Variables aléatoires. Exercices

Dimension: px
Commencer à balayer dès la page:

Download "Variables aléatoires. Exercices"

Transcription

1 Variables aléatoires Exercices Les idispesables Loi d ue variable aléatoire, espérace et variace O répète idéfiimet le lacer d u dé équilibré à 6 faces Soit la variable aléatoire doat la valeur du rag d apparitio du premier 6 E utilisat des évéemets idépedats, motrer que la loi de est la loi géométrique G( 6 ) Soit ue variable aléatoire suivat la loi biomiale B(,p) O pose : Y Détermier la loi de Y 3 O lace deux dés équilibrés à faces, et o ote S la somme des deux résultats qu o obtiet i a Pour : i +, motrer que : P( S i) i + b Pour : + i, motrer que : P( S i) c Calculer P ( S +) 4 O dispose d ue boîte das laquelle se trouvet iitialemet boules Blaches et boule Noire L expériece étudiée cosiste e la répétitio des trois étapes suivates : o tire ue des boules de la boîte, o la remet das la boîte, o ajoute das la boîte boule Blache et boule Noire Soit la variable aléatoire doat le uméro d apparitio de la première boule Blache Détermier la loi de 5 Soit ue variable aléatoire à valeurs das {0,,} O sait que : E ( ), et : V ( ) Détermier la loi de 6 O ote : *, p ( + ) Motrer que (,p ) * est la loi de probabilité d ue variable discrète 7 O ote : *, p l() a Motrer que (,p ) * est la loi de probabilité d ue variable discrète b admet-elle ue espérace? Si oui, la calculer c Quelle est l espérace de la variable aléatoire : Y (l( ))? 8 O ote : p 0, et :, p 3 a Motrer que (,p ) est la loi de probabilité d ue variable discrète b Motrer que admet ue espérace et calculer E() c Motrer que admet ue variace et calculer V() 9 Soit ue boîte qui cotiet boules idiscerables au toucher, avec : 3, dot sot Blaches et les autres sot Rouges O tire ue à ue et sas remise, ue boule de cette boîte jusqu à vider la boîte et o ote la variable aléatoire doat le rag de la première boule Blache tirée Chapitre 0 : Variables aléatoires Exercices - -

2 Calculer E() et V() 0 Pour : a *, o cosidère ue variable aléatoire à valeurs das, telle que : a, P ( + ) P( ) + a Détermier la loi de b La variable aléatoire admet-elle ue espérace? Si oui, calculer E() c La variable aléatoire admet-elle ue variace? Si oui, calculer V() O cosidère ue variable aléatoire à valeurs das et telle que :, 3 P ( + ) 4 P( + ) P( ) a Détermier la loi de b La variable aléatoire admet-elle ue espérace et ue variace? Si oui, calculer E() et V() O effectue des tirages successifs das ue boîte qui cotiet iitialemet ue boule Noire et ue boule Blache A chaque tirage, o ote la couleur de la boule et o la remet e ajoutat e plus ue boule Noire O défiit Y la variable aléatoire doat le rag d apparitio de la première boule Noire et Z celle qui doe le rag d apparitio de la première boule Blache a Détermier les lois de Y et de Z b La variable aléatoire Y admet-elle ue espérace? Si oui, calculer E(Y) c La variable aléatoire Z admet-elle ue espérace? Si oui, calculer E(Z) 3 O répète de faço idépedate ue expériece aléatoire au cours de laquelle u évéemet A se réalise à chaque fois avec la probabilité p, avec : 0 < p < O ote la variable aléatoire égale au rag de la première réalisatio de A et Y celle étale au rag de se deuxième réalisatio a Détermier la loi de Motrer que admet ue espérace et calculer E() b Détermier la loi de Y Motrer que Y admet ue espérace et calculer E(Y) c Comparer E() et E(Y) Que dire de ce résultat? Couple et famille de variables aléatoires 4 O effectue ue suite ifiie de lacers d ue pièce équilibrée O ote (respectivemet Y) la variable aléatoire égale au rag d apparitio du premier Pile (resp Face) a Détermier les lois margiales du couple (,Y) b Détermier la loi du couple (,Y) c Les variables et Y sot-elles idépedates? d O pose : Z + Y Détermier la loi de la variable aléatoire Z 5 O pose : (i,j) *, p i, j i( i + ) j( j + ) a Motrer que ((i,j), p i,j ) (i,j) N*² défiit la loi de probabilité d u couple (,Y) de variables aléatoires discrètes b Détermier les lois margiales de couple, à savoir les lois de et de Y c Motrer que les variables et Y sot idépedates 6 Pour : p ]0,[, o défiit les réels a i,j par : (i,j) j, a ( p) p, si : i < j, et : a 0, sio i, j i, j a Motrer que {(i,j,a i,j ), (i,j) } est la loi d u couple (,Y) de variables aléatoires discrètes b Détermier les lois margiales de et de Y Les variables aléatoires et Y sot-elles idépedates? c Pour : j, détermier la loi coditioelle de sachat (Y j) 7 Soiet et Y deux variables aléatoires telles que et Y admettet ue espérace O ote alors σ() et σ(y) leurs écarts-types respectifs (supposés o uls) et cov(,y) leur covariace Chapitre 0 : Variables aléatoires Exercices - -

3 O défiit par ailleurs : ρ cov(, Y) (, Y ) σ ( ) σ ( Y ) Pour : (α,β,γ,δ) 4, et : U α + β, et : V γ Y + δ, comparer ρ (, Y ) et ρ ( U, V ) 8 O cosidère ue boîte coteat N jetos umérotés de à N, avec : N * O effectue ue suite ifiie de tirages d u jeto das l ure, avec remise O ote, pour : i *, i la variable aléatoire doat le uméro du jeto obteu au i ième tirage O ote efi : *, S k k Calculer pour tout etier : *, l espérace et la variace de S 9 Soiet,, variables aléatoires discrètes ayat la même espérace m, la même variace v et telles que tous les couples ( i, j ) ot la même covariace v, pour : i j Calculer l espérace et la variace de : k k Chapitre 0 : Variables aléatoires Exercices Lois usuelles, modélisatios, approximatios 0 Pour chaque situatio, recoaître la loi de la variable aléatoire aisi que ses paramètres a O lace u dé équilibré à 6 faces et est la variable aléatoire doat le résultat du lacer b Ue ure cotiet boules, dot 6 Vertes, 4 Rouges et Bleues O effectue 8 tirages successifs et avec remise est la variable aléatoire égale au ombre de boules Rouges obteues c Ue ure cotiet boules, dot 6 Vertes, 4 Rouges et Bleues O effectue des tirages successifs et avec remise jusqu à obteir ue boule Rouge est la variable aléatoire doat le ombre de tirages effectués d O rage au hasard 0 boules das 3 sacs idiscerables de faço équiprobable et est la variable aléatoire doat le ombre de boules placées das le premier sac e O a ragé toutes les cartes (faces cachées) d u jeu de 3 cartes e ue file, et o retoure l ue après l autre les cartes jusqu à obteir la Dame de Cœur est la variable aléatoire doat le ombre de cartes retourées f Ue ure cotiet jetos umérotés de à (avec : *) O les tire au hasard u à u sas remise jusqu à obteir le jeto uméro est la variable aléatoire doat le ombre de tirages effectués g Ue ure cotiet jetos umérotés de à (avec : *) O les tire au hasard u à u avec remise jusqu à obteir le jeto uméro est la variable aléatoire doat le ombre de tirages effectués h O pose questios (avec : *) à u élève et pour chaque questio, r réposes sot proposées (avec ue seule de correcte) L élève répod au hasard à chaque questio est la variable aléatoire égale au ombre de boes réposes Recoaître das les deux cas suivats la loi de, préciser ses paramètres et calculer E ( ) et V ( ) a pred ses valeurs das et :, P ( + ) P( ) + b pred ses valeurs das *, et : *, 3 P ( + ) 4 P( + ) P( ) O cosidère ue variable aléatoire défiie sur u espace probabilité (Ω,A,P) à valeurs das O défiit la variable aléatoire Y par : ( ω) ω Ω, Y ( ω) 0, si (ω) est impair, et : Y ( ω), si (ω) est pair Détermier la loi de Y et so espérace das les deux cas suivats : a soit la loi géométrique G(p), avec : 0 < p < b suit la loi de Poisso P(λ), avec : λ > 0 3 Des études effectuées par ue compagie aériee motret qu il y a ue probabilité de 005 qu u

4 passager ayat fait ue réservatio e viee pas à l aéroport U étudiat admissible e PSI doit moter à Paris passer u oral et l avio qu il doit predre comporte 90 places alors que 94 billets ot été vedus Quelle est la probabilité qu il puisse y avoir u problème d embarquemet (o effectuera les calculs de deux faços, directemet ou e utilisat ue approximatio) 4 O dispose pour tout : *, d ue boîte B coteat boule Blache et ( ) boules Noires Pour tout : *, o effectue au hasard tirages successifs das B avec remise de la boule tirée, et o ote la variable aléatoire égale au ombre de boules Blaches obteues Pour : k, détermier la limite de la probabilité P( k), lorsque ted vers + 5 Soit ( ) * ue suite de variables aléatoires telles que, pour tout : *, suit la loi biomiale B(,p), avec : p ]0,[ O ote pour tout : *, Y Motrer que : *, ε > 0, P( Y p ε ) 4 ε 6 O cosidère u dé équilibré à 6 faces et o cosidère ue successio de lacers de ce dé ( *) O ote la variable aléatoire doat le ombre de obteus à l issue de ces lacers 4 50 a A l aide de l iégalité de Bieaymé-Tchebychev, justifier que : P b E déduire le ombre de lacers qu il faut effectuer pour que la fréquece d apparitio du au cours de ces lacers soit das l itervalle, +, avec u risque d erreur iférieur à Soit ( ) *, ue suite de variables aléatoires deux à deux idépedates, de même loi et admettat u momet d ordre (autremet dit telles que admette ue espérace pour tout etier ) O ote : m E( ), v V ( ), et : *, M k k v a Motrer que : *, ε > 0, P( M m ε ) ε b O suppose que : v 0 3 Détermier u etier : N *, tel que : N, P( M m 0 ) 0 Foctios géératrices 8 Recalculer les foctios géératrices des lois classiques 9 Soiet et Y des variables aléatoires idépedates suivat ue loi biomiale de même paramètre p Calculer explicitemet G +Y, la foctio géératrice de (+Y) puis retrouver le fait que (+Y) suit ue loi biomiale que l o précisera 30 Soit : x > 0, et soit la variable aléatoire discrète à valeurs das dot la loi de probabilité est : x, P( ) ch( x) ( )! a Vérifier que cette défiitio est cohérete et calculer la foctio géératrice G o distiguera les valeurs positives et égatives b E déduire E ( ) et V ( ) Les classiques Loi d ue variable aléatoire, espérace et variace 3 U élève de PSI qui s euie (e maths) répète le lacer d u dé équilibré dodécaédrique jusqu à ce que le résultat soit pair, résultat qu il divise alors par Soit la variable aléatoire doat le résultat fial Chapitre 0 : Variables aléatoires Exercices - 4 -

5 suit-elle la loi uiforme? 3 O cosidère ue variable aléatoire discrète vérifiat : (Ω), et :, P ( + ) P( ), et : P ( ) P( ) + a Exprimer pour tout :, la valeur P ( ) e foctio de P ( 0) E déduire P ( 0), puis la loi de b Motrer que la variable aléatoire admet ue espérace et ue variace et calculer E() et V() 33 Ue boîte cotiet des boules Blaches e proportio b, des boules Rouges e proportio r et des boules vertes e proportio v O effectue des tirages successifs avec remise et o s arrête au premier chagemet de couleur O ote la variable aléatoire égale au ombre de tirages effectués a Préciser les égalités ou iégalités vérifiées par b, r et v b Détermier la loi de c Motrer que admet ue espérace et que : E ( ) + + b r v 34 U asceseur se trouve e bas au rez-de-chaussée d u immeuble qui comporte e plus étages ( ) D autre part, k persoes motet das cet asceseur et o suppose que chaque persoe peut s arrêter à importe quel étage de faço équiprobable et idépedammet des autres L asceseur gravit aisi les étages et stoppe ue fois la derière persoe sortie O appelle la variable aléatoire doat le ombre d arrêts de l asceseur O ote pour : k, T k la variable aléatoire valat si l asceseur s arrête à l étage k et 0 sio a Détermier la loi de T k, pour : k, puis E ( T k ) b Etablir u lie etre et les variables T k et e déduire E ( ) a 35 Soit : a, et pour tout : *, p ( + )( + ) α β γ a Trouver α, β, γ tels que : *, + + ( + )( + ) + + b Détermier a, pour que (,p ) * soit la loi de probabilité d ue variable discrète c La variable aléatoire admet-elle ue espérace? Si oui, calculer E() d Détermier la loi de Y, défiie par : Y Y admet-elle ue espérace? Si oui, calculer E(Y) 36 Ue boîte cotiet deux boules Blaches et ue boule Noire O y effectue ue successio de tirages suivat le protocole suivat : si la boule tirée est Noire, o la remet das la boîte, si la boule tirée est Blache, o remet à la place de cette boule ue boule Noire das la boîte Pour tout : *, o ote Y la variable aléatoire égale au ombre de boules Blaches présetes das la boîte à l issue du ième tirage Aisi Y pred ses valeurs das {0,,} a Détermier la loi de Y b Calculer pour tout : *, la valeur P ( ) c O pose :, u P( Y ) Y Préciser u puis motrer que :, u + u E utilisat la suite de terme gééral : *, v u +, doer la valeur de u pour tout 3 d E déduire pour tout : *, la valeur de P ( 0) Y e Calculer pour tout : *, l espérace de Y f O défiit la variable aléatoire Z doat le premier istat où la boîte e cotiet plus que des boules Noires Chapitre 0 : Variables aléatoires Exercices - 5 -

6 Détermier la loi de Z Motrer que Z admet ue espérace et calculer E(Z) Couple et famille de variables aléatoires 37 Pour : a, o cosidère u couple de variables aléatoires discrètes (,Y) de loi cojoite doée par : i + j (i,j), P( i, Y j) a i! j! a Détermier la valeur de a b Détermier les lois margiales de et de Y Les variables aléatoires et Y sot-elles idépedates? c Motrer que le couple (,Y) admet ue covariace et la calculer + Y d Motrer que la variable aléatoire : Z, admet ue espérace et la calculer 38 O réalise ue successio de lacers d ue pièce doat Pile avec la probabilité p, où : 0 < p < O défiit deux suites de variables aléatoires (S ) et (T ) défiies de la faço suivate : pour tout :, S est égal au ombre de lacers écessaires pour obteir le ième Pile, T S, et pour :, T est le ombre de lacers supplémetaires écessaires pour obteir le ième Pile après avoir obteu le ( ) ième Pile a Pour :, détermier la loi de T, sas utiliser S Motrer que pour tout :, T admet ue espérace et ue variace b Etablir le lie qui relie S et les variables T,, T, pour : c Pour :, motrer que S admet ue espérace et ue variace et que : ( p) E( S ), et : V ( S ) p p Lois usuelles, modélisatios, approximatios 39 O cosidère ue variable aléatoire suivat la loi de Poisso P(λ), avec : λ > 0 P( + ) a Pour :, calculer : u P( ) b E déduire le mode de, c'est-à-dire la valeur que pred avec la plus grade probabilité 40 Somme de deux variables aléatoires idépedates suivat ue loi de Poisso Soiet et Y deux variables aléatoires idépedates suivat les lois de Poisso P(λ) et P(µ), avec λ et µ strictemet positifs a Détermier la loi de : S + Y b Pour :, détermier la loi coditioelle de sachat (S ) 4 O cosidère ue variable aléatoire suivat la loi uiforme sur {,} et ue variable aléatoire Y, idépedate de, et suivat la loi de Poisso P(λ), avec : λ > 0 O défiit esuite la variable aléatoire Z par : Z Y a Détermier la loi de Z, so espérace et sa variace b Calculer la probabilité que Z soit pair 4 Soiet et Y deux variables aléatoires idépedates suivat la loi géométrique G(p), avec : p ]0,[ a Détermier la loi de ( + Y ), de mi(, Y ), et de max(, Y ) Pour détermier la loi de : T mi(, Y ), o pourra commecer par évaluer par exemple P( T ) b A quelle situatio type peut-o associer les variables aléatoires et Y? Que représetet alors les trois variables aléatoires de la questio a? O pourra imagier deux situatios, l ue pour illustrer ( + Y ), l autre pour mi(, Y ) et max(, Y ) c Calculer les probabilités P ( Y ) et P( Y ) 43 O cosidère ue suite ( ) * de variables aléatoires idépedates suivat la même loi de Beroulli B(p), avec : 0 < p < Chapitre 0 : Variables aléatoires Exercices - 6 -

7 Pour : *, o pose : S k k + +, Y, T a Justifier le fait que : ε > 0, lim P( S p ε ) 0 + b Pour : *, doer la loi et l espérace de Y c Soiet et m des etiers o uls tels que : < m Les variables aléatoires Y et Y m sot-elles idépedates? d Motrer que : ε > 0, lim P( T p ε ) 0 + Y k k 44 O cosidère ue boîte coteat des boules Blaches e proportio icoue p o ulle et des boules Noires e proportio ( p) O effectue tirages successifs avec remise d ue boule et o observe l apparitio de k boules Blaches O voudrait cosidérer que k fourit ue approximatio de p a E utilisat les variables aléatoires j valat si ue boule Blache apparaît au tirage uméro j et 0 sio, évaluer le validité de cette approximatio k k E particulier, quelle est la probabilité que p appartieet à l itervalle de cofiace ε, + ε? b Si o veut que l approximatio doe p au 00 ième près et ue certitude à plus de 99% sur cette approximatio, à quelle valeur de cela coduit-il? Qu e peser? Foctios géératrices 45 Soit ue variable aléatoire à valeurs das et admettat ue espérace a Quel lie y a-t-il etre la série P ( ) et la suite ( P ( > ) )? 0 b Motrer que : + E ( ) P( > ) 0 c Motrer que la foctio H doée par : t, + H ( t) P( > ) t, est défiie au mois sur ]-,+[ 0 G( t) d E otat G la foctio géératrice de, motrer que : t ]-,[, H ( t) t Remarque : H est appelée «secode foctio géératrice de» 46 Soiet,, des variables aléatoires mutuellemet idépedates à valeurs das O ote G,, G leurs foctios géératrices respectives Pour : (λ,, λ ), calculer la foctio géératrice de : Y λ + + λ Les plus Loi d ue variable aléatoire, espérace et variace 47 Ue boîte cotiet 4 boules, Blache et 3 Rouges O effectue des tirages d ue boule avec remise de la boule tirée jusqu à ce que l o obtiee deux boules cosécutives de même couleur et o ote la variable aléatoire égale au ombre de tirages effectués a Calculer P ( ), P ( 3) et P ( 4) b Motrer que :, c Motrer que :, 5 3 P ( ) P( + ) 6 + d Vérifier par le calcul que : P ( ) e Motrer que admet ue espérace et calculer E() Chapitre 0 : Variables aléatoires Exercices - 7 -

8 48 O dispose de deux boîtes B et B Iitialemet il y a deux boules Blaches das B et deux boules Noires das B A chaque tirage, o pred au hasard ue boule das B et ue boule das B et o les échage O ote, pour tout :, la variable aléatoire doat le ombre de boules Blaches das B après le ième échage : aisi, pred ses valeurs das {0,,} P( 0) O défiit, pour tout :, la matrice coloe : U P( ) P( ) a Trouver ue matrice : A M 3 (), telle que :, U A U + b Motrer que la suite ( E ) ) est costate et préciser cette valeur costate ( c Motrer que la matrice A est diagoalisable et diagoaliser A E déduire les coefficiets de la matrice A pour tout etier : * d E déduire la loi de pour tout etier : * 49 U mobile se déplace sur les poits à coordoées etières d u axe d origie O Au départ, le mobile est à l origie (poit d abscisse 0) Le mobile se déplace selo la règle suivate : s il est au poit d abscisse k à l istat, alors à l istat (+), il sera au poit d abscisse (k+) avec la k + probabilité, ou sur le poit d abscisse 0 avec la probabilité k + k + Pour tout :, o ote l abscisse du poit où se trouve le mobile à l istat, et : u P( 0) k a Motrer que :, k {,,, +}, P( + k) P( k ) k + b E déduire que :, k {0,,, }, P( k) u k k + u j c Motrer que :,, et e déduire u 0, u, u, u 3 j + j 0 ( + ) E( ) + u+ E ( d Motrer que :, E E déduire ue expressio de ),pour :, sous forme d ue somme où itervieet des termes de la suite (u p ) O ote T l istat auquel le mobile se retrouve pour la première fois à l origie (après so départ) et o coviet que T pred la valeur 0 si le mobile e reviet jamais à l origie e Motrer que : *, P ( T ) ( + ) E déduire que : P ( T 0) 0, puis iterpréter ce résultat f La variable T admet-elle ue espérace? Couple et famille de variables aléatoires 50 Deux joueurs A et B procèdet l u après l autre à ue successio de lacers d ue même pièce doat Pile avec ue probabilité p, avec : 0 < p <, et o otera : q p Le joueur A commece et il s arrête dès qu il obtiet le premier Pile ; o ote alors la variable aléatoire égale au ombre de lacers effectués par A Le joueur B effectue alors autat de lacers que le joueur A et o ote Y la variable aléatoire égale au ombre de Piles obteus par le joueur B a Détermier la loi de b Pour : *, détermier la loi coditioelle de Y sachat ( ) c E déduire que : q P( Y 0), et : k, + q + k 0 Vérifier par le calcul que : P ( Y k) Chapitre 0 : Variables aléatoires Exercices k q P ( Y k) ( + q) + q

9 d Le joueur B gage s il obtiet au mois u Pile, sio c est le joueur A qui gage Le jeu est-il équitable? 5 O effectue ue successio ifiie de lacers idépedats d ue pièce doat Pile avec la probabilité p, avec : 0 < p < O s itéresse aux successios de lacers doat u même côté O dit que la première série est de logueur si les premiers lacers ot ameé le même côté de la pièce et le (+) ième lacer a ameé l autre côté La deuxième série commece au lacer suivat la fi de la première série et se termie (si elle se termie) au lacer précédat le chagemet de côté O ote L (respectivemet L ) la variable aléatoire égale à la logueur de la première (respectivemet deuxième) série a Doer la loi de L, puis motrer que L admet ue espérace et la calculer b Détermier la loi du couple (L,L ) c E déduire la loi de L Motrer que L admet ue espérace et la calculer d Motrer que le couple (L,L ) admet ue covariace et la calculer e Motrer que L et L sot idépedates si et seulemet si : p 3 5 a Motrer que : x ]-,+[, la série ( )( ) x coverge puis que : x ]-,+[, + ( )( ) x 4 0 ( x) O répète de faço idépedate ue expériece aléatoire au cours de laquelle u évéemet A se réalise à chaque fois avec la probabilité p, avec : 0 < p < O ote la variable aléatoire égale au rag de la première réalisatio de l évéemet A et Y celle égale au rag de sa deuxième réalisatio b Détermier la loi du couple (,Y) E déduire les lois margiales de et de Y c Motrer que et Y admettet ue espérace et ue variace, puis calculer E ( ), E (Y ), V ( ), V (Y ) d Motrer que (,Y) admet ue covariace et calculer cov(, Y ) e Pour :, détermier la loi coditioelle de sachat (Y ) Lois usuelles, modélisatios 53 Loi hypergéométrique O cosidère ue boîte coteat des boules Noires e proportio p et Blaches e proportio : q p O effectue ue série de tirages das la boîte, sas remise, et o appelle la variable aléatoire doat le ombre de boules Noires tirées O appelle Ω l esemble des combiaisos de boules parmi les N présetes das la boîte au début a Motrer que Ω peut être choisi comme uivers de l expériece b Motrer que (Ω) est l esemble des etiers compris (au ses large) etre max( 0, q N) et mi(, p N) c Détermier la loi de, appelée loi hypergéométrique de paramètres N,,p et otée H(N,,p) 54 Loi de Pascal Das ue successio d épreuves de Beroulli idépedates, de probabilité d échec x (où : x ]0,[), o défiit deux suites de variables aléatoires (S ) * et (T ) * de la faço suivate : pour tout : *, S est égale au ombre d épreuves écessaires pour obteir le ième succès T S, et pour tout :, T est égale au ombre d épreuves supplémetaires écessaires pour obteir le ième succès après le ( ) ième a Exprimer pour tout : *, S e foctio des variables aléatoires (T k ) b Pour : *, détermier la loi de T et doer so espérace et sa variace c Détermier la loi de S puis celle de S d Pour : *, détermier la loi de S Chapitre 0 : Variables aléatoires Exercices - 9 -

10 k k x e E déduire que : x ]0,[, *, + x k ( x) 55 Soit ( ) * ue suite de variables aléatoires idépedates suivat la loi de Beroulli B(p), où : 0 < p < O ote, pour : *, S + +, et u la probabilité pour que S soit pair a Préciser la loi de S, pour tout etier : * b Calculer u, u et u 3 c Motrer qu il existe deux réels a et b tels que : *, u a u b + + E déduire ue expressio de u e foctio de puis la limite de la suite (u ) Ce résultat est-il surpreat? 56 O dispose de rosiers ( *) sur chacu desquels o opère ue greffe Lorsqu ue greffe est opérée, o sait au bout d ue semaie si elle a pris ou o et si la greffe e pred pas, o recommece jusqu à ce qu elle pree effectivemet O suppose que la probabilité qu ue greffe doée pree vaut p, avec : 0 < p <, et que tous ces essais sot mutuellemet idépedats O ote, pour : k {,, }, k la variable aléatoire égale au ombre de greffes écessaires à la prise d ue greffe sur le rosier uméro k O défiit égalemet : la variable aléatoire Y égale au ombre de semaies écessaires à la prise d au mois ue greffe, la variable aléatoire Z égale au ombre de semaies écessaire à la prise de toutes les greffes a Détermier pour tout : k {,, }, la loi de k, so espérace et sa variace b Calculer pour tout : m, P( Y m), et e déduire la loi de Y et so espérace c Calculer pour tout : m, P( Z m), et e déduire la loi de Z d A l aide de la deuxième expressio de l espérace, motrer que Z admet ue espérace e Calculer E (Z), pour : 57 Iégalité de Tchebychev-Catelli Soit ue variable aléatoire réelle telle que : E ( ) m, et : V ( ) σ, et soit : ε > 0 O pose : Y m + ε a Motrer que Y admet ue espérace puis calculer E ( Y ) b Motrer que : E( Y ) E( YY > 0 ) E( Y ) P( Y > 0), où Y > 0 désige la foctio idicatrice de l esemble ( Y > 0), défiie par : ω Ω, Y > 0 ( ω), si : Y ( ω) > 0, et : Y > 0 ( ω) 0, si : Y ( ω) 0 σ c E déduire que : P ( m ε ) σ + ε σ d E remplaçat par, e déduire que : P ( m ε ) σ + ε e Quad cette iégalité est-elle meilleure que l iégalité de Bieaymé-Tchebychev? 58 O cosidère ue variable aléatoire discrète N telle que : N(Ω), et :, P ( N ) 0 Si N pred la valeur, o décide de procéder à ue successio de épreuves de Beroulli idépedates de paramètre p, avec : 0 < p < O ote S et E les variables aléatoires égales au ombre de succès et d échecs lors de ces épreuves a O suppose que N suit ue loi de Poisso P(λ), avec : λ > 0 Motrer que S et E suivet aussi des lois de poisso dot o précisera le paramètre Motrer que S et E sot idépedates b Réciproquemet, o suppose que S et E sot idépedates Motrer qu il existe deux suites (u ) et (v ) telles que : (m,), ( + m)! P( N + m) u v Motrer que les deux suites (u ) et (v ) sot géométriques E déduire que N suit ue loi de Poisso Remarque : o peut modéliser le fait que das ue famille, le ombre d efats és das cette famille suit ue loi de Poisso P(λ), où : λ > 0, et à chaque aissace, la probabilité que l efat soit ue fille est p et Chapitre 0 : Variables aléatoires Exercices m

11 celle que ce soit u garço est : q p Das ce cas, les variables aléatoires et Y doat le ombre de filles et de garços sot idépedates Surpreat, mais éamois démotré au-dessus 59 Pour : *, o cosidère des variable aléatoires,, idépedates suivat toutes la loi géométrique G(p), avec : 0 < p <, et o ote : q p O pose de plus : U mi i, et : V max i i i a Détermier la loi de U E déduire que U admet ue espérace et calculer E (U ) b Détermier la loi de V Motrer à l aide de la deuxième expressio de l espérace que V admet ue espérace et que : i+ E( V ) ( ) i i i q Foctios géératrices 60 O cosidère deux variables aléatoires idépedates et Y suivat chacue ue loi de Poisso de paramètres respectifs λ et µ a Motrer directemet que : Z + Y, suit ue loi de Poisso dot o précisera le paramètre b Retrouver le résultat précédet grâce aux foctios géératrices 6 a Rappeler la foctio géératrice de la loi uiforme sur {,, } b Soiet et des variables aléatoires idépedates à valeurs das {,, 6} E étudiat les racies du polyôme G G, motrer que la loi de ( + ) e peut pas être la loi uiforme sur {,, } c Est-il possible de piper deux dés (idépedammet l u de l autre) de maière à redre les sommes etre et équiprobables lors du lacer simultaé de ces deux dés? Chapitre 0 : Variables aléatoires Exercices - -

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

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

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

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

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

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

[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

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

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

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

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

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

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

. (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

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

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

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

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

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

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

* 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

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

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

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

* 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

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

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

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

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

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

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

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

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi

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

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

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

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

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

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

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

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

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

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

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

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

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

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

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

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée

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

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

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en 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

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,

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

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

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

Risque de longévité et détermination du besoin en capital : travaux en cours

Risque de longévité et détermination du besoin en capital : travaux en cours Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l

Plus en détail

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers. Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports

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

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

Fluctuation d une fréquence selon les échantillons - Probabilités

Fluctuation d une fréquence selon les échantillons - Probabilités Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille

Plus en 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