probabilité coditioelle Défiitio Formule des probabilités totales et formule de Bayes Arbre de probabilité Idépedace des évéemets Nombre ifii de jets de dés Variables aléatoires Défiitio et loi d ue variable aléatoire Foctio de répartitio Variables aléatoires discrètes Défiitios et exemples à coaître Foctio de répartitio Espérace

4 4.3.4 Variace, momets d ordres supérieurs Iégalité de Markov et de Bieaymé Tchebychev Vecteurs aléatoires discrets Défiitio et lois des vecteurs aléatoires Espérace, covariace, matrice de covariace Variables aléatoires idépedates Variables aléatoires réelles à desité Défiitios Espérace et momets d ordres supérieurs Exemples de variables aléatoires à desité Couples de variables aléatoires à desité Défiitios Variables aléatoires à desité idépedates Suites de variables aléatoires réelles Loi faible des grads ombres Théorème cetral limite Ecore des défiitios Statistique descriptive Préambule à la Statistique U peu de vocabulaire Collecte de doées Deux directios e statistique Statistique uivariée / multivariée Paramètres de positio, dispersio, relatio Iterprétatio des doées Iterprétatio probabiliste Iterprétatio vectorielle Méthode des moidres carrés Statistique iféretielle 5 6. U exemple itroductif Modèle statistique paramétrique Estimateur Rappels sur quelques lois utiles e statistique Itervalles de cofiace Itervalle de cofiace à partir de l iégalité de Bieaymé-Tchebychev Costructio d u itervalle de cofiace pour la moyee

5 6.6 Tests Exemple itroductif Défiitios Cas de deux hypothèses simples Θ = {θ 0, θ } Test pour la moyee Comparaiso de deux moyees Test d adéquatio à ue loi À propos de la droite de Hery Table de lois du χ

6 6

7 Chapitre Modélisatio de phéomèes aléatoires. Itroductio Ue expériece (ou phéomèe) aléatoire cosiste e ue expériece pour laquelle toutes les issues possibles sot coues, mais où itervieet de ombreux facteurs, dot ous e coaissos ou maîtrisos qu ue petite partie. Das ce cas, l issue est pas prévisible avec certitude. La théorie des probabilités cosiste e l étude de ces expérieces aléatoires. Citos quelques exemples : le résultat d u jeu de hasard (pile ou face, jet de dé, roulette etc.) ; durée de vie d u atome radioactif, d u idividu, d ue ampoule ; les istats de passage d u bus à u arrêt doé ; la promeade d u ivroge das la rue ; la trajectoire d ue poussière à la surface de l eau etc. Les applicatios de la théorie des probabilités sot ombreuses : base de la statistique, outil puissat e fiace, das les assuraces, théorie des jeux. Elle permet égalemet de modéliser de ombreux phéomèes complexes e biologie, médecie, scieces humaies, climatologie. Elle s est aussi révélée utile das de ombreux domaies des mathématiques pures. Mais surtout, elle a acquis ue place importate au sei des mathématiques e tat que disciplie à part etière, de part so itérêt itrisèque. Historiquemet, les jeux des hasards sot présets e Égypte, e Grèce et à Rome dès l Atiquité. Il est cepedat itéressat de costater qu u traitemet systématique est apparu qu au XVI e siècle das le livre Liber de Ludo Alea de Gerolamo Cardao (50-576). La véritable éticelle se trouve das la correspodace etre Blaise Pascal ( ) et Pierre de Fermat ( ), au sujet de problèmes posés par le chevalier de Méré. Ecouragé par Pascal, Christia Huyges ( ) publie De ratiociis i ludo aleae (raisoemets sur les jeux de dés) e 657. Ce livre est le premier ouvrage importat sur les probabilités. Il y défiit la otio d espérace et y développe plusieurs problèmes de partages de gais lors de jeux ou de tirages das des ures. Deux ouvrages fodateurs sot égalemet à oter : Ars Cojectadi de Jacques Beroulli ( ) qui défiit la otio de variable aléatoire et doe la première versio de la loi des grads ombres, et The Doctrie of Chace d Abraham de Moivre ( ) qui gééralise l usage de la combiatoire. O metioera égalemet Pierre-Simo de Laplace ( ), Leohard Euler ( ) et Joha Carl Friedrich Gauss ( ). La théorie des probabilités classique e pred réellemet so essor qu avec les otios de mesure et d esembles mesurables qu Émile Borel (87-956) itroduit e 897. Cette otio de mesure 7

8 est complétée par Heri Léo Lebesgue (875-94) et sa théorie de l itégratio. La première versio modere du théorème cetral limite est doée par Alexadre Liapouov e 90 et la première preuve du théorème modere est due à Paul Lévy e 90. Il faudra attedre 933 pour que la théorie des probabilités sorte d u esemble de méthodes et d exemples divers et deviee ue véritable théorie, axiomatisée par Adreï Nikolaïevitch Kolmogorov ( )..2 L espace probabilisé (Ω, A, P) Le but de la théorie des probabilités est de fourir u modèle mathématique pour décrire les expérieces aléatoires. Sous sa forme modere, la formulatio de cette théorie cotiet trois igrédiets : l espace des états, les évéemets, et la loi de probabilité ou simplemet la probabilité. Das toute la suite, ous cosidéros ue expériece aléatoire que ous cherchos à modéliser..2. Espace des états Défiitio. L espace des états appelé aussi uivers, oté Ω, est l esemble des résultats possibles de l expériece. Exercice.. Détermier u espace des états possible das les expérieces suivates.. Lacer d ue pièce de moaie. 2. Deux lacers successifs d ue même pièce de moaie. 3. Lacer d u dé. 4. Deux lacers successifs d u même dé, et o s itéresse à la somme des ombres obteus. 5. Lacer d u même dé idéfiimet. 6. Durée de vie d u idividu. 7. Promeade d u ivroge das ue rue (u pas e avat, u pas e arrière). 8. Trajectoire d ue poussière à la surface de l eau pedat u itervalle de temps [0, T ]. Solutio... Ω = {P, F }. 2. Ω = {P P, P F, F P, F F }. 3. Ω = {, 2, 3, 4, 5, 6}. 4. Das ce cas, il y a trois choix raisoables : Ω = {(i, j) : i {,, 6}, j {,, 6}} = {,, 6} 2, Ω 2 = {2, 3, 4,, 2}, Ω 3 = {{i, j} : i {,, 6}, j {,, 6}, i j}. 5. Ω = {(u ) : N, u {,, 6}} = {,, 6} N. 6. Ω = {x R + : 0 x 20}. 7. Ω = {(u ) : N, u {, }} = {, } N. 8. Ω = C([0, T ]; R 2 ). 8

9 .2.2 Évéemets Défiitio heuristique. U évéemet est ue propriété dot o peut dire si elle est réalisée ou o, ue fois l issue de l expériece coue. À chaque évéemet correspod u sous-esemble de l espace des états Ω. U sigleto, c est-à-dire u évéemet réduit à u seul élémet de Ω, est appelé u évéemet élémetaire, sio o parle d évéemet composite. O ote u évéemet par ue lettre majuscule A, B, C... et l esemble de tous les évéemets de Ω par A. Remarque. Nous verros au paragraphe suivat la défiitio (mathématique) d u évéemet. Pour l istat, essayos de voir à quelles propriétés doivet satisfaire les évéemets. Exercice.2. Cet exercice est la suite de l Exercice.. O repred la umérotatio déjà utilisée. Décrire les évéemets suivats comme des sous-esembles de l espace des états Ω. 2. Le premier jet doe pile. 4. La somme des résultats obteus est égale à Le premier est obteu au N-ième lacer. 6. L idividu atteit au mois 50 as. 7. L ivroge avace au N-ième pas. Solutio L évéemet le premier jet doe pile correspod au sous-esemble {P P, P F }. 4. L évéemet la somme des résultats obteus est égale à 4 correspod au sous-esemble : {(, 3), (2, 2), (3, )} de Ω, au sous-esemble {4} de Ω 2, et au sous-esemble {{, 3}, {2, 2}} de Ω L évéemet le premier est obteu au N-ième lacer correspod au sous-esemble : {(u ) Ω : u 2,, u N 2, u N = }. 6. L évéemet l idividu atteit au mois 50 as correspod au sous-esemble : {x R + : 50 x 20}. 7. L évéemet l ivroge avace au N-ième pas correspod au sous-esemble : {(u ) Ω : u N = }. Remarque. Les évéemets, qui sot par défiitio des sous-esembles de l uivers, sot e gééral décrits à l aide de phrases das u premier temps. E effet, o commece par se poser ue questio liée à ue expériece aléatoire, puis o itroduit u modèle probabiliste pour y répodre. Par exemple, o cherche la probabilité que la somme de deux dés lacés au hasard soit égale à 4 ; l évéemet cosidéré est alors la somme des dés est égale à 4. Ue fois fixé le choix de l uivers, u évéemet correspod à u uique sous-esemble de ce derier. Comme il y a pas forcémet uicité du modèle et qu alors les évéemets peuvet s écrire e termes de sous-esembles sous des formes différetes, la phrase qui décrit u évéemet permet de se compredre, quel que soit le modèle choisi, voir par exemple les Exercices. et.2 uméro 4. Remarquos aussi que, état doé u sous-esemble d u uivers, il est souvet possible de le décrire par différetes phrases, qui représetet toutes le même évéemet. Par exemple l évéemet {P F, F F } de l Exercice.2 uméro 2 peut se traduire par le premier jet doe pile ou le premier jet e doe pas face. A oter que le passage de la phrase au sous-esemble et réciproquemet est raremet expliqué das les mauels scolaires et les élèves se voiet devoir travailler sur des évéemets e termes de phrases alors qu o viet de leur expliquer qu u évéemet est ue partie de l uivers, pas facile de s y retrouver pour eux... 9

10 Puisque les évéemets sot des esembles, o peut effectuer les opératios habituelles, avec la correspodace suivate etre les termiologies esembliste et probabiliste. Notatio Termiologie esembliste Termiologie probabiliste Ω esemble etier espace des états, évéemet certai ω élémet de Ω évéemet élémetaire A sous-esemble de Ω évéemet ω A ω appartiet à A A est réalisé si ω est le résultat de l expériece A B A est iclu das B si A est réalisé alors B aussi A B réuio de A et B l évéemet A ou B (ou o exclusif!) A B itersectio de A et B l évéemet A et B A c complémetaire de A l évéemet cotraire de A esemble vide évéemet impossible A B = A et B sot disjoits A et B sot icompatibles Exemple. Deux lacers successifs d ue même pièce de moaie. Soiet A = {P P }, B = {P F }, C = {F P, F F }. Alors, A B = {P P, P F } = C c, est l évéemet le premier jet doe pile ; A B =, est l évéemet impossible, A et B sot icompatibles. Propriété. Les opératios sur les évéemets satisfot aux règles suivates. Pour tous évéemets A, B, C, o a commutativité : A B = B A ; associativité : (A B) C = A (B C) ; distributivité : (A B) C = (A C) (B C) ; lois de De Morga : (A B) c = A c B c, et (A B) c = (A c B c ). Exercice.3. Soiet A, B, C trois évéemets liés à ue même expériece aléatoire. Doer e foctio de A, B, C, A c, B c, C c, de leurs réuios, itersectios, l expressio des évéemets suivats : A seulemet est réalisé ; A et B seulemet sot réalisés ; au mois u des trois évéemets est réalisé ; au mois deux des trois évéemets sot réalisés ; u et u seul des trois évéemets est réalisé ; au plus deux des trois évéemets sot réalisés ; aucu des trois évéemets est réalisé. Solutio.3. A B c C c. A B C c. A B C. (A B) (A C) (B C). (A B c C c ) (B A c C c ) (C A c B c ). (A B C) c = A c B c C c. A c B c C c = (A B C) c..2.3 Tribu L esemble des évéemets A associés à ue expériece aléatoire est doc u sous-esemble des parties de Ω, A P(Ω). Il semblerait aturel de predre A = P(Ω), mais il y a alors des 0

11 exemples où il est impossible d associer à chaque évéemet ue probabilité de faço cohérete. Das ces cas-là, il est doc écessaire de se restreidre à u sous-esemble strict de P(Ω) coteat les évéemets itéressats. L esemble des évéemets que l o cosidère e probabilité doivet satisfaire à quelques propriétés aturelles, ils doivet former ue tribu, dot voici la défiitio. Défiitio. U esemble A de parties de Ω est ue tribu, ou σ-algèbre, s il satisfait aux coditios suivates :. Ω A ; 2. A P(Ω), A A A c A ; 3. A est stable par réuio fiie ou déombrable. Exemple.. {, Ω} est ue tribu et c est la plus petite (au ses de l iclusio). P(Ω) est ue tribu et c est la plus grade. Soit C u esemble arbitraire de parties de Ω, alors la plus petite tribu coteat C, otée σ(c) est appelée la tribu egedrée par C. O admet l existece de cette tribu. Soit A P(Ω), A, A Ω, alors la tribu egedrée par A est σ(a) = {, A, A c, Ω}. Sur R, o utilise la tribu egedrée par les ouverts de R, appelée tribu boréliee de R. O admet le fait qu elle soit différete de P(R). Das le cas où l espace des états est fii ou déombrable, o pred toujours A = P(Ω). Exercice.4. Soit Ω = {, 2, 3}. Quelle est la tribu egedrée par A = {, 2}? Quelle est la tribu egedrée par C = {{}, {2}}? Solutio.4. D après l Exemple., la tribu egedrée par A = {, 2} est {, {, 2}, {3}, {, 2, 3}}. La tribu egedrée par C est stable par réuio et complémetatio, elle doit doc coteir {, 2} et {3} ; e particulier elle cotiet {}, {2}, {3}. Il est alors facile de voir que σ(c) = P(Ω). Défiitio. L esemble des évéemets associé à ue expériece est la tribu A choisie sur Ω. Remarque. Das le cas où l espace des états est fii ou déombrable, puisque A = P(Ω), u évéemet est doc simplemet importe quel sous-esemble de Ω. O retrouve bie la défiitio doée das l eseigemet secodaire..2.4 Probabilité Nous souhaitos maiteat associer à chacu des évéemets ue probabilité, qui mesure la vraisemblace que l o accorde a priori à l évéemet avat la réalisatio de l expériece. C est ue des doées du modèle, que l o peut compredre ituitivemet de différetes maières, e voici deux. Approche utilisat les symétries. O cosidère u dé o-pipé. Il est alors aturel de supposer que chacue des issues possibles ait la même probabilité égale à /6. Il faut cepedat être prudet avec cette approche. E effet, supposos que ous souhaitios détermier la probabilité

12 du sexe d u ouveau é. Il y a aucue raiso de peser qu il y a plus de chaces d avoir u garço ou ue fille, de sorte qu il est aturel d associer ue probabilité /2 à chacu des évéemets élémetaires. Cepedat, les statistiques motret que la proportio de garços ouvellemet é est de 5, 2% (INED, Frace métropolitaie). Approche fréquetiste. O suppose qu ue expériece d uivers Ω est exécutée plusieurs fois sous les mêmes coditios. Pour chaque évéemet A de Ω, o défiit N (A) comme le ombre de fois où l évéemet A surviet lors des N premières répétitios de l expériece. Alors la probabilité de l évéemet A, otée P(A), est défiie comme la limite, das u ses à préciser, du quotiet N (A)/N. Cela veut dire que P(A) est défiie comme la limite du pourcetage du ombre de fois où A surviet par rapport au ombre total des répétitios. C est doc la fréquece limite de A. Bie que cette défiitio soit ituitivemet commode, elle présete u sérieux icovéiet. E effet, il faut justifier de l existece de la limite, ce qui est difficile a priori. Il est plus raisoable d admettre que les probabilités satisfot à u esemble d axiomes simples et ituitivemet acceptables, pour esuite démotrer qu ue telle fréquece limite existe das u certai ses (voir plus loi la loi des grads ombres). Défiitio. État doés u espace d états Ω et ue tribu d évéemets A, ue probabilité P sur (Ω, A), est ue applicatio de A das [0, ], possédat les propriétés suivates.. L évéemet certai est de probabilité : P(Ω) =. 2. Axiome de σ-additivité : pour toute famille déombrable (A ) 0 d évéemets de A, deux-à-deux disjoits, o a ( ) + P A = P(A ). 0 =0 Le triplet (Ω, A, P) est alors appelé u espace probabilisé. O a les coséqueces immédiates suivates. Propositio.. Soit (Ω, A, P) u espace probabilisé et soiet deux évéemets A A, B A.. Additivité. Si A et B sot disjoits, alors P(A B) = P(A) + P(B). E particulier, P(A c ) = P(A), et P( ) = Si A B, alors : P(A) P(B). 3. P(A B) = P(A) + P(B) P(A B). Plus gééralemet, o a la formule de Poicaré : Soit (A ) N = ue famille d évéemets de A, alors : ( N P = A ) = N ( ) = Exercice.5. Démotrer la Propositio.. J {,, N} Card(J) = ( P k J A k ). Voici ue coséquece plus abstraite, qui est fréquemmet utilisée. Propositio.2. Soit (Ω, A, P) u espace probabilisé. 2

13 Soit (A ) ue suite croissate d évéemets de A, c est-à-dire, pour tout, A A +. Soit A = + A, alors : = P(A) = lim P(A ). + Soit (B ) ue suite décroissate d évéemets de A, c est-à-dire, pour tout, B B +. Soit B = + B, alors : = P(B) = lim P(B ). + Remarque.. Les suites réelles (P(A )) et (P(B )) sot respectivemet croissate et décroissate, borées, doc covergetes, justifiat aisi l existece de la limite. Par ailleurs, la ( N suite A )N, égale à (A N) N, est ue suite croissate au ses de l iclusio, et l esemble + = = A est habituellemet oté peut ecore s écrire : = lim A, de sorte que le résultat de la propositio précédete + ( ) P lim A + = lim + P(A ). ( N De même, la suite B )N, égale à (B N) N, est ue suite décroissate au ses de l iclusio, et l esemble + = propositio précédete s écrit : B est habituellemet oté ( ) P lim B + lim B, de sorte que le résultat de la + = lim + P(B ). Démostratio. Démotros la propositio das le cas d ue suite croissate d évéemets. Posos C = A et pour tout 2, C = A A c. Aisi, pour tout 2, A = C A, où la réuio est disjoite, de sorte que : P(A ) = P(C ) + P(A ). c2 c3... A3 A2 A c Figure. Ue visio schématique d ue suite croissate d évéemets (A ). Les évéemets (C ) sot les aeaux successifs. La famille (C ) est ue famille déombrable d évéemets disjoits deux à deux. Aisi, d après la propriété de σ-additivité, o a : ( P C ) = 3 + = P(C ).

14 Puisque de plus, P(A) = C = A, o déduit que, lim N + = = lim N + N P(C ) = ( P(A ) + lim N + ( P(C ) + ) N [P(A ) P(A )] =2 ) N [P(A ) P(A )] =2 = lim N + P(A N). Remarque.2. O rappelle : ω A N, ω A, et ω A N, ω A. Exemple.2. U exemple d applicatio de la Propositio.2 est doé das l Exercice

15 Chapitre 2 Costructio d espaces probabilisés 2. Espace des états fii 2.. Espace probabilisé O suppose das la suite que l espace des états Ω est de cardial fii. Das ce cas, la tribu cosidérée est simplemet A = P(Ω) et la défiitio d ue probabilité pred la forme suivate, qui est celle utilisée au lycée. Défiitio. Ue probabilité P sur (Ω, P(Ω)), est ue applicatio de P(Ω) das [0, ], possédat les propriétés suivates.. L évéemet certai est de probabilité : P(Ω) =. 2. Axiome d additivité : pour tous A P(Ω), B P(Ω), tels que A et B sot disjoits, o a P(A B) = P(A) + P(B). Exercice 2.. Motrer que cette défiitio est équivalete à celle doée à la Sectio.2.4 das le cas gééral. O remarquera que, lorsque l espace des états est de cardial fii, toute famille déombrable d évéemets disjoits deux-à-deux cotiet u ombre fii d évéemets o vides. Remarque. Repreos l approche fréquetiste vue à la Sectio.2.4. Les fréqueces A(N) N de réalisatio d u évéemet A sur les N premières répétitios d ue expériece vérifiet les propriétés suivates : i) pour tout évéemet A, 0 A(N) N ; ii) Ω(N) N = ; iii) si A et B sot des évéemets icompatibles, A B(N) N = A(N) N + B(N) N. La défiitio d ue probabilité doée ci-dessus découle aturellemet de ces trois propriétés. Propositio 2.. Ue probabilité sur (Ω, P(Ω)) est caractérisée par sa valeur sur les sigletos {ω}, pour tout ω Ω. Réciproquemet, à toute famille (p ω ) ω Ω telle que :. pour tout ω Ω, 0 p ω, 2. p ω =, ω Ω 5

16 o peut associer ue uique probabilité P sur (Ω, P(Ω)) défiie par : P({ω}) = p ω. O éted esuite P à P(Ω) par additivité : pour tout A P(Ω), P(A) = ω A p ω. Exercice 2.2. Démotrer la Propositio 2.. Défiitio. Ue probabilité P sur (A, Ω) est dite uiforme, si P({ω}) e déped pas de ω Ω. O dit alors que l o est e situatio d équiprobabilité. Corollaire 2.. Das ce cas, pour tout ω Ω, P({ω}) = Card(Ω), et, pour tout évéemet A P(Ω), o a : P(A) = Card(A) Card(Ω). Remarque. Pour sigaler que l o est e situatio d équiprobabilité, les mauels scolaires ot coutume d écrire que le phéomèe se produit au hasard pour permettre à l élève de compredre qu il doit choisir la probabilité uiforme. Cela a pourtat aucu ses, puisque importe quel modèle probabiliste modélise u phéomèe aléatoire... Lorsque l o veut préciser que l o est e situatio d équiprobabilité, o mettra doc l expressio au hasard etre guillemets, motrat aisi que l o est cosciet que cette expressio e veut rie dire. Cette remarque sera approfodie e Didactique, otammet avec le paradoxe de Bertrad. Exemple. Repreos la questio 4 des Exercices. et.2 du Chapitre et calculos la probabilité de l évéemet A la somme des dés est égale à 4. Supposos que l o ait choisi l espace Ω. Alors, o est e situatio d équiprobabilité et la probabilité P sur Ω est uiforme, de sorte que pour tout (i, j) {,, 6} 2 : P [{(i, j)}] = 36. Aisi, P (A) = P [{(, 3), (2, 2), (3, )}] = Card(A) Card(Ω ) = Supposos maiteat que l o ait choisi l espace Ω 2. Alors, o est plus e situatio d équiprobabilité. Au vu des coditios de l expériece, o défiit P 2 aisi : P 2 ({2}) = P 2 ({2}) = 36, P 2({3}) = P 2 ({}) = 8, P 2({4}) = P 2 ({0}) = 2, P 2 ({5}) = P 2 ({9}) = 9, P 2({6}) = P 2 ({8}) = 5 36, P 2({7}) = 6. Aisi, P 2 (A) = P 2 ({4}) = 2 mais Card(A) Card(Ω 2 ) =, d où P 2(A) Card(A) Card(Ω 2 ). Remarquer que s il o avait choisi l uivers Ω 3, o e serait pas o plus e situatio d équiprobabilité. Cet exemple motre qu il est très importat de spécifier le choix d uivers et de probabilité. Bie que les résultats fiaux e chaget pas, les raisoemets pour y arriver sot différets et doivet être explicités. Lorsque l espace des états est fii, les calculs de probabilités se ramèet essetiellemet à des problèmes de déombremet, sujet de la sectio suivate. 6

17 2..2 Déombremet, modèle d ure Défiitio. Ue populatio de taille N est u esemble S = {s,, s N } de N élémets. Les élémets de S sot les idividus de la populatio S. La taille N est le ombre d élémets de S. Tirages ordoés U échatillo de taille r est u r-uplet (s i,, s ir ) d élémets de S. Deux procédures sot possibles. Le tirage avec remise. Das ce cas, chaque élémet de l esemble peut être choisi à plusieurs reprises. O parle alors d échatillo de taille r avec répétitios. Soit Ω l esemble de ces échatillos, alors Ω = {s,, s N } r, et : Card(Ω ) = N r. Exemple. Soit S = {, 2, 3, 4} et r = 2. Alors Ω peut être représeté par la matrice M ci-dessous, et Card(Ω ) = 6. M = (, ) (, 2) (, 3) (, 4).. (4, ) (4, 2) (4, 3) (4, 4) Le tirage sas remise. Das ce cas, chaque élémet de l esemble peut être choisi au plus ue fois. O parle alors d échatillo de taille r sas répétitio, ou d arragemet des élémets de S pris r à r. Naturellemet, o impose les coditios supplémetaires r N, et j k, i j i k. Soit Ω 2 l esemble de ces échatillos, o a alors : Card(Ω 2 ) = N(N ) (N r + ) = N! (N r)! Ce ombre a deux otatios usuelles : A r N ou (N) r (symbole de Pochhammer, qui est pas au programme du CAPES). Exemple. Soit S = {, 2, 3, 4} et r = 2. Alors Ω 2 peut être représeté par la matrice M privée de sa diagoale et Card(Ω 2 ) = 2. Exemple. O cosidère ue populatio de taille N et u échatillo aléatoire de taille r avec répétitio. O choisit alors comme uivers Ω que l o muit de la probabilité uiforme, otée P. O s itéresse à l évéemet A aucu idividu a été choisi plus d ue fois qui est la même chose que tous les idividus sot disticts. Alors o a, A = Ω 2 et : Doos quelques applicatios de ce résultat. P(A) = Card(Ω 2) Card(Ω ) = Ar N N r.. O jette u dé six fois de suite. Alors la probabilité d obteir six ombres disticts est 6! 6 6 0, Supposos que das ue ville, il y ait sept accidets par semaie. Alors la probabilité d avoir exactemet u accidet chaque jour de la semaie est 7! 7 7 0,

18 Tirages o ordoés Ue sous-populatio de taille r est u sous-esemble {s i,, s ir } d élémets de S. De maière similaire aux tirages ordoés, deux procédures sot possibles. Le tirage sas remise. O parle alors de sous-populatio de taille r sas répétitio, ou de combiaiso de r élémets. O impose à ouveau les coditios supplémetaires, r N, et j k, i j i k. Soit Ω 3 l esemble de ces populatios, o a alors : Card(Ω 3 ) = N! (N r)!r!. Ce ombre, appelé coefficiet biomial, a deux otatios usuelles : CN r (otatio qui est plus e vigueur das les lycées) ou ( ) N r (otatio aglo-saxoe). Exemple. Soit S = {, 2, 3, 4} et r = 2. Alors Ω 3 peut être représeté par le triagle supérieur de la matrice M, privé de la diagoale et Card(Ω 3 ) = 6. Démostratio. Chacu des sous-esembles à r élémets fourit r! échatillos de taille r sas répétitio, de sorte que Card(Ω 2 ) = r! Card(Ω 3 ). Exemple 2... O appelle mai de poker l esemble des 5 cartes que chacu des quatre joueurs reçoit lors de la distributio d u jeu qui e cotiet 32. Alors il existe ( ) 32 5 mais différetes. Soit A l évéemet les hauteurs des 5 cartes sot différetes, calculos Card(A). O peut choisir ces hauteurs de ( 8 5) maières différetes. Il faut esuite choisir la couleur (trèfle, carreau, cœur, pique) de chacue des hauteurs. Aisi : ( ) 8 Card(A) = État doé que toutes les mais sot supposées équiprobables, la probabilité d obteir ue mai dot les 5 cartes ot ue hauteur différete est : ( 8 ) P(A) = ( 32 ) Ue ure cotiet N b boules blaches et N boules oires. Posos N = N b + N. O tire r boules avec remise das l ure, il y a alors N r tirages possibles. Soit A k l évéemet o a tiré exactemet k boules blaches, calculos Card(A k ). L évéemet A k est réalisé lorsque l issue est costituée de k boules blaches et r k boules oires. Il y a ( r k) faços de choisir la positio des boules blaches, la positio des boules oires est esuite fixée. Pour chacue des positios de boule blache, il y a esuite N b choix de boules blaches possibles, et pour chacue des positios de boule oire, il y a N choix possibles, aisi : ( ) r Card(A k ) = Nb k k N r k. État doé que tous les tirages sot supposés équiprobables, la probabilité d obteir exactemet k boules blaches lors d u tirage de r boules avec remise est : ( r ) k N k P(A k ) = b N r k ( ) ( ) r k ( ) r k Nb N N r =. k N N Ceci est u exemple de la loi biomiale, que ous reverros plus tard. 8

19 3. Soit S ue populatio de taille N (ex. des étudiats), que l o rage e deux catégories a et b icompatibles (ex. filles et garços), de tailles respectives N a et N b = N N a. O choisit au hasard ue sous-populatio de taille r sas répétitio, il y a alors ( ) N r choix possibles. Soit A k l évéemet o a choisi exactemet k idividus de la catégorie a, calculos Card(A k ). L évéemet est réalisé lorsque l issue est costituée de k idividus de la catégorie a et r k de la catégorie b. Il y a ( N a ) k faços de choisir les k idividus de la catégorie a et pour chacue il y a ( N N a ) r k faços de choisir les idividus restats das la catégorie b, aisi : ( )( ) Na N Na Card(A k ) =. k r k Remarquer que pour que ceci ait u ses, il faut que 0 k mi{r, N a }. État doé que tous les tirages sot supposés équiprobables, la probabilité d obteir k idividus de la catégorie a lors de ce tirage est : P(A k ) = )( Nb ) k r k ( N ). r ( Na Ceci est u exemple de la loi hypergéométrique. Remarque. Supposos que N a = N a (N) soit ue foctio de N et que le ombre total de boules tede vers l ifii, de sorte que la proportio Na N tede vers p (et doc que N b N tede vers p), avec 0 < p <. Aisi, N a et N b tedet vers + avec N. Fixos r 0 et k compris etre 0 et r. Alors, pour N assez grad, o a N a k, N b r k et P(A k ) peut s écrire : P(A k ) = N a(n a )... (N a k + ) k! = N b (N b )... (N b r + k + ) (r k)! r! N a (N a )... (N a k + ) N b (N b )... (N b r + k + ) k!(r k)! N(N )... (N r + ) r! = k!(r k)! ( r = k N + N k Na N ( Na N N )... ( Na N ) Na N ( Na N N )... ( Na N ( r ) k p k ( p) r k r! N(N )... (N r + ) k N ) N r k N b N ( N b N N )... ( N b N r k r )... ( N r ( N k N ) N b N ( N b N ( N. )... ( r N ) N )... ( N b N N ) r k N ) N ) Aisi, P(A k ) ted vers ( r k) p k ( p) r k. O a doc obteu la loi biomiale comme limite de lois hypergéométriques. Ce résultat est ituitif, car lorsque le ombre de boules est très grad, que le tirage s effectue avec ou sas remise e chage pas grad chose : o a peu de chace de tirer deux fois la même boule. Partitioemet Soiet r,, r k des etiers positifs (évetuellemet uls) tels que, r + + r k = N. Le ombre de faços de répartir N objets das k familles de sorte que la i-ième famille cotiee r i élémets est égal à : N! r! r k!. Ce ombre se ote ( ) N r r k et s appelle coefficiet multiomial. 9

20 Démostratio. Pour remplir la première famille, il faut choisir r objets parmi N, ce qui peut se faire de ( ) N r faços. Pour remplir la secode famille, il faut choisir r2 objets parmi N r, soit ( N r ) r 2. E cotiuat aisi, o obtiet que le ombre de telles répartitios est de : ( )( N N r r r 2 ) ( ) N r r k = r k N! r! r k!. Exemple. Le ombre d aagrammes du mot CHERCHER est 8! 2!2!2!2!. Le tirage avec remise. O parle alors de sous-populatio de taille r avec répétitios. Soit Ω 4 l esemble de ces populatios, o a alors : ( ) ( ) N + r N + r Card(Ω 4 ) = =. N r Exemple. Soit S = {, 2, 3, 4} et r = 2. Alors Ω 4 peut être représeté par le triagle supérieur de la matrice M et Card(Ω 4 ) = 0. Démostratio. Ce problème reviet à placer r boules idistiguables das N ures. E effet, le ombre de boules das la i-ième ure compte le ombre de répétitios de l idividu i lors du tirage. Représetos les r boules par r étoiles aligées, avec ue cloiso à chacue des extrémités. Par exemple, lorsque r = 7, Répartir les r boules das N ures reviet à rajouter N cloisos format les N ures. Par exemple, lorsque r = 7, N = 3,, représete le tirage : s, s, s 3, s 3, s 3, s 3, s 3. Aisi, ce problème reviet à placer N cloisos sur N + r positios, les positios restates état occupées par des. Exemple. Soiet r N et N. O cherche à compter le ombre de suites d etiers aturels r,, r, telles que : r + + r = r. Ce problème reviet à placer r boules idistiguables das ures, où le ombre de boules das la i-ième ure représete r i. Aisi, le ombre de ces suites est ( ) +r. Par exemple, si r = 0, = 3, représete la partitio (2, 5, 3) de 0. Remarquer que ces suites sot aturellemet ordoées de sorte que l o distigue (2, 5, 3) de (5, 3, 2). Exercices Exercice 2.3. Supposos que 23 persoes sot das ue même salle. Quelle est la probabilité qu au mois deux d etre elles aiet l aiversaire le même jour? (O e cosidérera pas les aées bissextiles.) Exercice 2.4. Das ue course, chevaux sot au départ. O suppose qu ils ot tous la même chace de gager. Calculer la probabilité de gager le tiercé avec u ticket : 20

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités.

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités. PROBABILITÉS I. PROBABILITÉS ( RAPPELS) a. Expérieces aléatoires et modèles Le lacer d ue pièce de moaie, le lacer d u dé sot des expérieces aléatoires, car avat de les effectuer, o e peut pas prévoir

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

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

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

Plus en détail

Dénombrement - Combinatoire Cours

Dénombrement - Combinatoire Cours Déombremet - Combiatoire Cours La combiatoire (ou aalyse combiatoire) étudie commet compter des objets. Elle fourit des méthodes de déombremet particulièremet utiles e probabilité. U des pricipaux exemples

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

XV. Probabilités. Pour le second exemple, le dénombrement de toutes les issues possibles (un schéma en arbre peut nous y aider),

XV. Probabilités. Pour le second exemple, le dénombrement de toutes les issues possibles (un schéma en arbre peut nous y aider), . Itroductio XV. robabilités. L'étude des probabilités couvre toutes les situatios de phéomèes ayat plusieurs issues possibles, la réalisatio de chaque résultat état due au hasard. Des exemples de calcul

Plus en détail

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

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice - Loi d u dé truqué - L2/ECS -. X pred ses valeurs das {,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque P X est

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

Sciences Po Option Mathématiques

Sciences Po Option Mathématiques Scieces Po Optio Mathématiques Epreue 3 Vrai-Fau Questio FAUX La suite ( u ) état géométrique de raiso différete de, o a classiquemet, pour tout etier aturel : où q est la raiso de la suite ( u ) Ici,

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Logique, esembles et applicatios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I :

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

Correction Bac ES France juin 2010

Correction Bac ES France juin 2010 Correctio Bac ES Frace jui 010 Exercice 1 (4 poits) (Commu à tous les cadidats) Pour ue meilleure compréhesio, les réposes serot justifiées das ce corrigé. Questio 1 Le ombre 3 est solutio de l équatio

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h Etrée à Scieces Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h A P M E P Les calculatrices sot autorisées Exercice Vrai-Faux 8 poits Pour chacue des affirmatios suivates,

Plus en détail

II. Permutations sans répétitions et notation factorielle

II. Permutations sans répétitions et notation factorielle février 2012 ORRIGE II. Permutatios sas répétitios et otatio factorielle Aalyse combiatoire 4 ème - 1 I. Itroductio Les différets modèles mathématiques costruits pour étudier les phéomèes où iterviet le

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Probabilités & Statistiques L1: Cours. December 20, 2008

Probabilités & Statistiques L1: Cours. December 20, 2008 Probabilités & Statistiques L1: Cours December 20, 2008 Chapter 1 Déombremets I 1.1 Pricipes gééraux Règle du produit O fait deux expérieces, successives ou simultaées. Si la première doe 1 résultats possibles

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Fluctuation et estimation

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

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE

ADMISSION AU COLLEGE UNIVERSITAIRE ADMISSION AU COLLEGE UNIVERSITAIRE Samedi mars 204 MATHEMATIQUES durée de l'épreuve : 3h - coefficiet 2 Le sujet est uméroté de à 5. L'aexe est à redre avec la copie. L'exercice Vrai-Faux est oté sur 8,

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Estimations et intervalles de confiance

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

Plus en détail

TS Intervalle de fluctuation et estimation Cours

TS Intervalle de fluctuation et estimation Cours Aée 2013/2014 TS Itervalle de fluctuatio et estimatio Cours est u etier aturel o ul et p est u réel de l itervalle 0 ; 1. I Itervalle de fluctuatio Cotexte : Das ue populatio, la proportio d idividus présetat

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) Bac Blac Termiale L - Février 015 Épreuve de Spécialité Mathématiques (durée 3 heures) Questio 1 : La populatio d'ue ville baisse de 1 % tous les as pedat 10 as. Elle est doc multipliée

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 [htt://m.cgeduuydelome.fr] édité le 10 juillet 2014 Eocés 1 Déombremet Exercice 1 [ 01529 ] [correctio] Soiet E et F deux esembles fiis de cardiaux resectifs et. Combie y a-t-il d ijectios de E das F?

Plus en détail

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités coditioelles - Suites géométriques - foctios epoetielles Calculatrice autorisée Termiale ES123 Eercice 1 : 5 poits Partie A : Ue agece de locatio

Plus en détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

Éléments de cours de Probabilités

Éléments de cours de Probabilités Élémets de cours de Probabilités Licece de mathématiques Uiversité de Versailles Sait-Queti Jea-Fraçois Marckert Table des matières I. Itroductio 1 1. U peu d histoire......................................

Plus en détail

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Féelo aite-marie Préparatio ciece-po/prépa HEC Foctios Versio du juillet 05 Eercice d degré : racies et coefficiets O rappelle que si l équatio a + b + c = 0 ( a 0 ) adet deu racies α et β (évetuelleet

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Probabilités. Poly des exercices. Prépa HEC Saint-Jean de Douai. Springer-Verlag ECS1 2007-2008. 4 septembre 2008

Probabilités. Poly des exercices. Prépa HEC Saint-Jean de Douai. Springer-Verlag ECS1 2007-2008. 4 septembre 2008 Prépa HEC Sait-Jea de Douai Probabilités Poly des exercices ECS1 2007-2008 Christia Skiada 4 septembre 2008 Spriger-Verlag Berli Heidelberg NewYork Lodo Paris Tokyo Hog Kog Barceloa Budapest Préface Voici

Plus en détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

Baccalauréat S Nouvelle-Calédonie 7 mars 2014

Baccalauréat S Nouvelle-Calédonie 7 mars 2014 Durée : 4 heures Baccalauréat S Nouvelle-Calédoie 7 mars 2014 A. P. M. E. P. EXERCICE 1 Commu à tous les cadidats 4 poits Cet exercice est u QCM questioaire à choix multiple. Pour chaque questio, ue seule

Plus en détail

STATISTIQUE : ESTIMATION

STATISTIQUE : ESTIMATION STATISTIQUE : ESTIMATION Préparatio à l Agrégatio Bordeaux Aée 202-203 Jea-Jacques Ruch Table des Matières Chapitre I. Estimatio poctuelle 5. Défiitios 5 2. Critères de comparaiso d estimateurs 6 3. Exemples

Plus en détail

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse Séquece 9 Itervalles de fluctuatio, estimatio Objectifs de la séquece Das le chapitre 2, o étudie des itervalles de fluctuatio des variables aléatoires X F =, fréqueces des variables aléatoires biomiales

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Promenades aléatoires : vers les chaînes de Markov

Promenades aléatoires : vers les chaînes de Markov AME Dossier : Matrices et suites 545 romeades aléatoires : vers les chaîes de Markov ierre Griho (*) Cet article propose ue mise e perspective de la otio de promeade ou de marche aléatoire itroduite das

Plus en détail

Cours de théorie des probabilités avec exercices corrigés et devoirs

Cours de théorie des probabilités avec exercices corrigés et devoirs Cours de théorie des probabilités avec exercices corrigés et devoirs Licece de mathématiques, 3 ième aée Bruo Saussereau Aée uiversitaire 203-204 Bruo Saussereau, Laboratoire de Mathématiques de, UF Scieces

Plus en détail

Probabilités et Statistiques: Eléments de cours et exercices

Probabilités et Statistiques: Eléments de cours et exercices Uiversité Paris Villetaeuse Aée 2013/2014 Clémet Foucart 1 Probabilités Probabilités et Statistiques: Elémets de cours et exercices Prépa Capes Les programmes de mathématiques das l'eseigemet secodaire

Plus en détail

Dénombrement. 1 Dénombrer des listes 2 1.1 Permutation... 2 1.2 Arrangement... 3 1.3 p-liste... 4

Dénombrement. 1 Dénombrer des listes 2 1.1 Permutation... 2 1.2 Arrangement... 3 1.3 p-liste... 4 1 Déombremet Table des matières 1 Déombrer des listes 2 1.1 Permutatio................................ 2 1.2 Arragemet............................... 3 1.3 -liste.................................... 4

Plus en détail

Soit E un ensemble. On appelle classe de parties de E un sous-ensemble non vide de P(E).

Soit E un ensemble. On appelle classe de parties de E un sous-ensemble non vide de P(E). Chapitre 1 Tribus 1.1 Défiitios Soit E u esemble. O appelle classe de parties de E u sous-esemble o vide de P(E). Défiitio 1.1.1. Ue tribu A sur E est u sous-esemble o vide de P(E) tel que : (i) la partie

Plus en détail

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( )

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( ) Aée 01-013 Mathématiques Décembre 01 Durée : 3 heures BAC blac N 1 La calculatrice est autorisée. Le sujet comporte u total de 5 exercices. Les élèves e suivat pas l eseigemet de spécialité traiterot les

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

La Méthode de Monte Carlo

La Méthode de Monte Carlo La Méthode de Mote Carlo Etiee Pardoux UMR 6632 Laboratoire d Aalyse, Topologie, Probabilités et EA 3781 Evolutio Biologique Uiversité de Provece Etiee Pardoux (LATP) Marseille, 13/09/2006 1 / 33 Cotets

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles BTS Mécaique et Automatismes Idustriels Statistiques iféretielles, Aée scolaire 2005 2006 Statistiques iféretielles 1. Itroductio vocabulaire Pour étudier ue populatio statistique, o a recours à deux méthodes

Plus en détail

Correction CCP maths 1 MP

Correction CCP maths 1 MP mai 4 Avertissemet : Il subsiste certaiemet quelques coquilles... Exercice : ue itégrale double Correctio CCP maths MP Pour calculer cette itégrale, o effectue le chagemet de variable e coordoées polaires

Plus en détail

Probabilités exercices corrigés

Probabilités exercices corrigés Termiale S Probabilités Exercices corrigés Combiatoire avec démostratio Ragemets Calcul d évéemets Calcul d évéemets Calcul d évéemets 6 Dés pipés 7 Pièces d or 8 Agriculteur pas écolo 9 Boules Jeux 6

Plus en détail

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f.

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f. Chapitre 14 Itervalle de fluctuatio des fréqueces. Estimatio Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Itervalle de fluctuatio Estimatio Itervalle de cofiace (*). Niveau

Plus en détail

09 G 18bis AR Durée: 4 heures Séries : S1-S3 - Coeff. 8.. Epreuve du 1 er groupe

09 G 18bis AR Durée: 4 heures Séries : S1-S3 - Coeff. 8.. Epreuve du 1 er groupe UNIVERSITE CHEIKH ANTA DIOP DE DAKAR 1/ 9 OFFICE DU BACCALAUREAT BP 5005-DAKAR-Fa-Séégal Serveur Vocal: 68 05 59 Téléfax (1) 864 67 39 - Tél : 84 95 9-84 65 81 M A T H E M A T I Q U E S 09 G 18bis AR Durée:

Plus en détail

Remise à Niveau Mathématiques

Remise à Niveau Mathématiques Mathématiques RAN - Calcul et raisoemet Remise à Niveau Mathématiques Première partie : Calcul et raisoemet Exercices Page sur 9 RAN Calcul et raisoemet Ex - Rev 04 Mathématiques RAN - Calcul et raisoemet

Plus en détail

Correction HEC III 2007

Correction HEC III 2007 HEC III 7 Voie Écoomique Correctio Page Correctio HEC III 7 Voie écoomique La correctio comporte 9 pages. Eercice. Par dé itio est ue valeur propre de t si et seulemet si est ue valeur propre de T: Et

Plus en détail

Université Pierre et Marie Curie Licence de Mathématiques (3ème année) Année 2004/2005. Probabilités Pierre Priouret

Université Pierre et Marie Curie Licence de Mathématiques (3ème année) Année 2004/2005. Probabilités Pierre Priouret Uiversité Pierre et Marie Curie Licece de Mathématiques (3ème aée) Aée 2004/2005 Probabilités Pierre Priouret Mode d emploi Ce polycopié est destié aux étudiats de la Licece (3ème aée) de Mathématiques

Plus en détail

P : Dénombrements / Probabilités en univers fini

P : Dénombrements / Probabilités en univers fini P : Déombremets / Probabilités e uivers fii Déombremet & Combiatoire P.1 O tire les cartes! O tire 5 cartes das u jeu de 32 cartes usuel. Combie y a-t-il de tirages possibles vérifiat les coditios suivates

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Seconde année - Semestre 3 PROBABILITÉS

Seconde année - Semestre 3 PROBABILITÉS 1 UNIVERSITÉ DE CERGY Aée 2012-2013 LICENCE d ÉCONOMIE et GESTION Secode aée - Semestre 3 PROBABILITÉS Feuille d exercices N 3 : Variables aléatoires - Lois discrètes 1. Calculez 3 2 + 2 5 Exercice I (

Plus en détail

FLUCTUATION ET ESTIMATION

FLUCTUATION ET ESTIMATION 1 FLUCTUATION ET ESTIMATION Le mathématicie d'origie russe Jerzy Neyma (1894 ; 1981), ci-cotre, pose les fodemets d'ue approche ouvelle des statistiques. Avec l'aglais Ego Pearso, il développe la théorie

Plus en détail

Correction des exercices sur la nature ondulatoire de la lumière

Correction des exercices sur la nature ondulatoire de la lumière CORRECTION EXERCICES TS /5 CHAPITRE 3 Correctio des exercices sur la ature odulatoire de la lumière Correctio exercice : idice d u verre et réfractio. La radiatio = 530 m est verte et la radiatio = 680

Plus en détail

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures)

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voie B Optio Écoomie MATHÉMATIQUES (Durée de l épreuve : 4 heures)

Plus en détail

Dénombrement. ECE3 Lycée Carnot. 30 novembre 2011

Dénombrement. ECE3 Lycée Carnot. 30 novembre 2011 Déombremet ECE Lycée Carot 0 ovembre 2011 Itroductio La combiatoire, sciece du déombremet, sert comme so om l idique à comter Il e s agit bie etedu as de reveir au stade du CP et d aredre à comter sur

Plus en détail

CONCOURS EXTERNE POUR l ACCÈS AU GRADE D INSPECTEUR DES FINANCES PUBLIQUES AFFECTÉ AU TRAITEMENT DE L INFORMATION EN QUALITÉ D ANALYSTE

CONCOURS EXTERNE POUR l ACCÈS AU GRADE D INSPECTEUR DES FINANCES PUBLIQUES AFFECTÉ AU TRAITEMENT DE L INFORMATION EN QUALITÉ D ANALYSTE J. 3 398 CONCOURS EXTERNE POUR l ACCÈS AU GRADE D INSPECTEUR DES FINANCES PUBLIQUES AFFECTÉ AU TRAITEMENT DE L INFORMATION EN QUALITÉ D ANALYSTE ANNÉE 04 ÉPREUVE ÉCRITE D ADMISSIBILITÉ N 3 Durée : 3 heures

Plus en détail

Séquence 1. Les suites numériques. Sommaire. 1. Pré-requis 2. Le raisonnement par récurrence 3. Notions de limites 4. Synthèse

Séquence 1. Les suites numériques. Sommaire. 1. Pré-requis 2. Le raisonnement par récurrence 3. Notions de limites 4. Synthèse Séquece Les suites umériques Sommaire Pré-requis Le raisoemet par récurrece 3 Notios de limites 4 Sythèse Das cette séquece, il s agit d ue part d approfodir la otio de suites umériques permettat la modélisatio

Plus en détail

Terminale S. 1. Divers

Terminale S. 1. Divers Termiale S 1 Divers Bézout 3 Quadratique 4 Divisibilité 5 Equatio diophatiee 6 Equatio diophatiee (, Caracas 01_04) 7 Base de umératio 8 Base de umératio 3 9 Somme des cubes 10 PGCD 11 Somme des diviseurs

Plus en détail

École de technologie supérieure

École de technologie supérieure École de techologie supérieure Mat 165-04 Algèbre liéaire et aalyse vectorielle A-015 Michel Beaudi michel.beaudi@etsmtl.ca Liste d exercices à faire e T.P./Caledrier des évaluatios Itroductio au cours

Plus en détail

On obtient la formule de Pascal en prenant le cardinal :

On obtient la formule de Pascal en prenant le cardinal : Colles du 3 ovembre 014 Solutio de la questio de cours 1. (i) Soit E u esemble de cardial. L esemble (E) peut alors être partitioé comme suit : (E) (E), où (E) est l esemble des parties de E de cardial.

Plus en détail

Probabilités et Statistique

Probabilités et Statistique Probabilités et Statistique Jea-Michel JOLION Départemet Géie Idustriel 3ème Aée Versio électroique : http://rfv.isa-lyo.fr/ jolio/stat/poly.html May 26, 2006 INSA Lyo - Bât. J. Vere - 69621 Villeurbae

Plus en détail

Exercices - Lois discrètes usuelles : corrigé

Exercices - Lois discrètes usuelles : corrigé www.almohadiss.com Exercice - Avio - L2/Prépa Hec - O ote X la variable aléatoire du ombre de moteurs de A qui tombet e pae, et Y la variable aléatoire du ombre de moteurs de B qui tombet e pae. X suit

Plus en détail

GRAPHES. 0 1 1 0 0 1 1 0 0 0 Les graphes ci-dessous peuvent-ils être associés à A? Exercice n 6. Ecrivez la matrice associé à chaque graphe :

GRAPHES. 0 1 1 0 0 1 1 0 0 0 Les graphes ci-dessous peuvent-ils être associés à A? Exercice n 6. Ecrivez la matrice associé à chaque graphe : Exercice. Détermier le degré de chacu des sommets du graphe suivat : GRAPHES Exercice 6. Ecrivez la matrice associé à chaque graphe : Exercice. Trois pays evoiet chacu à ue coférece deux espios ; chaque

Plus en détail

Chapitre 3 Détermination de la taille de l'échantillon

Chapitre 3 Détermination de la taille de l'échantillon Chapitre 3 Détermiatio de la taille de l'échatillo Lorsqu o prélève u échatillo pour estimer u paramètre, o court toujours le risque de découvrir u peu trop tard que l'échatillo prélevé est trop petit

Plus en détail

Probabilité 1 - L1 MMIA

Probabilité 1 - L1 MMIA Probabilité 1 - L1 MMIA Tra Viet Chi, vtra@u-paris10fr, Bureau E12(G) Exercice 1 (Pour démarrer) 1 Soiet A et B deux esembles Rappelez les défiitios de l itersectio A B, de l uio A B, de la différece A

Plus en détail

Séquence 8. Suites arithmétiques et géométriques. Sommaire

Séquence 8. Suites arithmétiques et géométriques. Sommaire Séquece 8 Suites arithmétiques et géométriques Sommaire Pré-requis Suites arithmétiques Suites géométriques Sythèse du cours Exercices d approfodissemet Séquece 8 MA Ced - Académie e lige Pré-requis A

Plus en détail

MATHÉMATIQUES Corrigé

MATHÉMATIQUES Corrigé Exame de ovembre 009 Exame du premier trimestre Le 30 ovembre 009 Classes de ère STG Durée 3 heures MATHÉMATIQUES Corrigé Note aux cadidats L emploi des calculatrices est autorisé (circulaire 99 86 du

Plus en détail

FONCTION EXPONENTIELLE

FONCTION EXPONENTIELLE FONCTION EXPONENTIELLE I. RAPPELS : METHODE D EULER Si f est ue foctio dérivable e x 0, o sait que f(x 0 + h) a pour approximatio affie f(x 0 ) + f '(x 0 )h O peut doc sur de "petits" itervalles, approcher

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6 Corrigés TD Chapitre : Variables aléatoires sur u uivers fii Exercice : Soit X la VAR défiie par le tableau suivat : x i - - 0 p 6 4 6 4 6 i O ote Y = X ) Détermier la loi cooite de X et Y ) Détermier

Plus en détail

PROJET DE MONTE CARLO SUJET 1: LE PRICING

PROJET DE MONTE CARLO SUJET 1: LE PRICING LE Age KHOURI Nadie M MMD PROJE DE MONE ARLO SUJE : LE PRIING Selim ZOUGHLAMI QUESION : Supposos d abord que X est u mouvemet browie W t G([ 0, ]) Alors W0 G( 0 ) suit ue loi N(0,0) et doc W 0ps 0 Esuite,

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

AVANT PROPOS. Cet ouvrage pourra intéresser également les enseignants de ce niveau.

AVANT PROPOS. Cet ouvrage pourra intéresser également les enseignants de ce niveau. AVANT PROPOS Cet ouvrage propose aux élèves de classes termiales (fraçais) S (spécialité math) des rappels et des complémets de cours assez complet, aisi que des problèmes et des exercices corrigés. Les

Plus en détail

Cours de méthodes de simulation

Cours de méthodes de simulation ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION ( ESSAIT) Cours de méthodes de simulatio Préparé par Hasse MATHLOUTHI Aée uiversitaire 2014-2015 AVANT PROPOS Ce documet propose u cours sur

Plus en détail

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels.

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels. Uiversité de Provece 011 01 Mathématiques Géérales I Plache 6 Nombres réels Suites réelles Nombres réels Exercice 1 Mettre sous forme irréductible p/q les ratioels suivats (les chiffres souligés se répètet

Plus en détail

Test de validité et d'hypothèse

Test de validité et d'hypothèse Test de validité et d'hypothèse 1 Vocabulaire Problème: Il s'agit à partir de l'étude d'u ou plusieurs échatillos de predre des décisios cocerat l'esemble de la populatio. O est alors ameé à émettre des

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Estimation. Exemple Les statistiques des notes obtenues en mathématiques au BTS OL en France pour l année 2014 sont :

Estimation. Exemple Les statistiques des notes obtenues en mathématiques au BTS OL en France pour l année 2014 sont : Estimatio Objectifs Estimer poctuellemet ue proportio, ue moyee ou u écart type d ue populatio à l aide de la calculatrice ou d u logiciel, à partir d u échatillo Détermier u itervalle de cofiace à u iveau

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

L3 MFA, Probabilités, 2010-2011 Université Paris-Sud 11. Feuille de TD n o 1

L3 MFA, Probabilités, 2010-2011 Université Paris-Sud 11. Feuille de TD n o 1 L3 MFA, Probabilités, 00-0 Uiversité Paris-Sud Exercice.. Jea, Luc et Marc lacet chacu u dé. Feuille de TD o (a) Doer u espace de probabilité (Ω, F, P) associé à cette expériece aléatoire. (b) Soiet i,

Plus en détail

Mathématiques. Terminale S Corrigés des exercices. Rédaction : Laurent Beroul Isabelle Tenaud Sébastien Cario. Coordination : Sébastien Cario

Mathématiques. Terminale S Corrigés des exercices. Rédaction : Laurent Beroul Isabelle Tenaud Sébastien Cario. Coordination : Sébastien Cario Mathématiques Termiale S Corrigés des eercices Rédactio : Lauret Beroul Isabelle Teaud Sébastie Cario Coordiatio : Sébastie Cario Ce cours est la propriété du Ced Les images et tetes itégrés à ce cours

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Questions Chapitre 2 L approche statistique de la réalité 1

Questions Chapitre 2 L approche statistique de la réalité 1 Questios Chapitre 2 L approche statistique de la réalité 1 Expliquer la otio de variable et défiir les différets types de variables Décrire les échelles de classificatio et trasformer les doées pour passer

Plus en détail