Espaces Probabilisés

Dimension: px
Commencer à balayer dès la page:

Download "Espaces Probabilisés"

Transcription

1 Uiversité de Picardie Jules Vere UFR des Scieces Licece metio Mathématiques - Semestre 4 Probabilités 1 Espaces Probabilisés Le but de ce chapitre est de proposer u modèle mathématique permettat de décrire ue expériece aléatoire. 1 - La otio d évéemet ; algèbre des évéemets La otio d évéemet. Pour costruire u modèle probabiliste d u phéomèe aléatoire, il coviet d abord de se doer u esemble des évetualités adapté au problème. O adopte la défiitio suivate. Défiitio. SoitEue expériece aléatoire, i.e. ue expériece susceptible d être répétée das les mêmes coditios mais dot le résultat est pas prévisible (du au hasard ). O appelle esemble fodametal ou uivers associé àel esemble oté de tous les résultats possibles (a priori) ou évetualités dee. O désigera par toute évetualité, c est-à-dire tout élémet de. Remarque. La otio de résultat est pas clairemet défiie ; e fait, c est l expérimetateur qui fixe lui-même ce qui mérite le om de résultat e foctio de ses préoccupatios. C est pourquoi il y a pas uicité das le choix de. Exemple 1.E: lacer d u dé cubique (faces umérotées de 1 à 6). O peut predre 1, 2, 3, 4, 5, 6 si l o s itéresse au uméro obteu, ou 0, 1 si l o s itéresse seulemet à la parité du uméro obteu. Exemple 2.E: lacer deux dés cubiques discerables (faces umérotées de 1 à 6). 1,2,3,4,5,6 2 arragemets avec répétitio d ordre 2 de 1,2,3,4,5,6 si l o s itéresse aux uméros obteus, ou 2,3,,12 si l o s itéresse à la somme des deux uméros obteus. Exemple 3.E: tirer ue mai de 8 cartes das u jeu de 32 cartes. combiaisos de 8 cartes prises parmi 32. Remarque. L esemble est pas écessairemet u esemble fii. Exemple 4.E: o lace ue pièce jusqu à obteir 1 fois Pile. Si l o appelle résultat le ombre de lacers écessaires, alors. Exemple 5.E: o tire ue balle sur ue cible de diamètre 1m. Si l o appelle résultat : - le poit d impact de la balle sur le pla de la cible : x,y 2 / x 2 y la distace du poit d impact au cetre de la cible : 0, 1 ; 2 - le gai évetuel, la cible état divisée e 5 zoes : 0,5,10,20,30. Défiitio. SoitEue expériece aléatoire et u uivers associé. O appelle évéemet lié àetoute assertio ou propositio logique dot o peut dire qu elle est vraie ou o ue fois l expérieceeréalisée (i.e. pour toute évetualité ). O dit qu u évéemet est réalisé si l assertio qui le défiit est vraie. O coviet alors d idetifier u tel évéemet au sous-esemble des pour lesquels il est réalisé : u évéemet lié àeest alors ue partie de. si, lorsque est le résultat d ue expériece aléatoireeet A est u évéemet, o a A est réalisé A Stéphae Ducay 1 ;

2 Repreos l exemple 2. E : lacer de deux dés. 1,2,3,4,5,6 2 x,y / x,y 1,2,3,4,5,6. Cosidéros l évéemet A : la somme des poits obteus est supérieure ou égale à 10. L évéemet A est idetifié au sous-esemble de suivat, oté ecore A : A 4,6,5,5,5,6,6,4,6,5,6,6. De même, les évéemets B : la somme des poits obteus est égale à 3 et C : le produit des poits obteus est égal à 2 sot B 1,2,2,1 et C 1,2,2,1. O remarque que ces évéemets B et C, apparamet différets, correspodet à la même partie de. O cofodra doc B et C, et o écrira B C. Défiitios. Soit u uivers associé à ue expériece aléatoiree. Alors, pour tout, est u évéemet appelé évéemet élémetaire. De plus,est appelé évéemet certai et est appelé évéemet impossible Algèbre des évéemets. D après ce qui précède, tout évéemet est ue partie de. Réciproquemet, toute partie de est-elle u évéemet? Pour aborder cette questio, supposos que l esemble des évéemets est u esembleade parties de (i.e.a P), dot ous allos défiir les propriétés e ous référat à des besois usuels. Si A et B sot deux évéemets liés à ue expériece aléatoiree, il est aturel de cosidérer la o-réalisatio de A (ou évéemet cotraire de A), la réalisatio simultaée de A et B, ou ecore la réalisatio de l u au mois des évéemets A ou B. La défiitio d évéemet comme partie de coduit à : - l évéemet cotraire de A est l évéemet A C A ; - la réalisatio simultaée de A et B est l évéemet A B ; - la réalisatio de l u au mois des évéemets A ou B est l évéemet A B. Repreos l exemple 1. E : lacer de u dé. 1,2,3,4,5,6. Les évéemets A : o obtiet u ombre pair et B : o obtiet u multiple de 3 sot A 2,4,6 et B 3,6. Les évéemets A B : o obtiet u multiple pair de 3 et A B : o obtiet u ombre pair ou u multiple de 3 sot alors A B 6 et A B 2,3,4,6. Plus gééralemet, si A est ue suite ifiie d évéemets, o peut égalemet être ameé à cosidérer les évéemets A (tous les évéemets A sot réalisés) et A (l u au mois des évéemets A est réalisé). Exemple 6. E : lacer ue pièce de moaie ue ifiité de fois. Cosidéros l évéemet A : obteir pile à chaque lacer. U choix aturel d uiversassocié àeest celui de l esemble des suites ifiies formées de P et de F. O a doc P,F u / u P,F. Cosidérat la suite ifiie d évéemets A : obteir pile au -ième lacer, o a A P,P,,P, A. Ces cosidératios ous amèet à la défiitio suivate. Défiitio. Soit u esemble quelcoque. O appelle tribu (ou-algèbre) sur toute partieadep telle que : i A ii A A, A A (stabilité par passage au complémetaire) iii pour toute suite A d élémets dea, A est ecore u élémet dea (stabilité par réuio déombrable). Stéphae Ducay 2

3 Propriétés. SoitAue tribu sur. Alors : i A ii Pour toute suite A d élémets dea, A est ecore u élémet dea (stabilité par itersectio déombrable) A et A iii Si A 1,,A sot élémets dea( 2), alors iv A,B A A, A B A v A, B A A, AB A (stabilité par différece symétrique) Corollaire. Soit u esemble. Alors : i, est ue tribu sur, appelée tribu grossière sur. iip est ue tribu sur. iii pour toute partie propre A de,,a,a, est ue tribu sur. Si est u uivers associé à ue expériece aléatoiree, les coditios imposées aux évéemets liés àe fot que ces deriers costituet ue tribuasur. Il faut oter que la tribuades évéemets liés àecotiet tous les sigletos de (évéemets élémetaires). Propositio SoitEue expériece aléatoire dot l uiverscosidéré est fii ou ifii déombrable. Alors o predraa P pour tribu des évéemets liés àe. Remarque. Si est ifii o-déombrable, alors o e choisira pas pour tribup (cette questio est pas étudiée ici) mais la plus petite tribuacoteat ue certaie classe de parties de. Par exemple, si, o predra la tribu borélieeb (strictemet icluse dasp) qui cotiet tous les itervalles de Espaces probabilisables. Défiitios. U espace probabilisable est u couple,a oùest u esemble quelcoque etaue tribu sur. Si est u uivers associé à ue expériece aléatoiree, l espace probabilisable,a est alors dit lié à l expériece aléatoiree. Défiitios. Soit,A u espace probabilisable lié à ue expériece aléatoiree.. i Les élémets deasot appelés évéemets. ii Soiet A,B A. O dit que l évéemet A etraie (ou implique) l évéemet B si A B. iii Soiet A,B A. O dit que A et B sot icompatibles (ou disjoits) si A B. iv O appelle système complet d évéemets toute partitio fiie ou déombrable de formée d élémets dea, i.e. toute famille A i ii d élémets deadeux à deux icompatibles (A i A j pour i j) et dot la réuio est ( ii A i ). Exemples. a) Repreos l exemple 2. Cosidéros les évéemets suivats : A : la somme des deux dés est supérieure ou égale à 10, B : l u des deux dés est supérieur ou égal à 4, C : l u des deux dés est iférieur à 2. Alors A B et A C. b) Soit A A.A,A est u système complet fii d évéemets. c) Soit,., est u système complet déombrable d évéemets. Pour coclure, voici u tableau comparatif des vocabulaires esembliste et probabiliste. Stéphae Ducay 3

4 otatios Vocabulaire esembliste Vocabulaire probabiliste esemble vide évéemet impossible esemble plei évéemet certai sigleto de évéemet élémetaire A sous-esemble de évéemet A appartiet à le résultat est ue réalisatio possible de A A complémetaire de A das évéemet cotraire de A A B réuio de A et B A ou B A B itersectio de A et B A et B A B A et B sot disjoits A et B sot icompatibles A B A est iclus das B A implique B 2 - La otio de probabilité Itroductio - Approche par les fréqueces. O recotre costammet das la vie courate la otio de probabilité d u évéemet. Elle est parfois puremet subjective, mais elle apparaît souvet sous ue forme mathématique relativemet précise. Das le jeu du pile ou face, il est aturel de dire que l apparitio de pile a la probabilité 1/2. Cela proviet d abord d ue ituitio d égalité de chace d apparitio des deux faces. Plus quatitativemet, si l o répète u grad ombre de fois l expériece qui cosiste à jeter la pièce, o s atted à trouver à peu près autat de pile que de face, ce qui doe à la fréquece d apparitio de "pile" (fractio ombre de pile sur ombre d expérieces) ue valeur voisie de 1/2. O e peut démotrer ce résultat expérimetal mais le but de la théorie des probabilités est de costruire des modèles mathématiques qui traduiset ce gere de phéomèes sous ue forme logique de telle sorte que, si ue expériece est e accord avec les hypothèses mathématiques, ses résultats puisset être prévus par la théorie. Gééralisos l exemple précédet. O effectue expérieces aléatoires idetiques et idépedates. O ote A le ombre de réalisatios d u évéemet A doé au cours de ces expérieces. O cosidère u autre évéemet B. Soit f A A la fréquece statistique de l évéemet A, f B celle de B. O a : i f A 0,1 et f B 0,1. ii si A est l évéemet certai, alors A, et doc f A 1. iii si A et B sot icompatibles, alors AB A B, et doc f AB AB A B f A f B. Lorsque ted vers l ifii, o s atted aussi à voir f A A se stabiliser autour d ue valeur limite, qui sera la probabilité de A.. Cette approche de probabilité comme limite de fréquece coduit aturellemet à la défiitio suivate. Défiitio. Soit,A u espace probabilisable fii. O appelle probabilité sur,a toute applicatio P dea das0,1 telle que : i P 1 ii Si A et B sot deux évéemets icompatibles, alors PA B PA PB (additivité de P). Le triplet,a,p est appelé espace probabilisé. Pour des raisos déjà recotrées (répétitio ifiie d expérieces aléatoires), o doit étedre la propriété ii à ue famille déombrable d évéemets deux à deux icompatibles. Cette propriété de -additivité fait qu ue probabilité est ue mesure à valeurs das0,1. Stéphae Ducay 4

5 2.2. Défiitio et propriétés d ue probabilité. Défiitios. Soit,A u espace probabilisable. O appelle probabilité sur,a toute applicatio P deadas 0,1 telle que : i P 1 ii Pour toute suite A d évéemets deux à deux icompatibles, o a P A PA (-additivité de P) Le triplet,a,p est appelé espace probabilisé. Si,A u espace probabilisable lié à ue expériece aléatoiree, et si P est ue probabilité sur,a, alors,a,p est appelé espace probabilisé associé à l expériece aléatoiree. Remarques. a) Ue probabilité P sur u espace probabilisable est pas uique. b) De faço géérale, toute étude probabiliste d ue expériece aléatoire devrait commecer par la recherche d u espace probabilisé lié à cette expériece. Comme plusieurs espaces probabilisés peuvet parfois la décrire, o peut obteir des résultats umériques différets. c) Il est parfois possible de résoudre certais problèmes sas coaître l uivers. Il sera quad même écessaire de coaître P, au mois pour u certais ombres d évéemets. Propriétés. Soit P ue probabilité sur u espace probabilisable,a. i P 0. ii Si A 1,,A sot ( 2) évéemets 2 à 2 icompatibles, alors P A PA i. E particulier, si A et B sot deux évéemets icompatibles, alors PA B PA PB. iii A A, PA 1PA. iv A,B A, PB A PB PA B. v A,B A, A B PB A PB PA et PA PB. vi A,B A, PA B PA PB PA B. Cas d u espace probabilisable,a fii ou ifii déombrable. Posos i, i I, avec I et p i P i. O aa P. Pour tout évéemet A j, j J j avec J I, o a A jj PA P jj j De plus, 1 P P ii ii Ue probabilité P sur i, i I jj i O parle aussi de distributio de probabilité. P j p j, les j état 2 à 2 icompatibles. jj P i p i. ii est doc défiie par la doée des ombres p i P i, avec p i 0 et ii p i 1. Exemple fodametal de l équiprobabilité. Soit,A u espace probabilisable fii, i.e. 1, 2,, eta P. Soit P ue probabilité sur,a. Tout évéemet A peut s écrire A, et o a PA A A P. De plus, p i 1. Si l o suppose qu aucu évéemet élémetaire i a plus de chace de se réaliser que les autres, o dit qu il y a équiprobabilité (les p i sot égaux) et o a : i 1,,, p i P i 1. O a doc PA 1 carda 1. A La probabilité P est alors défiie de faço uique, comme l idique le résultat suivat : Stéphae Ducay 5

6 Théorème. Soit,P u espace probabilisable fii. L hypothèse d équiprobabilité défiit sur cet espace ue uique probabilité P doée par : A P, PA carda card ombre de résultats favorables à A ombre de résultats possibles Les calculs avec ue telle probabilité se ramèet alors à des problèmes de déombremet. Remarque. Il est pas possible de défiir l équiprobabilité si est ifii déombrable. Mais o peut choisir d autres distributios de probabilité. Par exemple pour, la distributio de Poisso :, p e! D autres propriétés d ue probabilité. Formule de Poicaré (ou formule du crible). Soit P ue probabilité sur u espace probabilisable,a. i Pour tous A 1,A 2,A 3 A, PA 1 A 2 A 3 PA 1 PA 2 PA 3 PA 1 A 2 PA 1 A 3 PA 2 A 3 PA 1 A 2 A 3 ii Pour tous A 1,,A A, avec 2, P 1 1 S, avec S P 1 I où I est ue partie quelcoque de cardial de 1,2,...,. A i, ii Preuve. i O a A 1 A 2 A 3 A 1 A 2 A 3, doc e appliquat la propriété vi précédete, o a PA 1 A 2 A 3 PA 1 PA 2 A 3 PA 1 A 2 A 3. De plus, PA 2 A 3 PA 2 PA 3 PA 2 A 3. et PA 1 A 2 A 3 PA 1 A 2 A 1 A 3 PA 1 A 2 PA 1 A 3 PA 1 A 2 A 3. D où le résultat. ii La démostratio se fait par récurrece sur. La propriété est vraie au rag 2 (et 3 aui). Supposos qu elle soit vraie à u rag 2 fixé. Alors : 1 P P A 1 P PA 1 P A 1 Par hypothèse, P et P 1 1 P 1 I A i ii A 1 P A P P I I 1 O e déduit que P si, P 1 P 1 I A i A PA 1...A 1 ii ii PA i 1 1 P 2 A i A PA 1...A 1. PA i S, avec S I 1 P I A i A 1 ii P A i, 1 I 1 ii 1 où I 1 est ue partie quelcoque de cardial de 1,2,...,1. Théorème. Soit P ue probabilité sur u espace probabilisable,a. A i ii A i 1 PA 1...A 1. ii 1 i Si A est ue suite croissate d évéemets (, A A 1 ), alors P ii Si A est ue suite décroissate d évéemets (, A 1 A ), alors P A A lim PA. lim PA. Stéphae Ducay 6

7 Preuve. i Supposos que, A A 1. O a alors :, PA PA 1 1. La suite PA est aisi croissate et majorée (par 1) doc covergete ; ce qui prouve l existece de lim PA. Posos B 0 A 0, et pour, B A A 1. si,b est ue suite d évéemets deux à deux icompatibles telle que A Bi et A B. Par coséquet, PA PB i et P i0 A P B PB lim PB i lim PA, d où le résultat. 0 0 i0 ii Supposos que A soit ue suite décroissate d évéemets. AlorsA est ue suite PB. O a alors croissate d évéemets doc d aprèsi, P Or P doc P A P A 1P A A A lim PA. 1 lim PA lim 1PA lim PA. Repreos l exemple 6 du paragraphe 1.2. Posos A : obteir pile à chaque lacer et A : obteir pile aux premiers lacers. Remarquos d abord que A est ue suite décroissate d évéemets et que A A. D autre part, PA 2 1. O e déduit que PA P A lim PA lim L évéemet A a doc ue probabilité ulle, alors que A. (Rappelos que P 0). De faço aalogue, o pourrait avoir PA 1 avec A. Ceci coduit à adopter les défiitios suivates. Défiitios. i O dit qu u évéemet A est quasi impossible si PA 0. ii O dit qu u évéemet A est quasi certai si PA 1. iii O appelle système quasi complet d évéemets toute famille déombrable d évéemets deux à deux icompatibles et dot la réuio est u évéemet quasi-certai. Pour termier ce paragraphe, ous éoços d autres propriétés dot la démostratio est laissée au soi du lecteur. Propositio. Soit P ue probabilité sur u espace probabilisable,a. i Pour tous A,B, A, PA B PA PB. ii Pour tous A 1,,A A, avec 2, P iii Pour toute suite A d élémets dea, P A Propositio. (Iégalité de Boferroi) Soit P ue probabilité sur u espace probabilisable,a. i Pour tous A,B, A, PA B PA PB 1. ii Pour tous A 1,,A A, avec 2, P PA i. PA. PA i Les schémas d ure. De ombreuses situatios aléatoires peuvet s iterpréter par u schéma d ure, i.e. par des tirages das ue ure coteat des boules de différetes couleurs e proportio coues. Par exemple, les boules représetet les idividus d ue populatio et les couleurs des caractéristiques des idividus. Stéphae Ducay 7 i0

8 3.1. Ure à 2 catégories. Cosidéros ue ure coteat boules idiscerables au toucher, dot 1 sot blaches et 2 sot oires ; il y a doc ue proportio p 1 1 de boules blaches et p 2 2 1p 1 de boules oires. O cosidère l expériece aléatoiree: extraire boules de l ure. O cherche à calculer la probabilité d obteir exactemet boules blaches. Pour se faire, il faut distiguer les différets modes de tirage possibles Tirages successifs avec remise. Pour ce mode de tirage, peut predre importe quelle valeur etière positive. Si l o suppose que les boules d ue même couleur sot umérotées, o peut associer à l expériece aléatoireel uivers : arragemets avec répétitio d ordre de l esemble des boules. Comme card est fii, la tribu des évéemets esta P. O cosidère aturellemet sur,a l équiprobabilité P. Soit l évéemet A : obteir exactemet boules blaches, 0. Il y a C choix possibles pour les positios des boules blaches ; les positios des boules oires état aisi détermiées. Il y a alors 1 choix des boules blaches et 2 choix des boules oires. O a doc carda C 1 2 et PA C 1 2. O e déduit que C 1 2 C p 1 1p 1, 0. Cette loi de probabilité est appelée loi Biomiale de paramètres,p Tirages successifs sas remise. Pour ce mode de tirage, o doit avoir 0. O choisit alors : - arragemets (sas répétitio) d ordre de l esemble des boules ; -A P, car card A est fii ; - P l équiprobabilité sur,a. Le ombre de boules blaches obteues est compris etre max0, 2 et mi, 1. Il y a C choix possibles pour les positios des boules blaches ; les positios des boules oires état aisi détermiées. Il y a alors A 1 choix des boules blaches et A 2 A 1 choix des boules oires. A 1 O a doc PA C A 1, max0, A 2 mi, Tirages simultaés (ou par poigées). Pour ce mode de tirage, o doit avoir 0. O choisit alors : - combiaisos (sas répétitio) d ordre de l esemble des boules ; -A P, car card C est fii ; - P l équiprobabilité sur,a. Le ombre de boules blaches obteues est compris etre max0, 2 et mi, 1. Il y a C 1 choix des boules blaches et C 2 C 1 choix des boules oires. C 1 O a doc PA C 1, max0, C 2 mi, 1. Remarque. Pour tout tel que 0, o a : C A 1 A 1! A!! A 1 A 1 A A 1! A 1! A! C 1 C 1 C. Il y a doc équivalece etre tirages successifs sas remise et tirages simultaés. Cette loi de probabilité est appelée loi Hypergéométrique de paramètres,,p 1 1. Stéphae Ducay 8

9 3.2. Ure à l catégories, l 2. Cosidéros ue ure coteat boules idiscerables au toucher, dot 1 sot de couleur 1, 2 de couleur 2,..., l de couleur l (o a doc 1 2 l ). Pour tout i 1,...,l, la proportio de boules de couleur i est p i i. O cosidère l expériece aléatoiree: extraire boules de l ure. O cherche à calculer la probabilité d obteir exactemet et e même temps i boules de couleur i, 1 i l, l avec i Tirages successifs avec remise. O cosidère le même espace probabilisé qu au 1.1. Soit l évéemet A 1,..., l1 ; obteir exactemet i boules de couleur i, 1 i l. Choisir les positios pour les i boules de couleur i, 1 i l, reviet à choisir ue permutatio avec répétitio de la combiaiso avec répétitioc 1,...C 1,C 2,...,C 2,...,C l,...,c l, où chaque couleur C i est répètée i fois ; cette combiaiso ayat élémets. Le ombre de choix des positios est doc le ombre de ces permutatios avec répétitio, i.e.! 1! 2!... l!. Les positios état détermiées, il y a i i choix des boules de couleur i, 1 i l. O a doc 1,..., l1 PA 1,..., l1! 1! 2!... l! l l! 1! 2!... l! p 1 1 p p l l. Cette loi de probabilité est appelée loi Multiomiale de paramètres,p 1,p 2,...,p l Tirages successifs sas remise. O cosidère le même espace probabilisé qu au 1.2. Pour simplifier, o suppose que i i pour tout i 1,...,l. Il y a toujours! choix des positios. 1! 2!... l! i choix des boules de couleur i, 1 i l. Il y a alors A i O a doc 1,..., l1 PA 1,..., l1! 1! 2!... l! A 1 1 A A l l. A Tirages simultaés (ou par poigées). O cosidère le même espace probabilisé qu au 1.3. Pour simplifier, o suppose que i i pour tout i 1,...,l. Il y a C i i choix des boules de couleur i, 1 i l. O a doc 1,..., l1 PA 1,..., l1 C 1 1 C C l l, 0. C Remarque. A 1 1 1! A 2 2 l O a 1,..., l1 C 1 1 C C l l A C 1,..., l1.! Il y a ecore équivalece etre tirages successifs sas remise et tirages simultaés. Cette loi de 2!... A l l! probabilité est appelée loi Multi-hypergéométrique de paramètres,,p 1 1,...,p l1 l1. Stéphae Ducay 9

10 4 - Exercices. Exercice 1. O tire trois boules avec remise das ue ure coteat ciq boules umérotées de 1 à 5. Soiet les évéemets A i : la i-ème boule tirée porte le uméro 1, pour i 1,2,3. Exprimer e foctio des A i les évéemets suivats : a) o obtiet trois fois la boule uméro 1, b) o obtiet au mois ue fois la boule uméro 1, c) o obtiet ue seule fois la boule uméro 1, d) la boule uméro 1 est obteue pour la première fois au 2ème tirage, e) la boule uméro 1 est obteue pour la première fois au 3ème tirage, f) la boule uméro 1 est obteue au 1er tirage ou alors est pas obteue. g) o obtiet deux fois ou plus la boule uméro 1, h) o obtiet deux fois exactemet la boule uméro 1, i) o obtiet jamais la boule uméro 1. Exercice 2. O effectue ue suite ifiie de lacers d u dé dot les six faces sot umérotées de 1 à 6. Pour tout i I, o cosidère l évéemet A i : obtetio de l as au i ème lacer. 1) Défiir par ue phrase e comportat aucu vocabulaire mathématique les évéemets suivats : B i5 4, C, D A i. i5 i4 2) Ecrire à l aide des A i l évéemet E : o obtiet au mois ue fois l as au-delà du ème lacer. 3) Motrer que la suite E A i i aucu vocabulaire mathématique l évéemet E 1 est décroissate. Caractériser par ue phrase e comportat 4) Ecrire à l aide des A i les évéemets F : o obtiet plus que des as à partir du ème lacer, et F : o obtiet plus que des as à partir d u certai lacer. Exercice 3. O jette quatre dés discerables équilibrés dot les 6 faces sot umérotées de 1 à 6. O appelle résultat la suite ordoée des quatre faces obteues. Proposer u espace probabilisé,a,p adapté à cette expériece et calculer la probabilité des évéemets suivats : a) A : o obtiet pas d as au cours des quatre lacers, b) B : o obtiet exactemet deux as, c) C : o obtiet au mois u as, d) D : o obtiet u as aux deuxième et troisième lacers, e) E : o obtiet au mois ue fois u uméro pair. f) F : o obtiet u carré" (quatre faces idetiques), g) G : o obtiet u brela" (trois faces idetiques et ue autre différete), h) H : o obtiet ue double paire" (deux couples différets de faces idetiques), i) I : o obtiet ue simple paire" (deux faces idetiques et deux autres différetes), j) J : o obtiet u résultat baal" (quatre faces différetes). Exercice 4. O rappelle qu u jeu de 52 cartes est costitué de 13 cartes de valeur 1, 2,..., 9, 10, Valet, Dame, Roi das chacue des 4 couleurs Pique, Carreau, Coeur et Trèfle. O titre simultaémet 6 cartes d u jeu de 52 cartes. Calculer la probabilité d obteir : a) six cartes de valeurs différetes ; b) deux brelas (brela3cartes de même valeur) ; c) ue paire et u carré (paire 2 cartes de même valeur, carré 4 cartes de même valeur) ; d) trois paires (différetes) ; e) u brela, ue paire, u sigleto E. Stéphae Ducay 10

11 Exercice 5. Das ue loterie de 100 billets, deux billets sot gagats. 1) Quelle est la probabilité de gager au mois u lot si l o pred 12 billets? 2) Combie faut-il predre de billets pour que la probabilité de gager au mois u lot soit supérieure à 4/5? Exercice 6. Das ue assemblée de persoes, quelle est la probabilité que deux d etre elles au mois aiet le même jour d aiversaire? Exercice 7. O lace six fois de suite u dé équilibré à 6 faces umérotées de 1 à 6. Quelle est la probabilité que le résultat du lacer et le uméro du lacer coïcidet au mois ue fois? Exercice 8. O place au hasard sur ue étagère les tomes d u ecyclopédie, umérotés de 1 à. Pour i 1,...,, o désige par A i l évéemet "le tome i retrouve sa place". Calculer la probabilité des évéemets suivats : a) le tome i retrouve sa place, b) les tomes i et j retrouvet leur place, c) les tomes i 1,i 2,...,i retrouvet leur place, avec 1, d) chacu des tomes retrouve sa place, e) aucu des tomes e retrouve sa place. E déduire le ombre de déragemets de E i 1,i 2,...,i, c est-à-dire de permutatios de E telle qu aucu élémet i e retrouve sa positio. Exercice 9. O lace u dé à 6 faces umérotées de 1 à 6, et truqué de telle sorte que les faces paires sot équiprobables, les faces impaires sot équiprobables, et la probabilité d obteir ue face paire est égale au double de celle d obteir ue face impaire. 1) a) Proposer u espace probabilisé,a,p adapté à cette expériece. O pourra cosidérer les probabilités p i d obteir la face i, i 1,...6. b) Calculer la probabilité d obteir ue face iférieure ou égale à 3. 2) Comparer au cas d u dé équilibré. Exercice 10. Soiet,u réel et p la suite défiie par p soit ue distributio de probabilité sur. 1. Détermier pour que p Exercice 11 Ue ure cotiet 10 boules dot 6 blaches et 4 oires. O effectue successivemet 5 tirages d ue boule de l ure. 1) Les tirages sot effectués avec remise. Calculer la probabilité d obteir : a) aucue boule blache ; b) au mois ue boule blache ; c) ue boule blache (exactemet) ; d) deux boules blaches (exactemet) ; e) deux boules blaches suivies de trois boules oires. 2) Repredre les questios du 1) avec des tirages effectués sas remise. Stéphae Ducay 11

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

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

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

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

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES 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 Table des matières Modélisatio de phéomèes

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

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

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

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

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

[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

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

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

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

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

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

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

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

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

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

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

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

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

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

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

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

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

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

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

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

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

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

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

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation analogique industrielle ESTF- G.Thermique Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

Petit recueil d'énigmes

Petit recueil d'énigmes Petit recueil d'éigmes Patxi RITTER (*) facile (**) mois facile (***) pas facile (****) il faudra de l aide Solutios e rouge. 1) Cryptarithme (**) Trouvez la valeur de A, B et C satisfaisat l équatio suivate.

Plus en détail

Donnez de la liberté à vos données. BiBOARD. www.biboard.fr

Donnez de la liberté à vos données. BiBOARD. www.biboard.fr Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,

Plus en détail

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &

Plus en détail

Télé OPTIK. Plus spectaculaire que jamais.

Télé OPTIK. Plus spectaculaire que jamais. Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour

Plus en détail

Working Paper RETAIL RÉGIONAL RESPONSABLE

Working Paper RETAIL RÉGIONAL RESPONSABLE «BANQUE DE DÉTAIL DE MASSE» : COMMENT LES CAISSES D ÉPARGNE EN AFRIQUE, ASIE ET AMÉRIQUE LATINE PEUVENT FOURNIR DES SERVICES ADAPTÉS AUX BESOINS DES POPULATIONS DÉFAVORISÉES Travailler avec les caisses

Plus en détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

La maladie rénale chronique

La maladie rénale chronique La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie

Plus en détail

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace

Plus en détail

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui. S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des

Plus en détail

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

One Office Voice Pack Vos appels fixes et mobiles en un seul pack Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Neolane Message Center. Neolane v6.0

Neolane Message Center. Neolane v6.0 Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.

Plus en détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Comment les Canadiens classent-ils leur système de soins de santé?

Comment les Canadiens classent-ils leur système de soins de santé? Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté

Plus en détail

Le chef d entreprise développe les services funéraires de l entreprise, en

Le chef d entreprise développe les services funéraires de l entreprise, en Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.

Plus en détail

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES SOMMAIRE Les visites d etreprises : pourquoi ouvrir ses portes?.... 8 1.1 Des motivatios variées pour les etreprises... 8 1.2 Les freis à l ouverture

Plus en détail