GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

Dimension: px
Commencer à balayer dès la page:

Download "GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau"

Transcription

1 GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau

2

3 Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles 20 TD 4. Lois discrètes 23 TD 5. Variables aléatoires discrètes 28 3

4 Énoncés

5 I.U.T.de SCEAUX G.E.A.2 1ère année Liliane ALFONSI T.D. 1 : Analyse combinatoire Exercice 1 : De combien de façons peut on : a) répartir 5 voyageurs dans un hôtel de 10 chambres, un voyageur occupant une seule chambre? b) répartir 6 sacs à dos identiques entre 7 randonneurs, un randonneur n ayant qu un sac à dos? c) répartir 2 bonbons identiques parmi 3 enfants, un seul enfant ne pouvant pas avoir les 2? d) obtenir un sigle de 4 lettres avec les lettres G,E,A? e) obtenir un nombre de 3 chiffres avec les chiffres tous distincts? f) dans le dessin ci dessous, aller de A à B en utilisant le chemin le plus court, en ne suivant que les traits tracés? Exercice 2 : Une main est un ensemble de 5 cartes. On tire une main dans un paquet de 32 cartes. Combien a-t-on de mains différentes possibles? Parmi celles ci : a) combien ont un roi? b) combien ont au moins un roi? c) combien ont le roi de coeur? d) combien ont au moins un coeur? e) combien ont un roi et un coeur? f) combien ont un roi et au moins 3 coeurs? Exercice 3 : Combien de mots (un mot est un assemblage de lettres, par exemple: «zwqg»est un mot) de 4 lettres peut on écrire? Parmi ces mots combien contiennent les lettres M et E? Combien ont 3 fois la même lettre?

6 I.U.T.de SCEAUX G.E.A.2 1ère année Liliane ALFONSI T.D. 2 : Probabilités élémentaires Exercice 1 : On choisit 3 cartes dans un jeu de 32. Quelle est la probabilité d avoir : a) 3 as? b) au moins 2 as? c) 2 rois et 1 dame? d) au moins 2 rois et au moins une dame? e) au moins un valet et au plus un as? f) un roi et un pique? Exercice 2 : Dans une urne il y a 4 boules vertes, 2 bleues, et 3 rouges. Quelle est la probabilité de tirer : a) une de chaque couleur en tirant une poignée de 3? b) d abord une verte, puis, après remise, une bleue, puis après remise une rouge? c) une de chaque couleur en tirant les boules une à une avec remise? d) k vertes, (avec k=0, puis k=1, puis k=2, puis k=3) avec la règle: «on tire une boule, si elle est verte on la garde, sinon on la remet», sachant que l on fait 3 tirages? Exercice 3 : Vous montez dans un avion qui a 2 réacteurs sur chaque aile. Chaque réacteur a 2% de chances de tomber en panne, mais l avion peut continuer à voler avec au moins un réacteur sur chaque aile. Quelle chance avez vous d arriver à bon port? Exercice 4 : On lance 2 dés. Quelle est la probabilité d avoir: a) un double? b) un 2 et un 5? c) une somme égale à 5? à7? d) 2 nombres qui se suivent?

7 I.U.T.de SCEAUX G.E.A.2 Liliane ALFONSI T.D. 3 : Probabilités conditionnelles. Exercice 1 : Trois pannes P1, P2, P3, apparaissent avec les probabilités suivantes: 25% pour P1, 25% pour P2, 50% pour P3. Ces pannes de l appareil ont les probabilités respectives 7%, 33%, 12%, de provoquer un court circuit. Un court circuit a lieu, quelle est la panne la plus probable parmi P1, P2, P3? Exercice 2 : Dans le pays de Yellowland, un homme a 1 chance sur 2 d être blond et une femme 1 chance sur 3. Vous débarquez dans la capitale Yellowtown et vous apercevez de loin un habitant blond. Quelle est la probabilité que ce soit une femme? Exercice 3 : Un test T est destiné à contrôler si un réveil électronique est ou non défectueux. Dans l usine de production, on a constaté au fil des ans que la proportion de réveils fabriqués en bon état de marche est toujours de x. Le test T détecte un mauvais fonctionnement dans 95% des cas où le réveil est défectueux, et dans 3% des cas où le réveil fonctionne correctement. Quelle est la probabilité qu un réveil, détecté non valable par T, soit en fait en bon état? Exercice 4 : Un professeur mal réveillé, se rend chaque matin de son domicile A à l IUT, désigné par C, avec 1 chance sur 2 de prendre le bon chemin à chaque carrefour. Quelle est la probabilité qu il arrive en C? Ce matin il est bien arrivé à l IUT, quelle est la probabilité qu il soit passé par B?

8 I.U.T.de SCEAUX G.E.A.2 Liliane ALFONSI T.D.: Lois discrètes. Exercice 1: On jette trois pièces de monnaie. Chaque Pile rapporte 1 franc mais chaque F coûte 1 franc. Quel est l'espérance de gain? L'écart type? Exercice 2 : La probabilité pour une ampoule d'être défectueuse est 3,5%. Soit X le nombre de mauvaises ampoules dans les lots de trois. Qu'elle est la loi de X? Son espérance? Sa variance? Exercice 3 : Soit X un entier au hasard entre 1 et 10. Quelle est la loi de X? sa fonction de répartition? Exercice 4 : Un cheval a la probabilité 0,6 de gagner une course, sauf dans le cas où il a perdu la course précédente auquel cas il n'a plus que 0,4. Invaincu de la saison ce cheval prépare trois courses. Quelle est la distribution de la variable aléatoire : X = nombre de courses gagnées sur les trois? Son espérance? Sa variance? Exercice 5 : Dans un lot de 100 pièces, on en choisit 10 au hasard. Quelle est la probabilité d'avoir 2 pièces mauvaises sur les dix si l'on suppose : a) on prend les 10 pièces en une seule fois et on sait qu'il y a vingt pièces défectueuses parmi les 100? b) il y a environ 20 pour cent de pièces défectueuses dans la production en général?

9 I.U.T.de SCEAUX G.E.A.2 Liliane ALFONSI T.D. 4 : Variables aléatoires discrètes. Exercice 1 : L'entreprise Tina Rassi, grande spécialiste du "petit papa Noël", fabrique pour le 30 Novembre, et loue à la journée, pour les fêtes de fin d'année, des pères Noël robotisés pour distribuer les jouets aux enfants lors des arbres de Noël des écoles et des collectivités. Au 1er Janvier, en piteux état, ils partent à la casse. (Triste destin pour un père Noël! ). D'après une étude,l'entreprise sait qu'au mois de Décembre, la variable aléatoire X = «Nombre de clients par jour», obéit à la loi suivante: X p Les frais de gestion et d'entretien de stock s'élèvent à 50 Euros par robot et par jour. Sachant que le prix de location d'un père Noël pour la journée est de 300 Euros, quel est le stock de robots donnant la meilleure espérance de gain total par jour? (on calculera l'espérance du gain pour un stock de 1 père Noël, de 2 pères Noël, de 3,de 4, 5,6,7, et 8 pères Noël ). Exercice 2 : Au 1er Décembre 2000, l'entreprise possèdera 6 robots dont chacun aura, chaque jour de sa brève existence, 95% de chances d'être en état de marche. Soit Y la variable aléatoire : «Nombre de pères Noël en état de marche chaque jour de Décembre». Donner toutes les valeurs de Y et les probabilités qui s'y rattachent. Exercice 3 : Soit Z la variable aléatoire : «Nombre de pères Noël loués effectivement par jour». Quelle est la loi de Z?, son espérance?, son écart type?, sa variance? sa fonction de répartition? Exercice 4 : On prévoit pour un autre objet, une vente V qui peut atteindre 1000 objets, 2000 objets, ou 3000 objets, avec les probabilités respectives de 0,25; 0,5; 0,25. Le bénéfice unitaire B, peut être de 100 Euros, avec la probabilité 1/6, 200 Euros, avec la probabilité 1/4, 300 Euros, avec la probabilité 1/3, 400 Euros, avec la probabilité 1/4. Quelle est la loi de CA=V.B? sa fonction de répartition? Comparer E(V.B) à E(V).E(B). Conclusion? Exercice 5 : Soient X et Y, 2 variables aléatoires indépendantes, dont les lois sont données par les tableaux suivants: X Y proba 1/4 1/4 1/4 1/4 proba 1/3 1/3 1/3 Donner laloi de X+Y, sa fonction de répartition, son espérance, sa variance.

10 Corrigés

11 TD 1. Analyse combinatoire Exercice 1 Revoir les corrections détaillées du tableau. Si on veut aller plus vite on peut écrire : (a) On répartit des voyageurs (p = 5) entre des chambres (n = 10). On peut diérencier les voyageurs donc il y a un ordre. Chaque voyageur a une seule chambre, donc il n'y a pas répétition. Le nombre de solution est donc le nombre d'arrangements : A 5 10 = (b) On répartit des sacs (p = 6) entre des randonneurs (n = 7). On ne peut pas diérencier les sacs, donc il n'y a pas d'ordre. On ne peut donner qu'un sac à chaque voyageur donc il n'y a pas répétition. Le nombre de solution est donc le nombre de combinaisons : C 6 7 = 7. (c) On répartit des bonbons (p = 2) entre des enfants (n = 3). On ne peut pas diérencier les bonbons, donc il n'y a pas d'ordre. On ne peut donner qu'un bonbon à chaque enfant donc il n'y a pas répétition. Le nombre de solution est donc le nombre de combinaisons : C 2 3 = 3. (d) On répartit des positions dans le mot (p = 4) entre les lettres de l'alphabet {G, E, A} (n = 3). On peut diérencier les positions dans le mot donc il y a un ordre. Une lettre peut apparaître à plusieurs positions, donc il y a répétition. Le nombre de solution est donc le nombre exponentiel : 3 4 = 81. (e) On répartit des positions dans le nombre (p = 3) entre les chires de l'alphabet {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} (n = 10). On peut diérencier les positions dans le nombre donc il y a un ordre. Un chire ne peut pas apparaître à plusieurs positions, donc il n'y a pas répétition. Le nombre de solution est donc le nombre d'arrangements : A 3 10 = 720. (f) C'est l'exemple le plus dur. On répartit des pas verticaux (p = 2) dans les huit positions dans une marche de huit pas (n = 8). On ne peut pas diérencier deux pas verticaux donc il n'y a pas d'ordre. On ne peut pas faire deux k-ème pas, donc il n'y a pas de répétition. Le nombre de solution est donc le nombre de combinaisons : C 2 8 = 28.

12 TD 1. ANALYSE COMBINATOIRE 12 Exercice 2 Une main est un ensemble de p = 5 cartes non-ordonnées. Chaque carte peut avoir n = 32 valeurs. Il n'y a pas d'ordre car la main n'est pas ordonnée. Il n'y a pas de répétition car chaque carte de la main n'a qu'une valeur à la fois. Le nombre total de mains Card(Ω) est donc le nombre de combinaisons : Card(Ω) = C 5 32 = Dans toute les questions suivantes. On divise le paquet de carte en plusieurs paquets, suivant un critère, puis on regarde combien de carte on prend dans chaque paquet. (a) paquet 1: les cartes qui sont des rois, n 1 = 4, p 1 = 1. paquet 2: les cartes qui ne sont pas des rois, n 2 = 32 4 = 28, p 2 = 5 1 = 4. On obtient : C4 1 choix pour les rois et C4 28 choix pour les "non-rois". Donc pour le nombre de main avec (exactement) un roi on obtient : C 1 4 C 4 28 = Il y a mains avec exactement un roi. (b) On compte les mains sans rois. 1 paquet 1: les cartes qui sont des rois, n 1 = 4, p 1 = 0. paquet 2: les cartes qui ne sont pas des rois, n 2 = 32 4 = 28, p 2 = 5 0 = 5. On obtient : C4 0 choix pour les rois et C5 28 choix pour les "non-rois". Donc pour le nombre de main avec aucun roi on obtient : C 0 4 C 5 28 = Le nombre de mains avec au moins un roi est donc : = Il y a mains avec au moins un roi. 1. Comme avoir au moins un roi a beaucoup de sous-cas 1, 2, 3 ou 4 rois on compte plutôt le nombre de mains dans le complémentaire, c'est à dire le nombre de mains sans rois. Ensuite il sut de soustraire. Soit A = {mains avec au moins un roi} alors A = {mains avec 0 rois}, et l'égalité : permet de conclure. Card(A) = Card(Ω) Card(A)

13 TD 1. ANALYSE COMBINATOIRE 13 (c) paquet 1: les cartes qui sont le roi de c ur, n 1 = 1, p 1 = 1. paquet 2: les cartes restantes, n 2 = 32 1 = 31, p 2 = 5 1 = 4. Le nombre de mains avec le roi de c ur est donc : C 1 1 C 4 31 = Il y a mains avec le roi de c ur. (d) On compte plutôt les mains sans c ur. paquet 1: les cartes qui sont des c urs, n 1 = 8, p 1 = 0. paquet 2: les cartes restantes, n 2 = 32 8 = 24, p 2 = 5 0 = 5. Le nombre de mains sans c urs est donc : C 0 8 C 5 24 = Puis, le nombre de mains avec au moins un c ur est : = Il y a mains avec au moins un c ur. (e) Ici, on est obligé de considérer des sous-cas. On fait 4 paquets : 2 paquet 1: les cartes qui sont le roi de c ur, n 1 = 1. paquet 2: les autres c urs, n 2 = 8 1 = 7. paquet 3: les autres rois, n 3 = 4 1 = 3. paquet 4: les cartes restantes, n 4 = = 21. puis on fait un tableau : p 1 p 2 p 3 p 4 nombre de solutions C 1 1 C0 7 C0 3 C0 21 = C 0 1 C1 7 C1 3 C0 21 = 21 Pour nir, on fait la somme sur tous les sous-cas : = 22. Il y a 22 mains avec (exactement) un roi et (exactement) un c ur. (f) On utilise les mêmes paquets mais il y a plus de cas : 2. ATTENTION au roi de c ur, qui est un roi ET un c ur

14 TD 1. ANALYSE COMBINATOIRE 14 p 1 p 2 p 3 p 4 nombre de solutions C1 1 C2 7 C0 3 C2 21 = C1 1 C3 7 C0 3 C1 21 = C1 1 C4 7 C0 3 C0 21 = C1 0 C3 7 C1 3 C1 21 = C1 0 C4 7 C1 3 C0 21 = 105 Pour nir, on fait la somme sur tous les sous-cas : = Il y a 7490 mains avec (exactement) un roi et au moins trois c ur. Exercice 3 (a) On répartir p = 4 positions dans le mot entre n = 26 lettres de l'alphabet. Il y a un ordre car on peut diérencier les positions. Il y a répétition car une lettre peut apparaître à plusieurs positions. Le nombre de mot de quatre lettres est donc le nombre exponentiel : n p = 26 4 = (b) Il ya beaucoup de sous cas. On compte plutôt les mots sans M ou sans E 3. Soit A = {les mots sans E}; B = {les mots sans M}. Le nombre de mots sans E ou sans M est card(a B). On utilise la formule : Donc : card(a B) = card(a) + card(b) card(a B) Calcul de card(a) : les mots sans E. paquet 1: la lettre E, n 1 = 1, p 1 = 0. paquet 2: les lettres restantes, n 2 = 26 1 = 25, p 2 = 4. Calcul de card(b) : les mots sans M. paquet 1: la lettre M, n 1 = 1, p 1 = 0. paquet 2: les lettres restantes, n 2 = 26 1 = 25, p 2 = 4. Calcul de card(a B) : les mots sans E ni M. paquet 1: les lettres E, M, n 1 = 1, p 1 = 0. paquet 2: les lettres restantes, n 2 = 26 2 = 24, p 2 = 4. card(a B) = C 0 1 C C 0 1 C 4 25 C 0 1 C 4 24 = ATTENTION : le complémentaire de avec E ET avec M et sans E OU sans M.

15 TD 1. ANALYSE COMBINATOIRE 15 Finalement le nombre de mots contenant M et E est : = (c) Un mot qui a (exactement) trois fois la même lettre a deux lettres et si on connaît la position de la lettre diérente des autres, on connaît le mot. Donc il y a : C 1 4 = 2600 mots diérents avec trois fois la même lettre.

16 TD 2. PROBABILITÉS ÉLÉMENTAIRES 16 TD 2. Probabilités élémentaires Exercice 1 L'univers est constitué des mains de 3 cartes. Pas d'ordre, pas de répétition. Card(Ω) = C 3 32 = 4960 (a) paquet 1 : les as n 1 = 4, p 1 = 3 C 3 4 paquet 2 : les cartes restantes n 2 = 28, p 2 = 0 C 0 28 p(a) = Card(A) Card(Ω) = C3 4 C0 28 C 3 32 = 4/4960 (b) On utilise les mêmes paquets et les sous-cas sont : On fait la somme : p 1 p 2 nombre de solutions 2 0 C 2 4 C1 28 = C 3 4 C0 28 = = 172 Finalement la propabilité d'avoir au moins deux as est de 172/4960. (c) paquet 1 : les rois n 1 = 4, p 1 = 2 paquet 2 : les dames n 2 = 4, p 2 = 1 paquet 3 : les cartes restantes n 3 = 24, p 3 = 0 Le nombre de solution est donc : C 2 4 C 1 4 C 0 24 = 24. La probabilité d'avoir deux rois et une dame est donc de 24/4960. (d) Comme on n'a que trois cartes, c'est le même cas que la question c). (e) paquet 1 : les valets n 1 = 4, p 1 1 paquet 2 : les as n 2 = 4, p 2 1 paquet 3 : les cartes restantes n 3 = 24, p 3 =? On fait un tableau des sous-cas : Au total on a p 1 p 2 p 3 nombre de solutions C 1 4 C1 4 C1 24 = C 1 4 C0 4 C2 24 = C 2 4 C1 4 C0 24 = C 2 4 C0 4 C1 24 = C 3 4 C0 4 C0 24 = = 1660

17 TD 2. PROBABILITÉS ÉLÉMENTAIRES 17 mains. La probabilité d'avoir au moins un valet et au plus un as est donc de 1660/4960. (f) Attention au roi de pique!!! paquet 1 : le roi de pique n 1 = 1 paquet 2 : les autre rois n 2 = 3 paquet 3 : les autres piques n 3 = 7 paquet 4 : les cartes restantes n 4 = = 21 On fait le tableau des cas : p 1 p 2 p 3 p 4 nombre de solutions C 1 4 C0 4 C0 7 C2 21 = C 0 4 C1 4 C1 7 C1 21 = 588 En tout : = 1428 mains donc la probabilité d'avoir un roi et un pique est de 1428/4960 Exercice 2 On a n 1 = 4 boules vertes, n 2 = 2 boules bleues et n 3 = 3 boules rouges. On note p 1, p 2, p 3 les nombres respectifs de boules vertes, bleues, rouges qu'on ramasse. (a) Il n'y a pas d'ordre et pas de répétition. Ici, n = 9,p = 3 donc : On note Card(Ω) = C 3 9 = 84. A = {p 1 = 1, p 2 = 1, p 3 = 1} les poignées avec une boule de chaque couleur. Alors : La probabilité est donc : Card(A) = C 1 4 C 1 2 C 1 3 = 24. p(a) = Card(A) Card(Ω) = = 2 7. (b) Maintenant il y a a ordre et répétition. Ici, n = 9, p = 3 donc : Card(Ω) = 9 3 = 729. Les tirages sont indépendants. Pour chaque tirage de une boule il n'y a pas d'ordre, pas de répétition (puisqu'on qu'une boule!) et donc la probabilité de tirer une couleur est le nombre de boules de cette couleur (nombre de cas favorables) sur le nombre de boules total (nombre total de cas). Donc p(v ) = 4/9, p(b) = 2/9 et p(r) = 3/9. Pour la suite de trois tirages, par indépendance : p(v, B, R) = p(v ) p(b) p(r) = 24/729.

18 TD 2. PROBABILITÉS ÉLÉMENTAIRES 18 (c) Comme les trois tirages sont indépendants, la probabilité de R, V, B dans n'importe quel ordre est toujours la même, égale à proba : p(v ) p(b) p(r) Le nombre d'ordres qu'on peut donner à ces trois couleurs, c'est 3! : on choisit la première puis la deuxième, puis on n'a plus de choix. Finalement : la proba. totale est : 3! (24/729) = 144/729. (d) Les tirages ne sont plus indépendants. Proba conditionnelles. On fait donc un arbre V 3/8 V 2/7 5/7 V (k = 3) V (k = 2) 4/9 5/8 V 3/8 5/8 V (k = 2) V (k = 1) 5/9 4/9 V 3/8 5/8 V (k = 2) V (k = 1) V 5/9 V 4/9 5/9 V (k = 1) V (k = 0) P(k = 3) = 4/9 3/8 2/7 = 1/21 0, 05 P(k = 2) = 4/9 3/8 5/7 + 4/9 5/8 3/8 + 5/9 4/9 3/8 = 955/3024 0, 32 P(k = 1) = 4/9 5/8 5/8 + 5/9 4/9 5/8 + 5/9 5/9 4/9 = 5425/ , 47 P(k = 0) = 5/9 5/9 5/9 = 125/729 0, 17

19 TD 2. PROBABILITÉS ÉLÉMENTAIRES 19 Exercice 3 Il est plus facile de calculer la probabilité de l'évenement complémentaire : l'avion tombe en panne. Les cas d'accidents sont : les deux réacteurs d'une même aile tombent en panne en même temps. Le fonctionnement des réacteurs est indépendant donc on peut considérer les deux ailes séparément, et sur une aile la probabilité que les deux moteurs tombent en panne en même temps est : p ( M 1 en panne et M 2 en panne ) = p(m 1 en panne) p(m 2 en panne) = 2% 2% = Pour nir, on chercher la probabilité de : aile 1 en panne OU aile 2 en panne. Ce ne sont pas des événements disjoints! Notons A 1 l'aile 1 tombe en panne et A 2 l'aile 2 tombe en panne. La formule pour obtenir cette probabilité est donc : p(a 1 ou A 2 ) = p(a 1 ) + p(a 2 ) p(a 1 et A 2 ) Il nous manque p(a 1 et A 2 ), qui est la probabilité que les quatres réacteurs soient en panne en même temps, soit : (2/100) 4. Finalement, la probabilité de tomber en panne est : 2 (2/100) 2 (2/100) Donc la probabilité de ne pas tomber en panne est : Exercice 4 Les résultats des deux dés sont indépendants, donc on peut considérer deux lancers successifs. Pour un dé : Ω = {1, 2, 3, 4, 5, 6} et les résultats sont équiprobables, donc de probabilité 1/6. Le résultat de deux lancers est un couple ordonné (x, y) où x Ω, y Ω, et par indépendance, chaque couple a une probabilité (1/6) 2 = 1/36 d'apparaître. Il sut maintenant de compter les couples qui donnent les cas qui nous intérêssent. a) Il y a 6 doubles. Donc la proba est 6/36 b) Il y a deux couples ordonnés : (2, 5) et (5, 2) donc la proba est 2/36 c) Il y a 4 couples ordonnés dont la somme fait 5 donc 5/36 et 6 dont la somme fait 7 donc 6/36. d) Il y a 10 tels couples, donc la probabilités est 10/36.

20 TD 3. PROBABILITÉS CONDITIONNELLES 20 TD 3. Probabilités conditionnelles Pour les exercices de probabilités conditionnelles, on fait toujours un arbre. Exercice 1 Soit C : il y a un court-circuit. 0, 07 P 1 C P 1 1 0, 07 P 1 C 0, 25 0, 33 P 2 C 0, 25 P 2 1 0, 33 P 2 C 0, 50 0, 12 P 3 C P 3 1 0, 12 P 3 C On calcule la probabilité de chaque panne sachant qu'il y a un courtcircuit. Par dénition : P C (P 1 ) = P( P 1 C ) On calcule : Donc : P(C) P(C) = P ( P 1 C ) + P ( P 2 C ) + P ( P 3 C ) = 0, 25 0, , 25 0, , 50 0, 12 = 0, 16. P C (P 1 ) = P( P 1 C ) = P(C) P C (P 2 ) = P( P 2 C ) = P(C) P C (P 3 ) = P( P 3 C ) = P(C) 0, 25 0, 07 0, 16 0, 25 0, 33 0, 16 0, 50 0, 12 0, 16 0, 11 0, 52 0, 38 La panne la plus probable sachant qu'on a un court-circuit est donc la panne P 2.

21 TD 3. PROBABILITÉS CONDITIONNELLES 21 Exercice 2 Soit H : c'est un homme ; F : c'est une femme ; B : la personne est blonde. 1/2 H 1/2 1 1/2 H B H B 1/2 F 1/3 F B 1 1/3 F B La probabilité qu'une personne soit blonde est : P(B) = P ( B H ) + P ( B F ) = 1/2 1/2 + 1/2 1/3 = 5/12. Donc, sachant qu'une personne est blonde, la probabilité que ce soit une femme est : P B (F ) = P( F B ) 1/2 1/3 = = 0, 40. P(B) 5/12 Exercice 3 Soit T : le test dit qu'il y a un mauvais fonctionnement ; D : L'appareil a (vraiment) un défaut. D 0, 95 D T 1 x 1 0, 95 = 0, 05 D T x D 0, 03 D T 1 0, 03 = 0, 97 D T La probabilité totale de T est : P(T ) = P ( T D ) + P ( T D ) = 0, 95 (1 x) + 0, 03 x = 0, 95 0, 92x.

22 TD 3. PROBABILITÉS CONDITIONNELLES 22 Donc, sachant que le test dit que le produit est non valable, la probabilité que le produit n'ait pas de défaut est : ( ) P ( D T ) 0, 03 x P T D = = P(T ) 0, 95 0, 92x = 3x 95 92x. Exercice 4 [Je corrige le problème avec des sens uniques, comme au tableau.] Soit C : le prof arrive à l'iut, C : il est perdu. B : le prof passe par B. 1/2 1/2 1/2 C 1/2 C 1/2 1/2 C 1/2 C 1/2 1/2 1/2 B 1 1 C C La probabilité d'arriver en C est la somme des probabilités des trois branches qui arrivent en C : P(C) = (1/2) 4 + (1/2) (1/2) 2 1 = 1/16 + 1/4 + 1/4 = 9/16. La probabilité qu'il arrive en C en passant par B est la probabilité de la seule branche qui arrive en C en passant par B : P(B C) = (1/2) 2 1 = 1/4. Sachant qu'il est arrivé en C, la probabilité qu'il soit passé par B est donc : P C (B) = P(B C) P(C) = 1/4 9/16 = 4 9.

23 TD 4. LOIS DISCRÈTES 23 TD 4. Lois discrètes Exercice 1 Les expériences sont identiques et indépendantes. On considère donc chaque lancer séparément. Soit X 1 la variable aléatoire comptant le gain pour un unique lancer. Les valeurs pouvant être prises par X 1 sont : X 1 (Ω) = { 1, 1} et les probabilités correspondantes sont : P(X 1 = 1) = 1/2 P(X 1 = 1) = 1/2. Par dénition, l'espérance de X 1 est donc : E(X 1 ) = P(X 1 = 1) 1 + P(X 1 = 1) ( 1) = 1/2 1/2 = 0. De même, l'espérance du carré de X 1 est : E ( (X 1 ) 2) = P(X 1 = 1) P(X 1 = 1) ( 1) 2 = 1/2 + 1/2 = 1. Finalement, la variance de X 1 est : V (X 1 ) = E ( (X 1 ) 2) ( E(X 1 ) ) 2 = = 1. Si on considère maintenant les trois lancers. On dénit la variable aléatoire X = X 1 + X 2 + X 3 comme le gain cumulé lors des trois lancers d'une unique pièce X 1, X 2 et X 3. Comme les trois lancers sont identiques ils ont la même loi 4. Alors : E(X) = E(X 1 + X 2 + X 3 ) E(X) = 0. = E(X 1 ) + E(X 2 ) + E(X 3 ) = 3 E(X 1 ) 4. donc même espérance et même variance

24 TD 4. LOIS DISCRÈTES 24 et par indépendance : V (X) = V (X 1 + X 2 + X 3 ) = V (X 1 ) + V (X 2 ) + V (X 3 ) = 3 V (X 1 ) V (X) = 3. On obtient nalement l'écart type en prenant la racine carrée : σ(x) = 3 1, 732. Exercice 2 Les expériences sont identiques et indépendantes. On considère donc une seule ampoule. Soit X 1 la variable aléatoire qui vaut 1 si l'ampoule est cassée et zéro si elle marche. La variable aléatoire X 1 suit la loi de Bernouilli de paramètre p = 3, 5/100. Son espérance est donc : et sa variance est : E(X 1 ) = p = 0, 035, V (X 1 ) = p p 2 = p (1 p) = 0, 035 0, 965. Si on considère maintenant la variable X = X 1 + X 2 + X 3 comptant les nombre d'ampoules cassées, c'est la somme de (n = 3) variables aléatoires indépendantes suivant la loi de Bernouilli de paramètre p = On obtient donc une loi binomiale B(n, p) de paramètres n = 3 et p = : les valeurs possibles sont : X(Ω) = {0, 1, 2, 3}, et pour toute valeur k que X peut prendre : On a donc : P(X = k) = C k n p k (1 p) n k. P(X = 0) = (0, 965) 3 P(X = 1) = 3 0, 035 (0, 965) 2 P(X = 2) = 3 (0, 035) 2 0, 965 P(X = 3) = (0, 035) 3 On calcule maintenant l'espérance et la variance de X = X 1 + X 2 + X 3. Comme les variables X 1, X 2, X 3 ont la même loi : E(X) = 3 E(X 1 ) = 3 0, 035 Comme ces variables sont de plus indépendantes : V (X) = 3 V (X 1 ) = 3 0, 035 0, 965.

25 Exercice 3 La variable X est tirée au hasard dans : TD 4. LOIS DISCRÈTES 25 X(Ω) = {1, 2,..., 10}. Il y a donc équiprobabilité et X suit la loi uniforme, c'est à dire pour toute valeur k possible : P(X = k) = 1/10. La fonction de répartition F de X vaut : 0 si t 1 F (t) = P(X < t) = k/10 si 1 k 9 et k < t k si t > 10 Exercice 4 On note X la variable aléatoire comptant les nombre de victoires. On a : X(Ω) = {0, 1, 2, 3} Comme on a des probabilités conditionnelles, les expériences ne sont pas indépendantes. On doit donc construire un arbre. On note V une victoire et V une défaite. L'arbre des probabilités est : V (X = 3) V 0, 6 0, 6 V 0, 4 0, 6 V 0, 4 0, 4 0, 6 V (X = 2) V (X = 2) V (X = 1) V (X = 2) 0, 4 V 0, 6 V 0, 6 0, 4 V 0, 4 0, 4 V (X = 1) V (X = 1) 0, 6 V (X = 0)

26 On a donc : P(X = 0) = (0, 4 0, 6 0, 6) = 144/1000 TD 4. LOIS DISCRÈTES 26 P(X = 1) = (0, 6 0, 4 0, 6) + (0, 4 0, 4 0, 4) + (0, 4 0, 6 0, 4) = 304/1000 P(X = 2) = (0, 6 0, 6 0, 4) + (0, 6 0, 4 0, 4) + (0, 4 0, 4 0, 6) = 336/1000 P(X = 3) = (0, 6 0, 6 0, 6) = 216/1000 On calcule E(X) avec cette loi : E(X) = 3 P(X = 3) + 2 P(X = 2) + 1 P(X = 1) + 0 P(X = 0) 216 = = 1, On calcule aussi E(X 2 ) : E(X 2 ) = 3 2 P(X = 3) P(X = 2) P(X = 1) P(X = 0) 216 = = 3, Finalement : V (X) = E ( X 2) ( E(X) ) 2 = 3, 592 1, V (X) = 0, 955. Exercice 5 Soit X la variable aléatoire qui compte les fausses pièces (a) La probabilité que X = 2 est le nombre de lancer de dix pièces où on obtient deux fausses pièces, divisé par le nombre total de lancers de dix pièces. Soit Ω = {ensembles non ordonnés de dix pièces sur les cents} A = {ensembles non ordonnés de dix pièces sur les cents où deux sont fausses (et donc huit vraies)} = (X = 2) Par dénition : P(A) = Card(A) Card(Ω) = C2 20 C8 80 C , 318.

27 TD 4. LOIS DISCRÈTES 27 (b) Les lancers sont indépendants. Chaque lancer suit la loi de Bernouilli de paramètre p = 0, 2. L'ensemble des dix lancers suit donc la loi binomiale B(n, p) de paramètres n = 10 et p = 0, 2, donc on obtient le résultat : P(X = 2) = C 2 10 (0, 2) 2 (0, 8) 8 0, 302. NB. En faisant un arbre, on voit que la diérence entre les deux cas est que dans le premier, on utilise des probabilités conditionnelles, alors que dans le deuxième les lancers sont indépendants.

28 TD 5. VARIABLES ALÉATOIRES DISCRÈTES 28 TD 5. Variables aléatoires discrètes Exercice 1 Soit V, la variable aléatoire nombre de ventes. Soit S le stock du magasin. Le nombre de ventes est le minimum de l'ore et de la demande 5 donc : V = min(x, S). Le gain est relié au nombre de ventes et au stock par la formule : L'espérance de gain vaut donc : G = 300 V 50 S. E(V ) = 300 E(V ) 50 S. Calculons E(V ) pour les diérentes valeurs de S : (1) Si S = 1, les valeurs que V peut prendre sont : et : V (Ω) = {0, 1}, p(v = 0) = 0.05, p(v = 1) = On en déduit : E(V ) = (2) Si S = 2 les valeurs que V peut prendre sont : V (Ω) = {0, 1, 2}, et : p(v = 0) = 0.05, p(v = 1) = 0.05, p(v = 2) = On en déduit : (3) Si S = 3, on obtient : (4) Si S = 4, on obtient : E(V ) = E(V ) = E(V ) = Une autre façon de le dire est : tant qu'il ya moins de clients que le stock, on vend autant d'articles qu'il y a de clients. S'il y a plus de clients que le stock, on n'a pas assez d'articles pour tout le monde. On vend le stock et certains clients repartent sans rien

29 (5) Si S = 5, on obtient : (6) Si S = 6, on obtient : (7) Si S = 7, on obtient : (8) Si S = 8, on obtient : TD 5. VARIABLES ALÉATOIRES DISCRÈTES 29 E(V ) = E(V ) = E(V ) = E(V ) = On peut maintenant remplacer S et E(V ) par leurs valeurs dans la formule donnant l'éspérance de G. On obtient le tableau suivant : S E(V ) E(G) On en déduit que le stock optimal est six robots. Exercice 2 Soit Y la variable alatoire nombre de robots en état de marche. L'état de chaque robot est indépendants. D'après l'énoncé, un robot suit la loi de Bernouilli de paramètre 95% (quelque soit le jour), l'ensemble des six robots suit donc la loi binomiale B(6, 0.95). Les valeurs que Y peut prendre sont donc : {0, 1, 2, 3, 4, 5, 6} et la probabilité de chaque valeur est donné par la loi : P(Y = k) = C k 6 (0.95) k (0.05) 6 k. k p(y = k) Exercice 3 Ici, l'exercice est similaire à l'exercice 1, mais le stock n'est plus un paramètre xé : c'est la variable aléatoire Y. On a donc à déterminer la loi de : Z = min(x, Y ). Comme c'est une fonction compliquée de deux variables aléatoires, on doit faire un arbre, qui permet de lister tous les cas donnant une certaine

30 TD 5. VARIABLES ALÉATOIRES DISCRÈTES 30 valeur de Z, ainsi que la probabilité de chacun de ces cas. Sur cet arbre, on lit : les valeurs possibles de Z sont : {0, 1, 2, 3, 4, 5, 6} et 6 Z = 0 si : (Y = 0 et X 0) ou (Y 1 et X = 0) Z = 1 si : (Y = 1 et X 1) ou (Y 2 et X = 1) Z = 2 si : (Y = 2 et X 2) ou (Y 3 et X = 2) Z = 3 si : (Y = 3 et X 3) ou (Y 4 et X = 3) Z = 4 si : (Y = 4 et X 4) ou (Y 5 et X = 4) Z = 5 si : (Y = 5 et X 5) ou (Y 6 et X = 5) Z = 6 si : (Y = 6 et X 6) On en déduit : p(z = 0) = p(y = 0 et X 0) + p(y 1 et X = 0) p(z = 1) = p(y = 1 et X 1) + p(y 2 et X = 1) p(z = 2) = p(y = 2 et X 2) + p(y 3 et X = 2) p(z = 3) = p(y = 3 et X 3) + p(y 4 et X = 3) p(z = 4) = p(y = 4 et X 4) + p(y 5 et X = 4) p(z = 5) = p(y = 5 et X 5) + p(y 6 et X = 5) p(z = 6) = p(y = 6 et X 6) Et, comme X et Y sont des variables aléatoires indépendantes : p(z = 0) = p(y = 0) p(x 0) + p(y 1) p(x = 0) p(z = 1) = p(y = 1) p(x 1) + p(y 2) p(x = 1) p(z = 2) = p(y = 2) p(x 2) + p(y 3) p(x = 2) p(z = 3) = p(y = 3) p(x 3) + p(y 4) p(x = 3) p(z = 4) = p(y = 4) p(x 4) + p(y 5) p(x = 4) p(z = 5) = p(y = 5) p(x 5) + p(y 6) p(x = 5) p(z = 6) = p(y = 6) p(x 6) Cela permet de remplir le tableau de la loi de Z : k P (Z = k) On calcule ensuite l'espérance : E(Z) = = L'espérance du carré : E(Z 2 ) = = La variance : L'écart-type : V (Z) = E(Z 2 ) E(Z) 2 = = σ(z) = V (Z) = on regroupe certaines branches pour alléger l'écriture. Par exemple : Y 4 (Y = 4) ou (Y = 5) ou (Y = 6).

Correction des exemples. Mathieu EMILY

Correction des exemples. Mathieu EMILY Correction des exemples Mathieu EMILY Novembre 2005 Table des Matières Exemple_Exercice 1 Page 2 Exemple_Exercice 2 Page 3 Exemple_Exercice 3 Page 5 Exemple_Exercice 4 Page 6 Exemple_Exercice 5 Page 7

Plus en détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités 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 détail

EXERCICES SUR LES PROBABILITÉS

EXERCICES SUR LES PROBABILITÉS EXERCICES SUR LES PROBABILITÉS Exercice 1 Dans un univers Ω, on donne deux événements A et B incompatibles tels que p(a) = 0,2 et p(b) = 0,7. Calculer p(a B), p(a B), p ( A ) et p ( B ). Exercice 2 Un

Plus en détail

Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES

Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Chapitre Ce que dit le programme : Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Objectifs visés par l enseignement des statistiques et probabilités à l occasion de résolutions de problèmes dans

Plus en détail

Probabilités sur un univers ni

Probabilités sur un univers ni POIRET Aurélien TD n o 21 MPSI Probabilités sur un univers ni 1 Événements et probabilités Exercice N o 1 : Dans un centre de loisirs, une personne peut pratiquer trois activités. On considère les événements

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. 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 détail

Exercices corrigés de probabilités et statistique

Exercices corrigés de probabilités et statistique Exercices corrigés de probabilités et statistique Université Paris 1 Panthéon-Sorbonne Cours de deuxième année de licence de sciences économiques Fabrice Rossi Cette œuvre est mise à disposition selon

Plus en détail

Exercices corrigés de SQ20

Exercices corrigés de SQ20 1 Exercices corrigés de SQ2 Corrigés TD 1 à 4 Printemps 215 responsable de l'uv : André Turbergue SQ2 TD1 : espaces probabilisés TD1 : espaces probabilisés 1 Énoncés Exercice 1. Calculer si possible une

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

Exercices : VAR discrètes

Exercices : VAR discrètes Exercices : VAR discrètes Exercice 1: Une urne contient 2 boules blanches et 4 boules noires. On tire les boules une à une sans les remettre jusqu à ce qu il ne reste que des boules d une seule couleur

Plus en détail

Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT

Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT Université d Avignon Fichier dispo sur http://fredericnaud.perso.sfr.fr/ Une étude statistique dans la population montre que le Q.I. est

Plus en détail

Contrôle de statistiques Sujet 2 Corrigé

Contrôle de statistiques Sujet 2 Corrigé Contrôle de statistiques Sujet 2 Corrigé L2 d économie - Université Paris 1 Panthéon-Sorbonne Nom : Prénom : Les exercices sont indépendants. Le barème est indicatif. L utilisation de documents, calculatrices,

Plus en détail

COUPLES DE VARIABLES ALÉATOIRES

COUPLES DE VARIABLES ALÉATOIRES CHAPITRE 13 COUPLES DE VARIABLES ALÉATOIRES Dans tout le chapitre, (Ω, P) désignera un espace probabilisé fini. 1 Couple de variables aléatoires Définition 13.1 On appelle couple de variables aléatoires

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. 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 détail

Chapitre 5 Les Probablilités

Chapitre 5 Les Probablilités A) Introduction et Définitions 1) Introduction Chapitre 5 Les Probablilités De nombreuses actions provoquent des résultats qui sont dus en partie ou en totalité au hasard. Il est pourtant nécessaire de

Plus en détail

Probabilités (méthodes et objectifs)

Probabilités (méthodes et objectifs) Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d

Plus en détail

Chapitre 3 : Introduction aux probabilités

Chapitre 3 : Introduction aux probabilités IUT de Sceaux Département TC1 Mathématiques Chapitre 3 : Introduction aux probabilités 1. Évènements Les événements élémentaires sont les issues possibles d'une expérience aléatoire. Un événement est un

Plus en détail

1 TD1 : rappels sur les ensembles et notion de probabilité

1 TD1 : rappels sur les ensembles et notion de probabilité 1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (

Plus en détail

SESSION 2006. NOM, Prénom : PROBABILITES 2006 T ES. France septembre 2005 (5 points)

SESSION 2006. NOM, Prénom : PROBABILITES 2006 T ES. France septembre 2005 (5 points) SESSION 2006 France septembre 2005 (5 points) Parmi les stands de jeux d une fête de village, les organisateurs ont installé une machine qui lance automatiquement une bille d acier lorsque le joueur actionne

Plus en détail

COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1

COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1 COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1 Laurence GRAMMONT Laurence.Grammont@univ-st-etienne.fr Les solutions des exercices posés dans ce polycopié ne sont pas rédigées. October

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROBABILITÉS ONDITIONNELLES Exercice 01 On considère une roue partagée en 15 secteurs angulaires numérotés de 1 à 15. es secteurs sont de différentes couleurs. On fait tourner la roue qui s'arrête sur

Plus en détail

PROBABILITES TRAVAUX DIRIGES

PROBABILITES TRAVAUX DIRIGES Université de Caen Basse-Normandie U.F.R. de Sciences Economiques et de Gestion Année universitaire 2009-2010 LICENCE ECONOMIE ET GESTION Semestre 3 L2 PROBABILITES TRAVAUX DIRIGES (18 heures) Hélène Ferrer

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Mth2302B - Intra Été 2011

Mth2302B - Intra Été 2011 École Polytechnique de Montréal page 1 Contrôle périodique Été 2011--------------------------------Corrigé--------------------------------------T.Hammouche Question 1 (12 points) Mth2302B - Intra Été 2011

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices 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 détail

Calculer la probabilité d un événement

Calculer la probabilité d un événement THEME : CORRIGE DES EXERCICES PROBABILITES Calculer la probabilité d un événement Exercice n : Un sachet contient bonbons à la menthe, à l orange et au citron. On tire, au hasard, un bonbon du sachet et

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #9

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #9 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #9 ARTHUR CHARPENTIER 1 Soit X la variable aléatoire continue de fonction de densité : { (1.4)e 2x + (0.9)e 3x pour x > 0 f X (x) = 0 sinon. Trouver E[X]. A) 9 20 B)

Plus en détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement

Plus en détail

Probabilités Loi binomiale Exercices corrigés

Probabilités 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 détail

Série de TD N 1. On lance un dé dont les faces sont numérotées de 1 à 6, donc

Série de TD N 1. On lance un dé dont les faces sont numérotées de 1 à 6, donc Série de TD N 1 Exercice 1 Combien de " mots " de cinq lettres au plus peut-on former avec les quatre lettres de mot "CLAN". Ces lettres étant répétées ou non, et leur ordre n intervenant pas. Exercice

Plus en détail

2 Probabilités conditionnelles. Événements indépendants

2 Probabilités conditionnelles. Événements indépendants 2 Probabilités conditionnelles. Événements indépendants 2.1 Probabilité conditionnelle Soient A et B deux événements tels que P(B) > 0. Soit alors P(A B), la probabilité que A se réalise, B étant réalisé.

Plus en détail

les probabilités en Terminale Bac Pro

les probabilités en Terminale Bac Pro les probabilités en Terminale Bac Pro stéphane GARNUNG Domaine Public : http://creativecommons.org/licenses/publicdomain/2.0/fr/ juin 2012 1.0 Table des matières I - Langage probabiliste 3 1. Expérience

Plus en détail

CALCUL DES PROBABILITES

CALCUL DES PROBABILITES CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les

Plus en détail

Fiche de révision sur les lois continues

Fiche de révision sur les lois continues Exercice 1 Voir la correction Le laboratoire de physique d un lycée dispose d un parc d oscilloscopes identiques. La durée de vie en années d un oscilloscope est une variable aléatoire notée X qui suit

Plus en détail

3 Exercices. 3.1 Probabilités simples. 3.2 Probabilités avec dénombrement. Probabilités 3. Exercice 1 On tire au hasard une carte parmi un jeu de 52.

3 Exercices. 3.1 Probabilités simples. 3.2 Probabilités avec dénombrement. Probabilités 3. Exercice 1 On tire au hasard une carte parmi un jeu de 52. Probabilités 3 3 Exercices 3.1 Probabilités simples Exercice 1 On tire au hasard une carte parmi un jeu de 52. Calculer la probabilité d obtenir : 1. un roi 2. le valet de trèfle 3. l as de coeur ou la

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 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 détail

Exercices : Probabilités

Exercices : Probabilités Exercices : Probabilités Partie : Probabilités Exercice Dans un univers, on donne deux événements et incompatibles tels que =0, et =0,7. Calculer,, et. Exercice Un dé (à faces) est truqué de la façon suivante

Plus en détail

collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscours.html Activité cours : Probabilité

collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscours.html Activité cours : Probabilité Le cours de M. Haguet collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscous.html Activité cours : Probabilité I) Expérience aléatoire a) Exemples d'expériences pile ou face jeu de

Plus en détail

Calculs de probabilités conditionelles

Calculs 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 détail

Travaux dirigés d introduction aux Probabilités

Travaux 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 détail

Exercices sur les lois de probabilités continues

Exercices sur les lois de probabilités continues Terminale S Exercices sur les lois de probabilités continues Exercice n 1 : X est la variable aléatoire de la loi continue et uniforme sur [0 ; 1]. Donner la probabilité des événements suivants : a. b.

Plus en détail

Probabilités conditionnelles Loi binomiale

Probabilités 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 détail

Probabilités. C. Charignon. I Cours 3

Probabilités. 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 détail

Espace de probabilité, indépendance et probabilité conditionnelle

Espace de probabilité, indépendance et probabilité conditionnelle Chapter 2 Espace de probabilité, indépendance et probabilité conditionnelle Sommaire 2.1 Tribu et événements........................................... 15 2.2 Probabilité................................................

Plus en détail

Feuille TD 1 : Probabilités discrètes, dénombrement

Feuille TD 1 : Probabilités discrètes, dénombrement Université de Nice-Sophia Antipolis -L2 MASS - Probabilités Feuille TD 1 : Probabilités discrètes, dénombrement Exercice 1 : 1. On doit choisir 2 représentants dans une classe de 40 élèves. Quel est le

Plus en détail

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J.

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J. Année 2013-2014 UNIVERSIÉ DE CERGY LICENCE d ÉCONOMIE et FINANCE LICENCE de GESION Seconde année - Semestre 3 PROBABILIÉS Cours de M. J. Stéphan ravaux Dirigés de Mme M. Barrié, M. J-M. Chauvet et M. J.

Plus en détail

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli.

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli. 1 ère - 3 Chap.9 : Loi binomiale. Échantillonnage. 1 ère - Chapitre 9 : LOI BINOMIALE. ÉCHANTILLONNAGE. Textes officiels (30 septembre 2010) : CONTENU CAPACITÉ ATTENDUE COMMENTAIRE Probabilités Épreuve

Plus en détail

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires Chapitre I Probabilités Bcpst 1 2 novembre 2015 I Exemples d expériences aléatoires Une expérience aléatoire est une expérience dont on ne peut pas prédire le résultat avant de l avoir réalisée... ce qui

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Université 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 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 détail

TD 1 & 2 Rappels de probabilités

TD 1 & 2 Rappels de probabilités Master IF, ENS de Lyon Évaluation de performance 5 & 22 septembre 20 TD & 2 appels de probabilités lionel.rieg@ens-lyon.fr Probabilités discrètes. Calcul de probabilités Exercice Soient A et B des événements

Plus en détail

PROBABILITÉS. I Vocabulaire des événements 2 I.1 Vocabulaire... 2 I.2 Intersection et réunion d événements... 2 I.3 Représentation des évenements...

PROBABILITÉS. I Vocabulaire des événements 2 I.1 Vocabulaire... 2 I.2 Intersection et réunion d événements... 2 I.3 Représentation des évenements... PROBABILITÉS Table des matières I Vocabulaire des événements 2 I.1 Vocabulaire.............................................. 2 I.2 Intersection et réunion d événements................................ 2

Plus en détail

Feuille d exercices 1

Feuille d exercices 1 Université Paris 7 - Denis Diderot L2 - Probabilités PS4 Année 2014-2015 Feuille d exercices 1 Exercice 1 Combien y a-t-il de paires d entiers non consécutifs compris entre 1 et n (n 1)? Exercice 2 1.

Plus en détail

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Fiche TD avec le logiciel : a2-1-c Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Sylvain Mousset Rappels de probabilités / statistiques Table des matières 1 Probabilités

Plus en détail

4. Exercices et corrigés

4. 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 détail

«L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC PROBABILITES & SES LOIS

«L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC PROBABILITES & SES LOIS «L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC PROBABILITES & SES LOIS PONDICHERY 2015 Pour chacune des propositions suivantes, dire si la proposition est vraie

Plus en détail

CHAPITRES 5 et 6 PROBABILITÉS ET DÉNOMBREMENTS

CHAPITRES 5 et 6 PROBABILITÉS ET DÉNOMBREMENTS 1 re EFG hapitres et Probabilités et dénombrements HAPITRES et PROBABILITÉS ET DÉNOMBREMENTS Exercice 1 Dans un magasin les modes de paiement et les montants des achats sont répartis de la façon suivante

Plus en détail

1.1 Probabilité, événements

1.1 Probabilité, événements T le ES - programme 0 mathématiques ch.4 cahier élève Page sur 3 Ch.4 Probabilités conditionnelles. Probabilité, événements Probabilité d'un événement On note a,a,, a n les événements élémentaires d'une

Plus en détail

Chapitre IV : Couples de variables aléatoires discrètes

Chapitre IV : Couples de variables aléatoires discrètes UNIVERSITÉ DE CERG Année 0-03 UFR Économie & Gestion Licence d Économie et Gestion MATH0 : Probabilités Chapitre IV : Couples de variables aléatoires discrètes Généralités Définition Soit (Ω, P(Ω), P)

Plus en détail

Feuille d exercices 2 : Espaces probabilisés

Feuille 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 détail

Probabilités 2009-2010. Licence 2 Sciences économiques et Economie - Langues Année universitaire 2009-2010. Livret d exercices. x k pour tout x R. k!

Probabilités 2009-2010. Licence 2 Sciences économiques et Economie - Langues Année universitaire 2009-2010. Livret d exercices. x k pour tout x R. k! Licence 2 Sciences économiques et Economie - Langues Année universitaire 2009-2010 Probabilités A.L Basdevant, C. Hardouin Livret d exercices 1 Rappels, calculs utiles Exercice 1. 1) On rappelle que e

Plus en détail

Les trois sortes de tirages

Les trois sortes de tirages DERNIÈRE IMPRESSION LE 29 juin 2015 à 19:20 Les trois sortes de tirages Introduction Comme nous l avons vu, dans une loi équirépartie, il est nécessaire de dénombrer les cas favorables et les cas possibles.

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

Variables aléatoires continues

Variables aléatoires continues IUT Aix-en-Provence Année 204-205 DUT Informatique TD Probabilités feuille n 6 Variables aléatoires continues Exercice (La station-service) Dans une station-service, la demande hebdomadaire en essence,

Plus en détail

Probabilités discrètes : exercices

Probabilités discrètes : exercices Université de Strasbourg Probabilités Département de mathématiques Agreg interne 2015-2016 Probabilités discrètes : exercices Vous pouvez me contacter à l adresse nicolas.juilletatmath.unistra.fr. J ai

Plus en détail

P1 : Corrigés des exercices

P1 : 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 détail

Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles

Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles Pour BCPST 1 Année scolaire : 2004/2005 16 juin 2005 Mohamed TARQI Table des matières 1 Dénombrement 3 1.1 Généralités.

Plus en détail

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch 2. Probabilité 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance Probabilité et Statistiques I Chapître 2 1 2.1 Espaces de Probabilité Contenu Exemples élémentaires de probabilité,

Plus en détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les probabilités. Chapitre 18. Tester ses connaissances Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce

Plus en détail

Actuariat I ACT2121. huitième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. huitième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 huitième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 Soit X une variable aléatoire continue de fonction de densité

Plus en détail

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12 TS. 01/013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 0/11/1 Exercice 1 : ( 6,5 pts) Première partie : Démonstration à rédiger { Démontrer que si ( ) et (v n ) sont deux suites telles

Plus en détail

Exercices 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 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 détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

I3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300

I3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300 I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,

Plus en détail

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention

Plus en détail

Chapitre 4 NOTIONS DE PROBABILITÉS

Chapitre 4 NOTIONS DE PROBABILITÉS Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 4 NOTIONS DE PROBABILITÉS Les chapitres précédents donnent des méthodes graphiques et numériques pour caractériser

Plus en détail

Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres

Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres 1 Introduction Le nombre de piles obtenus au cours d une série de n lancers de pile ou face ou plus généralement dans

Plus en détail

Baccalauréat S Probabilités Index des exercices de probabilité de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS

Baccalauréat S Probabilités Index des exercices de probabilité de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS Baccalauréat S Probabilités Index des exercices de probabilité de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS N o Lieu et date P. condi- Variable Loi bino- Loi uni- Loi expo- Suite tionelle aléatoire

Plus en détail

Qu est-ce qu une probabilité?

Qu 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 détail

PROBABILITES CONDITIONNELLES

PROBABILITES CONDITIONNELLES PROAILITES CONITIONNELLES I INTROUCTION On considère les données suivantes, concernant le personnel d'une entreprise de 1500 personnes, suite à une étude sur le travail à temps partiel, selon le sexe des

Plus en détail

Chapitre 8 : Probabilités-Indépendance

Chapitre 8 : Probabilités-Indépendance Cours de mathématiques Terminale S Chapitre 8 : Probabilités-Indépendance Année scolaire 008-009 mise à jour 6 janvier 009 Fig. Andreï Kolmogorov Un précurseur de la formalisation de la théorie des probabilités

Plus en détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Dénombrement Probabilité uniforme sur un ensemble fini

Dénombrement Probabilité uniforme sur un ensemble fini UPV - MathsL1S1 1 II Dénombrement Dénombrement Probabilité uniforme sur un ensemble fini I Dénombrement 1) Factorielles : Pour n entier 1, il y a : n! = n.(n - 1). (n - 2) 2.1 façons d aligner n objets

Plus en détail

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile. Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir

Plus en détail

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples 36 Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples (Ω, B, P est un espace probabilisé. 36.1 Définition et propriétés des probabilités conditionnelles Définition 36.1

Plus en détail

2010 My Maths Space Page 1/6

2010 My Maths Space Page 1/6 A. Des statistiques aux probabilités 1. Statistiques descriptives, analyse de données. Vocabulaire des statistiques : Population : c'est l'ensemble étudié. Individu : c'est un élément de la population.

Plus en détail

Coefficients binomiaux

Coefficients 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 détail

Probabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.

Probabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher. Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110

Plus en détail

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle

Plus en détail

Probabilités. 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. 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 détail

PROBABILITES et STATISTIQUES. Cours et exercices

PROBABILITES et STATISTIQUES. Cours et exercices PROBABILITES et STATISTIQUES Cours et exercices C. Reder IUP2-MIAGE Bordeaux I 2002-2003 1 I- Le modèle probabiliste 1- Evènements SOMMAIRE 2- Loi de probabilité, espace de probabilité 3- Le cas où les

Plus en détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution 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 détail

Calcul élémentaire des probabilités

Calcul 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 Règles de calcul des probabilités. Exemple 2. Exemple 3. 1 Rappel

Plus en détail

Lois normales, cours, terminale S

Lois normales, cours, terminale S Lois normales, cours, terminale S F.Gaudon 6 mai 2014 Table des matières 1 Variables centrées et réduites 2 2 Loi normale centrée et réduite 2 3 Loi normale N (µ, σ 2 ) 4 1 1 Variables centrées et réduites

Plus en détail

I. Cas de l équiprobabilité

I. Cas de l équiprobabilité I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités

MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités Master Génie des Systèmes Industriels, mentions ACCIE et RIM Université du Littoral - Côte d Opale, La Citadelle Laurent SMOCH (smoch@lmpa.univ-littoral.fr)

Plus en détail

TUTORAT UE 4 2014-2015 Biostatistiques Séance n 3 Semaine du 06/10/2014

TUTORAT UE 4 2014-2015 Biostatistiques Séance n 3 Semaine du 06/10/2014 TUTORAT UE 4 2014-2015 Biostatistiques Séance n 3 Semaine du 06/10/2014 Séance d entrainement M. Dujols M. Sabatier Séance préparée par les TS de l ATM² QCM n 1 : Une population comporte 94750 individus

Plus en détail