Correction de l examen de probabilités et statistiques

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Correction de l examen de probabilités et statistiques"

Transcription

1 Correction de l examen de probabilités et statistiques Olivier Alata, Franck Licini, Julian Tugaut, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi un mail à 1

2 2

3 Table des matières Page de garde 1 Table des matières 3 Exercice 1 5 Énoncé Remarque Correction Correction du 1) Correction du 2) Exercice 2 7 Énoncé Correction Correction du 1) Correction du 2) Exercice 3 9 Énoncé Remarque Correction Correction du 1) Correction du 2) Correction du 3) Correction du 4) Correction du 5) Exercice 4 13 Énoncé Correction Correction du 1) Correction du 2) Correction du 3) Correction du 4) Correction du 5) Correction du 6) Correction du 7) Correction du 8)

4 4

5 Exercice 1 Énoncé Sur chaque pièce d un jeu de dominos figurent deux symboles, qui peuvent être les mêmes, pris parmi {; 1; 2; 3; 4; 5; 6}. Deux pièces ne peuvent pas être identiques. 1) Combien y a-t-il de pièces dans un jeu de dominos? 2) On considère l expérience aléatoire qui consiste à tirer au hasard un domino. Quelle est la probabilité p de tirer un domino qui contient un six? Remarque Certains étudiants ont cru, pour la question deux, qu il fallait avoir exactement un six. Toutefois, comme le mot exactement n était pas précisé, la question demandait la probabilité d avoir au moins un six. Correction Correction du 1) Il y a deux types de pièces : Les pièces doubles : ces pièces sont de la forme i i avec i 6. Il y a donc 7 telles pièces. Les pièces simples : ces pièces sont de lq forme i j avec i j. Comme la pièce i j est la même que la pièce j i, cela revient à choisir deux nombres parmi sept. Il y a donc C7 2 = ( ) 7 2 = 7! = 21 telles pièces. 5!2! Donc, il y a 28 pièces en tout. Correction du 2) Comme on considère un tirage au hasard, l espace fondamental est muni de l équiprobabilité. On note A l évènement on tire un domino qui contient un six. Il vient immédiatement p = P(A) = #{cas favorables} #{cas possibles}. Ici, d après la première question, on a #{cas possibles} = 28. On doit donc compter le nombre de dominos qui contiennent un six. Parmi les pièces doubles, 6 6 est le seul possible. Parmi les pièces simples, on en a six : 6, 1 6, 2 6, 3 6, 4 6 et 5 6. On a donc #{cas favorables} = = 7. On en déduit p = 7 28 =

6 6

7 Exercice 2 Énoncé Une tension de bruit électronique est modélisée par une variable aléatoire centrée qui suit une loi normale de variance σ 2. 1) Quelle est la probabilité que la valeur absolue de cette tension dépasse 2σ? (On utilisera les tables des lois usuelles de probabilité). 2) On ajoute n tensions de bruit identiquement distribuées, indépendantes et suivant la loi précédente. On souhaite que la probabilité, que la tension de bruit équivalente dépasse en valeur absolue 5σ, soit inférieure ou égale à.1. Combien de sources (tensions) de bruit peut-on ajouter? Correction Correction du 1) On appelle X cette variable aléatoire. Alors, Y := X σ N (, 1). D où suit la loi normale centrée réduite, P ( X > 2σ) = P ( Y > 2) = P (Y < 2) +P (Y > 2) = 2P (Y > 2) = 2 2P (Y 2) = =.456. On trouve ainsi : P ( X > 2σ) =.456. Correction du 2) On note X 1,, X n les n tensions de bruit. On pose Y n := X X n. Comme les variables aléatoires X i sont indépendantes deux à deux, on en déduit Var(Y n ) = Var(X 1 ) + + Var(X n ) = nσ 2. Puis, par linéarité de l espérance, on a E(Y n ) =. Donc, Y n est une variable aléatoire qui suit la loi normale centrée de variance nσ 2, N (, nσ). On pose U n := Yn nσ. Cette variable aléatoire U n suit la loi normale centrée réduite, N (, 1). Ainsi, on a ( P ( Y n > 5σ) = P U n > 5 ) ( = 2 2P U n 5 ). n n 7

8 On souhaite avoir P ( Y n > 5σ).1. Ceci nous donne alors P ( U n 5 n ).995. En regardant sur les tables, on en déduit 5 n 2.58 ce qui implique n Conséquemment, n = 3. 8

9 Exercice 3 Énoncé Soit l ensemble Ω = {(, ), (, 1), (1, ), (1, 1)}. Les couples (a, b) Ω (couples d éléments binaires) sont les évènements élémentaires équiprobables. On considère aussi deux variables aléatoires X et Y sur Ω définies par : { X = a + b Y = a b La variable X est déterminée par l opération ou logique des deux bits a et b. La variable Y est déterminée par l opération ou-exclusif de a et b. 1) Déterminer et tracer la loi de probabilité p X de X. Tracer sa fonction de répartition. 2) Déterminer et tracer la loi de probabilité p Y de Y. Tracer sa fonction de répartition. 3) Déterminer la loi conjointe du couple de variables aléatoires (X, Y ). 4) X et Y sont-elles indépendantes? Justifier votre réponse. 5) Calculer la covariance et le coefficient de corrélation du couple (X, Y ). Remarque On fait un tableau qui va nous servir pour tout l exercice : ω (, ) (, 1) (1, ) (1, 1) X(ω) Y (ω) 1 1 (X(ω), Y (ω)) (, ) (1, 1) (1, 1) (1, ) X(ω) Y (ω) 1 1 Correction Correction du 1) L ensemble des réalisations possibles de X est X(Ω) = {, 1}. Et, le tableau nous donne P(X = ) = 1 4 et P(X = 1) = 3 4, car les évènements élémentaires sont équiprobables. La loi p X est donc p X = 1 4 δ δ 1. On la trace : 9

10 Figure 1 Loi p X Sa fonction de répartition F X est définie par F X (x) := P (X x). Il vient ainsi F X (x) = [;1[(x) +1 [1;+ [ (x) On la trace : Figure 2 Fonction de répartition F X Correction du 2) On procède de même. L ensemble des réalisations possibles de Y est Y (Ω) = {, 1}. Et, le tableau nous donne P(X = ) = 1 2 et P(X = 1) = 1 2, car les évènements élémentaires sont équiprobables. La loi p Y est donc p Y = 1 2 δ δ 1. On la trace : 1

11 Figure 3 Loi p Y Sa fonction de répartition F Y est définie par F Y (y) := P (Y y). Il vient ainsi F Y (y) = [;1[(x) +1 [1;+ [ (x) On la trace : Figure 4 Fonction de répartition F Y Correction du 3) Sur le tableau, on voit (X, Y )(Ω) = {(, ), (1, ), (1, 1)}. Et, de plus : P ((X, Y ) = (, )) = 1 4,P((X, Y ) = (1, )) = 1 4 et P ((X, Y ) = (1, 1)) = 1 2, car les évènements élémentaires sont équiprobables. La loi conjointe p (X,Y ) est donc p (X,Y ) = 1 4 δ (,) δ (1,) δ (1,1). 11

12 Correction du 4) On pourrait calculer la covariance pour montrer que les deux variables ne sont pas indépendantes. On peut aussi noter : P ((X, Y ) = (1, 1)) = 1 2 et P(X = 1) P(Y = 1) = = Comme P ((X, Y ) = (1, 1)) P(X = 1) P(Y = 1), on en déduit que les deux variables aléatoires X et Y ne sont pas indépendantes. Correction du 5) On calcule d abord la covariance comme suit. Or, on a d après le tableau Cov (X, Y ) = E(XY ) E(X)E(Y ). E(XY ) = = 1 2. Puis, E(X) = = 3 et E(Y ) = = 1. Conséquemment, on a Cov (X, Y ) = = 1 8 = Cov (X, Y ). On calcule maintenant le coefficient de corrélation du couple (X, Y ) comme suit On calcule donc Var (X) et Var (Y ) : ρ X,Y = Cov (X, Y ) Var (X) Var (Y ). Var (X) = E(X 2 ) E(X) 2 ) 2 = ( 3 4 = De même, on a Var (Y ) = 1. Conséquemment, il vient : 4 ρ X,Y = = 1 3 = ρ X,Y. 12

13 Exercice 4 Énoncé On admet que les composantes V x, V y, V z du vecteur vitesse V des molécules d un gaz en équilibre, sont des variables aléatoires identiquement distribuées, réelles absolument continues etindépendantesdontlesdensitésdeprobabilité f Vx, f Vy, f Vz suiventuneloinormalecentrée de variance σ 2. 1) Justifier que la densité de probabilité du vecteur vitesse V peut s écrire : f V (v x, v y, v z ) = f Vx (v x )f Vy (v y )f Vz (v z ) 2) Exprimer la fonction de répartition F V (v) = P ( ) V v de la variable V = V en coordonnées cartésiennes v x, v y, v z (sous forme intégrale). 3)Exprimerlafonctionderépartition F V delavariable V encoordonnéessphériques v r, v θ, v φ. On pourra simplement écrire dv x dv y dv z = u 2 sin(θ)dudθdφ (il n est pas nécessaire de calculer le Jacobien). 4) Montrer alors que v 2u 2 u F V (v) = 2 σ 3 2π e 2σ 2 du. 5) En déduire que la densité f V vaut f V (v) = 2v2 v 2 σ 3 2π e 2σ 2 1 [;+ [ (v). 6) Donner la vitesse moyenne d une molécule de ce gaz. 7) On note σ 2 := kt avec m la masse d une molécule de ce gaz, K la constante de Boltzmann m et T la température absolue en Kelvin. Donner la vitesse moyenne calculée précédemment en fonction de K, T et m. 8) Donner l énergie cinétique moyenne où l énergie cinétique est définie par E = 1mV 2. On 2 utilisera l égalité u 3 2 e u du = 3 4 π. Correction Correction du 1) Les trois variables aléatoires V x, V y et V z sont indépendantes donc leur loi conjointe est le produit de leurs lois d où f V (v x, v y, v z ) = f Vx (v x )f Vy (v y )f Vz (v z ) 13

14 Correction du 2) On cherche ici F V (v) :=P ( V v ) =P ( Vx 2 + Vy 2 + Vz 2 v ) = f Vx (v x )f Vy (v y )f Vz (v z )dv x dv y dv z. B(,v) où B (, v) est la boule de centre et de rayon v. Il vient donc F V (v) = B(,v) ( ) 3 1 e v2 x +v2 y +v2 z 2σ 2 dv x dv y dv z. 2πσ 2 Correction du 3) On passe en coordonnées sphériques : F V (v) = ( ) 3 1 v π 2π u 2 e u2 2σ 2 du sin(θ)dθ dφ 2πσ 2 Correction du 4) On remarque : et Il vient π F V (v) = 2π sin(θ)dθ = 2 v dφ = 2π. 2u 2 u 2 σ 3 2π e 2σ 2 du. Correction du 5) On dérive pour avoir la fonction de répartition pour obtenir la densité de probabilité : f V (v) = d dv F V (v) = 2v2 v 2 σ 3 2π e 2σ 2 1 [;+ [ (v) = f V (v). 14

15 Correction du 6) On calcule la vitesse moyenne comme suit. E(V ) = = vf V (v)dv 2v 3 σ 3 2π e v 2 2σ 2 dv On fait le changement de variable w := v 2 d où v = w et dv = 1 2 w 1 2 dw. On a donc On a donc E(V ) = 4σ 2π. E(V ) = = 1 σ 3 2π 2w 3 2 w 1 σ 3 2π e 2σ w 2 dw we w 2σ 2 dw. }{{} =4σ 4 Correction du 7) Immédiatement, on a E(V ) = 4 kt 2πm. Correction du 8) Cette énergie cinétique moyenne vaut E(E) = 1 2 me(v 2 ) = 1 2 m 2v 4 v 2 σ 3 2π e 2σ 2 dv. On fait le changement de variable u := v2 2σ 2. Alors v = σ 2u et dv = E(E) = m 2π ( kt m ) 3 2 = 4kT 2 u 3 2 e u du π }{{} = 3 4 π = 3 kt = E(E). 2 ( ) 2 kt kt 4u 2 e u m 1 2m u σ 2u du. D où 2 du 15

Feuille d exercices n 7 : Couples de v.a.r. discrètes

Feuille d exercices n 7 : Couples de v.a.r. discrètes ECE2-B 2-27 On remplace alors les valeurs dépendant de a et b dans le tableau : Feuille d exercices n 7 : Couples de var discrètes Exercice 3 ( ) a On commence par compléter le tableau de sorte à obtenir

Plus en détail

Variables Aléatoires Continues

Variables Aléatoires Continues Novembre 2010 Plan du Chapitre 1. Généralités 2. Variables Continues Usuelles 3. Espérance et Variance 4. Couple de Variables Aléatoires 5. Covariance et Corrélation 6. Autres Variables Continues Usuelles

Plus en détail

Variables aléatoires 2

Variables aléatoires 2 78 Variables aléatoires Variables aléatoires (résumé) 79 La somme et le produit de variables aléatoires 80 Formules concernant l espérance mathématique 8 E(X+Y) = E(X) + E(Y) (vérification pour un cas

Plus en détail

Variables aléatoire. Chapitre B. Sommaire

Variables aléatoire. Chapitre B. Sommaire Chapitre B Sommaire I) Vocabulaire................................................. 2 II) Couple de variables aléatoires....................................... 5 1) Exemple de loi conjointe de 2 variables

Plus en détail

1 Variables aléatoires continues.

1 Variables aléatoires continues. 1 Variables aléatoires continues. 1.1 Densité et fonction de répartition. Dénition 1.1. On dit que X est une v.a. continue s'il existe une fonction f 0 tel que pour tout ensemble B R P (X B) = f(x)dx (1)

Plus en détail

Couples de variables aléatoires réelles à densité

Couples de variables aléatoires réelles à densité Université de Picardie Jules Verne 20-202 UFR des Sciences - Généralités Licence mention Mathématiques - Semestre 4 Probabilités Couples de variables aléatoires réelles à densité Soient,A,P un espace probabilisé

Plus en détail

Résumé du cours de probabilité Deuxième partie

Résumé du cours de probabilité Deuxième partie Université de Paris X Nanterre U.F.R. Segmi Année 25-26 Licence Economie-Gestion deuxième année Résumé du cours de probabilité Deuxième partie 6 Lois à densité Définition 1. Soit f : R R + une application

Plus en détail

1 Couple de variables aléatoires discrètes

1 Couple de variables aléatoires discrètes Université de Reims Champagne Ardenne UFR Sciences Exactes et Naturelles Année universitaire 3-4 MA 84 - Master CM4 Couple de variables aléatoires, indépendance Couple de variables aléatoires discrètes.

Plus en détail

3. Une urne contient n boules numérotées de 1 à n. On tire simultanément k boules (k n) dans cette urne. Le nombre de tirages possibles est.

3. Une urne contient n boules numérotées de 1 à n. On tire simultanément k boules (k n) dans cette urne. Le nombre de tirages possibles est. Université des Sciences Sociales et de Gestion de Bamao (USSGB) Faculté des Sciences Economiques et Gestion (FSEG) Statistiques mathématiques Travaux dirigés fiche N 0 1 Exercice 1 Il ya au moins une réponse

Plus en détail

1 Sujets donnés en option scientifique

1 Sujets donnés en option scientifique Les sujets suivants, posés aux candidats des options scientifique, économique, technologique et littéraire BL, constituent la première version d un échantillon des sujets proposés lors des épreuves orales

Plus en détail

Couples de variables aléatoires réelles

Couples de variables aléatoires réelles Couples de variables aléatoires réelles Table des matières 1 Définition d un couple de variables aléatoires. 2 2 Loi d un couple de variables aléatoires réelles. 2 3 Indépendance de deux variables aléatoires.

Plus en détail

Probabilités Problème

Probabilités Problème Probabilités Problème Sont particulièrement abordés dans cette fiche : Exercice 1 : espérance mathématique, variable aléatoire, loi de probabilité, calculs de probabilités, variance, écart-type Le problème

Plus en détail

VA CONTINUES - Sujets de concours

VA CONTINUES - Sujets de concours Lycée Dominique Villars ECE Exercices VA CONTINUES - Sujets de concours Exercice - Problème EDHEC On considère deux variables aléatoires X et Y, définies sur un espace probabilisé (Ω,A,P), et indépendantes.

Plus en détail

MAP X2009. Fonction caractéristique, Vecteur gaussien, Convergence en loi, Théorème de la limite centrale 1. 1 MAP 311, Chapitre 6

MAP X2009. Fonction caractéristique, Vecteur gaussien, Convergence en loi, Théorème de la limite centrale 1. 1 MAP 311, Chapitre 6 MAP 311 - X2009 Leçon 6 Fonction caractéristique, Vecteur gaussien, Convergence en loi, Théorème de la limite centrale 1 1 MAP 311, Chapitre 6 ATTENTION! COURS 7: reporté au lundi 28 juin de 8h30 à 10h,

Plus en détail

p(x = k) = a ( n+k p(x = k) = 1 a k + k=0 p k, on peut en déduire la valeur de a. (série géométrique)

p(x = k) = a ( n+k p(x = k) = 1 a k + k=0 p k, on peut en déduire la valeur de a. (série géométrique) Colle PC Semaines 9 et 20 204-205 Programme : Variables aléatoires discrètes : Loi, Fonction de répartition, Espérance, Variance et écart-type, Théorème du transfert, Inégalités de Marov et Bienaymé Tchebichev

Plus en détail

PROBABILITÉS. Examen - Première session - Décembre heures

PROBABILITÉS. Examen - Première session - Décembre heures UNIVERSITÉ DE CERGY U.F.R. Economie et Gestion Licence d Économie et Gestion L - S3 PROBABILITÉS Examen - Première session - Décembre 0 - heures Les exercices sont indépendants et peuvent être traités

Plus en détail

Chapitre 15 Variables aléatoires simultanées

Chapitre 15 Variables aléatoires simultanées Chapitre 15 F. Delacroix, École des Mines de Douai, 21 mars 2011 Introduction Présentation et objectifs Comme en statistique descriptive, on est fréquemment amené à considérer plusieurs variables aléatoires

Plus en détail

Correction des travaux dirigés - Estimation

Correction des travaux dirigés - Estimation Correction des travaux dirigés - Estimation Julian Tugaut Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi un mail à tugaut@math.cnrs.fr

Plus en détail

Statistique multivariée TP2 : Loi normale multivariée. Exercice 1

Statistique multivariée TP2 : Loi normale multivariée. Exercice 1 Statistique multivariée TP : Loi normale multivariée Exercice 1 Montrez à l aide de la densité de la loi normale p-variée standard que l aire de la sphère unité S p 1 est donnée par πp/ Γp/, où Γx = t

Plus en détail

Rappels sur les intégrales multiples

Rappels sur les intégrales multiples [L2 Stat 28/9 - Massimiliano Gubinelli, Fadoua Balabdaoui-Mohr - poly n. (r.2] appels sur les intégrales multiples Théorème. [Fubini-Tonelli, cas n2] Soit f: 2 une fonction positive, alors f(, yddy 2 (

Plus en détail

MATHEMATIQUES Option économique Mardi 9 mai 2006 de 8h à 12h

MATHEMATIQUES Option économique Mardi 9 mai 2006 de 8h à 12h ECOLE DE HAUTES ETUDES COMMERCIALES DU NORD Concours d'admission sur classes préparatoires MATHEMATIQUES Option économique Mardi 9 mai 6 de 8h à h La présentation, la lisibilité, l'orthographe, la qualité

Plus en détail

Exercices : Couples et suites de VAR discrètes

Exercices : Couples et suites de VAR discrètes Exercices : Couples et suites de VAR discrètes Exercice : Une urne contient 2 boules blanches et n 2 boules rouges. On effectue n tirages sans remise de cette urne. On appelle X le rang de sortie de la

Plus en détail

Chapitre 6 Couples et suites de variables aléatoires discrètes

Chapitre 6 Couples et suites de variables aléatoires discrètes Mr Dunstetter - ENC-Bessières 204\205 Chapitre Couples et suites de variables aléatoires discrètes I Couples de variables aléatoires discrètes : dénitions Dans toute cette partie, on considère X et Y deux

Plus en détail

Chapitre VIII : Variable aléatoire et loi de probabilité Extrait du programme :

Chapitre VIII : Variable aléatoire et loi de probabilité Extrait du programme : Chapitre VIII : Variable aléatoire et loi de probabilité Extrait du programme : I. Vocabulaire et propriétés des probabilités 1. Vocabulaire sur les événements Vocabulaire Définition Exemples Expérience

Plus en détail

Rappels de théorie de l intégration et des probabilités

Rappels de théorie de l intégration et des probabilités CHAPITRE 26 Rappels de théorie de l intégration et des probabilités 26.1 Résultats de théorie de l intégration 26.1.1 Théorème de dérivation des intégrales à paramètre On en énonce une version lisible

Plus en détail

Variables aléatoires discrètes

Variables aléatoires discrètes BTS CGO Variables aléatoires discrètes 203/204 Variables aléatoires discrètes Table des matières I Variable aléatoire 2 I. Notion de variable aléatoire discrète................................ 2 I.2 Loi

Plus en détail

EXERCICES. VARIABLES ALÉATOIRES : une et deux dimensions

EXERCICES. VARIABLES ALÉATOIRES : une et deux dimensions EERCICES VARIABLES ALÉATOIRES : une et deux dimensions. Une variable aléatoire possède une densité constante sur l intervalle (-c, c) et sa variance est. Calculez la constante c, la moyenne, la médiane,

Plus en détail

Analyse Combinatoire Probabilité Site MathsTICE de Adama Traoré Lycée Technique Bamako

Analyse Combinatoire Probabilité Site MathsTICE de Adama Traoré Lycée Technique Bamako Analyse Combinatoire Probabilité Site MathsTICE de Adama Traoré Lycée Technique Bamako Exercice 1 Les élèves d une classe sont choisis au hasard l un après l autre pour subir un examen. Calculer la probabilité

Plus en détail

PROBABILITÉS. Examen - Seconde session - Juin heures

PROBABILITÉS. Examen - Seconde session - Juin heures UNIVERSITÉ DE CERGY U.F.R. Economie et Gestion Licence d Économie et Gestion L2 - S3 PROBABILITÉS Examen - Seconde session - Juin 212-2 heures Les exercices sont indépendants et peuvent être traités dans

Plus en détail

Chapitre 14 Vecteurs gaussiens

Chapitre 14 Vecteurs gaussiens Chapitre 14 Vecteurs gaussiens Rappels Un vecteur aléatoire est une application de Ω dans R n : X : Ω R n ω X 1 ω,, X n ω où chaque composante est une variable aléatoire sur Ω On a alors F X x 1,, x n

Plus en détail

Ch 07 Probabilités. Exemple Reprendre l exemple précédent et définir la loi de probabilité de X.

Ch 07 Probabilités. Exemple Reprendre l exemple précédent et définir la loi de probabilité de X. Ch 07 Probabilités I VARIABLE ALEATOIRE ET LOI DE PROBABILITE I.1 - d une variable aléatoire On appelle variable aléatoire discrète toute application X de Ω dans IR. L ensemble des valeurs prises par X,

Plus en détail

Lycée Nombre d élèves Probabilité de réussite. Quelle est la probabilité qu un élève pris au hasard de cette ville obtienne cet examen?

Lycée Nombre d élèves Probabilité de réussite. Quelle est la probabilité qu un élève pris au hasard de cette ville obtienne cet examen? EXERCICE 1 : On jette un dé trois fois. 1/ Décrire l'ensemble fondamental de cette expérience. 2/ Quelle est la probabilité pour que la somme des dés soit supérieure ou égale à 15? EXERCICE 2 : Dans une

Plus en détail

SERIE 1 Statistique descriptive.

SERIE 1 Statistique descriptive. Université Abdelmalek Essaadi. Ecole Nationale des Sciences Appliquées - Tétouan - Cycle Ingénieur. S1. Module Proba-Stat. A/U: 2011-2012. M. CHERKAOUI 0 - Statistique descriptive. Contenu du module. -

Plus en détail

1. Espaces probabilisés dénombrables

1. Espaces probabilisés dénombrables Probabilités sur un univers dénombrable 12-1 Sommaire 1. Espaces probabilisés dénombrables 1 1.1. Ensemble dénombrables......... 1 1.2. Suite infinie d événements........ 1 1.3. Probabilité sur un univers

Plus en détail

Statistique et Informatique (LI323) Cours 5

Statistique et Informatique (LI323) Cours 5 Statistique et Informatique (LI323) Cours 5 Nicolas Baskiotis nicolas.baskiotis@lip6.fr Université Pierre et Marie Curie (UPMC) Laboratoire d Informatique de Paris 6 (LIP6) auteurs: M.R. Amini, N. Usunier

Plus en détail

Sujet + Corrigé. Correction Réalisée SUJET 3 ANTILLES - GUYANE BAC S ANNALES MATHÉMATIQUES BAC S PROBABILITÉS alainpiller.

Sujet + Corrigé. Correction Réalisée SUJET 3 ANTILLES - GUYANE BAC S ANNALES MATHÉMATIQUES BAC S PROBABILITÉS alainpiller. Sujet + Corrigé ANNALES MATHÉMATIQUES BAC S PROBABILITÉS - 2016 SUJET 3 ANTILLES - GUYANE BAC S - 2016 Correction Réalisée Par Alain PILLER alainpiller.fr Sujets Bac Maths 2016 Annales Mathématiques Bac

Plus en détail

I- Notion de variable aléatoire à densité

I- Notion de variable aléatoire à densité Dans tout ce chapitre, on considère (Ω, T, P) un espace probabilisé, X une variable aléatoire réelle. I- Notion de variable aléatoire à densité I-1 Généralités Définition 1 On dit que X admet une loi à

Plus en détail

Lycée Privé Catholique Maintenon TERMINALE FASCICULE MATHEMATIQUES M. MAGNE

Lycée Privé Catholique Maintenon TERMINALE FASCICULE MATHEMATIQUES M. MAGNE Lycée Privé Catholique Maintenon TERMINALE FASCICULE --------------- DE --------------- MATHEMATIQUES DEVOIRS MAISON Année 2010/2011 M. MAGNE Thème : Les Fonctions Devoir Maison à rendre le : Partie A

Plus en détail

Réseaux de neurones : rappels de probabilités et statistiques

Réseaux de neurones : rappels de probabilités et statistiques Réseaux de neurones : rappels de probabilités et statistiques Fabrice Rossi http://apiacoa.org/contact.html. Université Paris-IX Dauphine Réseaux de neurones Rappels de probabilités et statistiques p.1/49

Plus en détail

Correction du TD n o 2 Partie commune

Correction du TD n o 2 Partie commune Université de Nice Sophia-Antipolis Année Universitaire 00/0 L MI Statistique TD de Statistique Correction du TD n o Partie commune Exercice :. N est une variable aléatoire dénombrable tel que N(Ω) N et

Plus en détail

MAPSI cours 1 : Rappels de probabilités et statistiques

MAPSI cours 1 : Rappels de probabilités et statistiques MAPSI cours 1 : Rappels de probabilités et statistiques Vincent Guigue LIP6 Université Paris 6, France Buts de l UE MAPSI cours 1 : Rappels de probabilités et statistiques 2/39 Fonctionnement de l UE Rappels

Plus en détail

Chapitre III : Probabilités discrètes

Chapitre III : Probabilités discrètes Chapitre III : Probabilités discrètes Extrait du programme : I. Rappels a. Définitions Prop 1 : Une probabilité est toujours comprise entre 0 et 1. Prop 2 Si A est l événement certain, p(a) = 1. Si A est

Plus en détail

Corrigé du baccalauréat S Métropole 22 juin 2015

Corrigé du baccalauréat S Métropole 22 juin 2015 Corrigé du baccalauréat S Métropole juin 015 EXERCICE 1 6 POINTS Partie 1 A. P. M. E. P. 1. a. Soient c et d deux réels tels que 0 c < d. Par définition, P(c X d)= d c = e λd ( e λc) = e λc e λd. f (x)

Plus en détail

COMPLÉMENTS SUR LES VARIABLES ALÉATOIRES RÉELLES, VARIABLES À DENSITÉ

COMPLÉMENTS SUR LES VARIABLES ALÉATOIRES RÉELLES, VARIABLES À DENSITÉ Chapitre 8 : COMPLÉMENTS SUR LES VARIABLES ALÉATOIRES RÉELLES, VARIABLES À DENSITÉ ECS2 Lycée La Bruyère, Versailles Année 2015/2016 1 Généralités sur les variables aléatoires réelles 2 1.1 Généralités.............................................

Plus en détail

Variables aléatoires réelles

Variables aléatoires réelles Variables aléatoires réelles Table des matières 1 Généralités sur les variables aléatoires réelles. 3 1.1 Rappels sur les σ-algèbres ou tribus d événements................................. 3 1.2 σ-algèbre

Plus en détail

NEK-Majeure Math App. CHANGEMENT de PROBABILITE. et PROBABILITE RISQUE-NEUTRE

NEK-Majeure Math App. CHANGEMENT de PROBABILITE. et PROBABILITE RISQUE-NEUTRE NEK-Majeure Math App CHANGEMENT de PROBABILITE et PROBABILITE RISQUE-NEUTRE 1 NEK-Majeure Math App CHANGEMENT de PROBABILITE 2 NEK-Majeure Math App Définition d un Changement de Probabilité Définition

Plus en détail

Plan. Probabilités, statistiques, signaux aléatoires. Mohamed CHETOUANI Probabilités et Statistiques. Processus aléatoires

Plan. Probabilités, statistiques, signaux aléatoires. Mohamed CHETOUANI Probabilités et Statistiques. Processus aléatoires , statistiques, signaux aléatoires Mohamed CHETOUANI Mohamed.Chetouani@upmc.fr et Statistiques Processus aléatoires Caractérisation temporelle et statistique de signaux aléatoires Rappels de probabilité

Plus en détail

Chapitre 6 Les probabilités

Chapitre 6 Les probabilités Chapitre 6 Les probabilités A) Rappels de première 1) Vocabulaire a) Expérience aléatoire : C'est une expérience dont le résultat (alea = dé en latin) dépend du hasard. b) Univers : C'est l'ensemble des

Plus en détail

1 Couples de variables aléatoires nies

1 Couples de variables aléatoires nies Lycée Roland Garros Mathématiques BCPST ère année 203-204 Chapitre n o 22. Couples de variables aléatoires Couples de variables aléatoires nies. Dénition Dénition. On appelle couple de v.a. nies toute

Plus en détail

n-uplets de variables aléatoires réelles

n-uplets de variables aléatoires réelles n-uplets de variables aléatoires réelles Table des matières 1 Définition d un n-uplet de variables aléatoires réelles. 2 2 Loi d un vecteur aléatoire à valeurs dans n. 2 3 Loi marginale. 2 4 Caractérisation

Plus en détail

Calculs d espérance : un jeu d enfants

Calculs d espérance : un jeu d enfants Université Pierre et Marie Curie 0-0 Probabilités élémentaires - LM5 Calculs d espérance : un jeu d enfants. (CC 0) Trois bébés jouent à un jeu d éveil constitué d une boîte munie d une serrure et d un

Plus en détail

Exercices : Préparation à l oral

Exercices : Préparation à l oral Mathématiques Année 26-27 Lycée Pothier - PSI F. Blache Exercices : Préparation à l oral Exercice. Calcul mental : 8 699 et 99. 2. Déterminer le plus grand facteur premier du nombre 89999. Exercice 2 Soit

Plus en détail

COMPLÉMENTS SUR LES VARIABLES ALÉATOIRES RÉELLES, VARIABLES À DENSITÉ

COMPLÉMENTS SUR LES VARIABLES ALÉATOIRES RÉELLES, VARIABLES À DENSITÉ Chapitre 8 : COMPLÉMENTS SUR LES VARIABLES ALÉATOIRES RÉELLES, VARIABLES À DENSITÉ ECS2 Lycée La Bruyère, Versailles Année 2013/2014 1 Généralités sur les variables aléatoires réelles 2 1.1 Généralités.............................................

Plus en détail

1 Probabilités-Rappel

1 Probabilités-Rappel Chapitre Probabilités sur un ensemble fini - Probabilités conditionnelles 1 Probabilités-Rappel On lance un dé non truqué à six faces numérotées de 1 à 6 et on note le nombre figurant sur la face supérieure

Plus en détail

Incertitudes des statistiques du lycée au GUM ou que vient f... ici ce. 11 juin 2013

Incertitudes des statistiques du lycée au GUM ou que vient f... ici ce. 11 juin 2013 Incertitudes des statistiques du lycée au GUM ou que vient f... ici ce a 3? 11 juin 2013 2/31 Incertitudes des statistiques du lycée au GUM ou que vien Intention Éclairer la notion d incertitude au programme

Plus en détail

cours 19, le jeudi 1er avril 2010

cours 19, le jeudi 1er avril 2010 cours 19, le jeudi 1er avril 21 Exemple : calcul de l espérance d une variable aléatoire T de loi exponentielle de paramètre λ >. La loi P T de T est donnée par dp T (x) 1 x λ e λx dx ; d après la formule

Plus en détail

Sommes de variables aléatoires indépendantes.

Sommes de variables aléatoires indépendantes. Université Pierre et Marie Curie 03-04 Probabilités et statistiques - LM345 Feuille 7 (semaine du 8 au 3 octobre Sommes de variables aléatoires indépendantes.. Indépendance d événements et de variables

Plus en détail

Préparation à l écrit Année Un problème de Capes blanc

Préparation à l écrit Année Un problème de Capes blanc Capes de Mathématiques Université Joseph Fourier Préparation à l écrit Année 2008-2009 Un problème de Capes blanc Préambule Dans tout le suet, n désigne un entier fixé 2. On utilise les notations et observations

Plus en détail

POLYCOPIE DE MATHEMATIQUES. Module M3201. TD de PROBABILITES-STATISTIQUES

POLYCOPIE DE MATHEMATIQUES. Module M3201. TD de PROBABILITES-STATISTIQUES Université Paris-Sud 2016-2017 IUT ORSAY Département Informatique S3 POLYCOPIE DE MATHEMATIQUES Module M3201 TD de PROBABILITES-STATISTIQUES Table des matières Table des matières 1 Vocabulaire, calculs

Plus en détail

Méthodes statistiques Solutions des exercices du chapitre 2

Méthodes statistiques Solutions des exercices du chapitre 2 STT-1920 Méthodes statistiques Solutions des exercices du chapitre 2 Numéro 1. On lance un dé à deux reprises. Calculez (a la probabilité d obtenir deux nombres pairs ; (b la probabilité que la somme des

Plus en détail

DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL MTH2302B - PROBABILITÉS ET STATISTIQUE

DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL MTH2302B - PROBABILITÉS ET STATISTIQUE TD n o 1 : semaine du 4 septembre 2017 Exercices du manuel de référence : 1.4 1.15 1.25 1.29 1.33 1.35 Exercice n o 1 Dans une production en série d un certain type de pièce, le contrôle de la qualité

Plus en détail

Feuille 2 : Espérances et lois conditionnelles

Feuille 2 : Espérances et lois conditionnelles Université Denis Diderot Paris 7 TD M1 ISIFAR Feuille 2 : Espérances et lois conditionnelles Exercice 1 Soient (Ω; A; P) un espace de probabilité, X et Y des v.a.r., T une v.a. à valeurs dans R d. Que

Plus en détail

X = Rcosθ Y = Rsinθ. X 2 1+X 2 2 χ 2 2.

X = Rcosθ Y = Rsinθ. X 2 1+X 2 2 χ 2 2. Examen Jeudi 3 Novembre Exercice Enoncé OnconsidèredeuxvariablesaléatoiresindépendantesXetY deloisnormalesnσ etoncherche la loi de la variable aléatoire R X +Y appelée loi de Rayleigh. DéterminerlaloiducoupleRθobtenuàpartirdeladéfinitiondescoordonnéespolaires

Plus en détail

Eléments du Calcul des Probabilités Chapitre 5: Vecteurs et processus aléatoires

Eléments du Calcul des Probabilités Chapitre 5: Vecteurs et processus aléatoires Eléments du Calcul des Probabilités Chapitre 5: Vecteurs et processus aléatoires Louis Wehenkel Département d Electricité, Electronique et Informatique - Université de Liège B24/II.93 - L.Wehenkel@ulg.ac.be

Plus en détail

L2 Eco Proba-Stat TRAVAUX DIRIGÉS 4

L2 Eco Proba-Stat TRAVAUX DIRIGÉS 4 TRAVAUX DIRIGÉS 4 Exercice 1 : Un sac contient 100 billes dont 36 sont rouges et les autres sont bleues. Une épreuve consiste à tirer 16 fois de suite une bille avec remise. Soit X la v.a.r. égale au nombre

Plus en détail

Baccalauréat S (obligatoire) Polynésie septembre 2009

Baccalauréat S (obligatoire) Polynésie septembre 2009 Baccalauréat S (obligatoire) Polynésie septembre 2009 EXERCICE 1 Commun à tous les candidats 4 points On considère le cube OABCDEFG d arête de longueur 1 représenté ci-dessous. Il n est pas demandé de

Plus en détail

Variables aléatoires réelles

Variables aléatoires réelles 23 Variables aléatoires réelles Pour ce paragraphe, (Ω, B, P est un espace probabilisé. 23.1 Définition et propriétés des variables aléatoires réelles Définition 23.1 On dit qu une application X : Ω R

Plus en détail

BACCALAURÉAT GÉNÉRAL SESSION MATHÉMATIQUES Série S Candidats n ayant pas suivi l enseignement de spécialité. Durée de l épreuve : 4 heures

BACCALAURÉAT GÉNÉRAL SESSION MATHÉMATIQUES Série S Candidats n ayant pas suivi l enseignement de spécialité. Durée de l épreuve : 4 heures BACCALAURÉAT GÉNÉRAL SESSION 207 MATHÉMATIQUES Série S Candidats n ayant pas suivi l enseignement de spécialité Durée de l épreuve : 4 heures Coefficient : 7 OBLIGATOIRE Ce sujet comporte 6 pages numérotées

Plus en détail

BACCALAURÉAT GÉNÉRAL SESSION MATHÉMATIQUES Série S Candidats ayant suivi l enseignement de spécialité. Durée de l épreuve : 4 heures

BACCALAURÉAT GÉNÉRAL SESSION MATHÉMATIQUES Série S Candidats ayant suivi l enseignement de spécialité. Durée de l épreuve : 4 heures BACCALAURÉAT GÉNÉRAL SESSION 2017 MATHÉMATIQUES Série S Candidats ayant suivi l enseignement de spécialité Durée de l épreuve : 4 heures Coefficient : 9 SPÉCIALITÉ Ce sujet comporte 7 pages numérotées

Plus en détail

Chapitre V : Probabilité : conditionnement et indépendance

Chapitre V : Probabilité : conditionnement et indépendance Chapitre V : Probabilité : conditionnement et indépendance A- Variables aléatoires et lois de probabilités I Loi d une variable aléatoire 1) Définition d une variable aléatoire Exemple : Un jeu de hasard

Plus en détail

1) Enoncé des exercices corrigés

1) Enoncé des exercices corrigés Cours de statistique des valeurs etrêmes séries d eercices ) Enoncé des eercices corrigés Eercice (Constante d une densité de probabilité) On considère la fonction f() = k ep ; R où k est une constante.

Plus en détail

PROBABILITÉS. II Rappels : Calcul de probabilités 4

PROBABILITÉS. II Rappels : Calcul de probabilités 4 PROBABILITÉS Table des matières I Rappels : Vocabulaire des événements 2 I. Vocabulaire.............................................. 2 I.2 Intersection et réunion d événements................................

Plus en détail

mp* : révisions pour l écrit - Probabilités

mp* : révisions pour l écrit - Probabilités mp* 14-15 : révisions pour l écrit - Probabilités I Chapitres concernés P0, P1, P2, P3, P4, P5 II Questions de cours les plus classiques On ne les connaît pas encore...mais il est prudent de savoir Démontrer

Plus en détail

Statistique et Informatique (LI323) Cours 4

Statistique et Informatique (LI323) Cours 4 Statistique et Informatique (LI323) Cours 4 Nicolas Baskiotis nicolas.baskiotis@lip6.fr Université Pierre et Marie Curie (UPMC) Laboratoire d Informatique de Paris 6 (LIP6) auteurs: N. Baskiotis, M.R.

Plus en détail

PROBABILITE SUR UN ENSEMBLE FINI

PROBABILITE SUR UN ENSEMBLE FINI PROBABILITE SUR UN ENSEMBLE FINI Ω est un ensemble fini non vide. On note P(Ω) l ensemble des parties de Ω. Vocabulaire 1. Ω est l univers ou univers des possibles. 2. Toute partie A de Ω est appelée événement.

Plus en détail

Sujet Bac Maths SUJET 3 ANTILLES - GUYANE alainpiller. fr

Sujet Bac Maths SUJET 3 ANTILLES - GUYANE alainpiller. fr Sujet Bac Maths SUJET 3 ANTILLES - GUYANE 2016 alainpiller. fr Sujets Bac Maths 2016 Annales Mathématiques Bac 2016 Sujets + Corrigés - Alain Piller Antilles - Guyane Annales Bac Maths 2016 BACCALAURÉAT

Plus en détail

Chapitre 6 Couples et suites de variables aléatoires discrètes

Chapitre 6 Couples et suites de variables aléatoires discrètes Chapitre 6 Couples et suites de variables aléatoires discrètes I Couples de variables aléatoires réelles discrètes Dans toute cette partie, on considère X et Y deux variables aléatoires réelles discrètes

Plus en détail

Exercices pour le cours PS1

Exercices pour le cours PS1 Exercices pour le cours PS1 1. ENSEMBLES ET DÉNOMBREMENTS Exercice 1.1. Dans l ensemble Ω = {1, 2, 3, 4, 5, 6}, on considère les trois sous-ensembles Déterminer les sous-ensembles suivants A (B C) et (A

Plus en détail

Dans un lycée qui ne reçoit pas d interne, la répartition de 895 élèves se fait de la manière suivante :

Dans un lycée qui ne reçoit pas d interne, la répartition de 895 élèves se fait de la manière suivante : TES Correction des exercices Probabilités (5). Dans cette série d exercices on a parfois noté P(A B) la probabilité conditionnelle de A sachant B. La notation P B (A) est donc parfois remplacée par la

Plus en détail

Reconnaissance de forme: Rappels de probabilités et de statistiques

Reconnaissance de forme: Rappels de probabilités et de statistiques Reconnaissance de forme: Rappels de probabilités et de statistiques 1 er février 2010 Plan 1 Introduction : pourquoi des probabilités? 2 Notions de probabilités 3 Statistiques et estimation Introduction

Plus en détail

7 2 Variables aléatoires discrètes

7 2 Variables aléatoires discrètes BCPST2 9 5 7 2 Variables aléatoires discrètes I Compléments sur les variables aléatoires discrètes A) Dénition Dénition : Variable aléatoire discrète Une variable aléatoire réelle discrète est une variable

Plus en détail

Variables aléatoires discrètes. Soit une expérience aléatoire à laquelle est associé l ensemble des issues Ω.

Variables aléatoires discrètes. Soit une expérience aléatoire à laquelle est associé l ensemble des issues Ω. Variables aléatoires discrètes I. Définitions 1. Définition d une variable aléatoire : Soit une expérience aléatoire à laquelle est associé l ensemble des issues Ω. On appelle variable aléatoire et on

Plus en détail

Séries d exercices 4 ème sciences Probabilite

Séries d exercices 4 ème sciences Probabilite Séries d exercices 4 ème sciences Probabilite Maths au lycee *** Ali AKIR Site Web : http://maths-akir.midiblogs.com/ EXERCICE N 1 Une urne contient 12 boules blanches et 8 boules noires. On effectue des

Plus en détail

Rendements et matrices de covariances Simulations et Estimations en Excel Mean Blur

Rendements et matrices de covariances Simulations et Estimations en Excel Mean Blur Rendements et matrices de covariances Simulations et Estimations en Excel Mean Blur Daniel Herlemont 15 juin 011 Table des matières 1 Objectifs et motivations Programmer en Excel : ˆ La génération de nombres

Plus en détail

Durée : 1 heure 30 Épreuves communes ENI GEIPI POLYTECH Série S 11 mai 2016

Durée : 1 heure 30 Épreuves communes ENI GEIPI POLYTECH Série S 11 mai 2016 Durée : 1 heure 30 Épreuves communes ENI GEIPI POLYTECH Série S 11 mai 2016 Nous vous conseillons de répartir équitablement les 3 heures d épreuves entre les sujets de mathématiques et de physique-chimie

Plus en détail

Loi normale. I) Loi Normale N(0 ; 1) 1) Définition. 2) Théorème 1

Loi normale. I) Loi Normale N(0 ; 1) 1) Définition. 2) Théorème 1 Loi normale I) Loi Normale N(0 ; 1) 1) Définition Soit X une variable aléatoire à valeurs réelles. On dit qu elle suit la loi normale centrée réduite N(0 ; 1) si elle admet pour densité la fonction ϕ définie

Plus en détail

Feuille d exercices de probabilités. si x > 0 si x 0.

Feuille d exercices de probabilités. si x > 0 si x 0. variables aléatoires à densité Feuille d exercices de probabilités Exercice 1 Soit X une variable aléatoire réelle dont la fonction de répartition F X est définie sur R par: F X (x = { 1 5 x 5 x si x >

Plus en détail

Eléments en théorie des probabilités et en statistiques

Eléments en théorie des probabilités et en statistiques Eléments en théorie des probabilités et en statistiques Damien Nouvel Damien Nouvel (Inalco) Probabilités et statistiques 1 / 15 Généralités Scrabble : un sac avec des lettres (simplifié : lettres A et

Plus en détail

CAPES session 2015 Épreuve 2. Problème n o 1

CAPES session 2015 Épreuve 2. Problème n o 1 CAPES session 2015 Épreuve 2 Problème n o 1 A. P. M. E. P. Problème n o 1 Notations On note N l ensemble des entiers naturels, N l ensemble des entiers naturels non nuls et Z l ensemble des entiers relatifs.

Plus en détail

Cours de Terminale S /Probabilités : conditionnement et indépendance. E. Dostal

Cours de Terminale S /Probabilités : conditionnement et indépendance. E. Dostal Cours de Terminale S /Probabilités : conditionnement et indépendance E. Dostal aout 2013 Table des matières 6 Probabilités : conditionnement et indépendance 2 6.1 Généralités............................................

Plus en détail

(L. Le Cor, janvier 2006)

(L. Le Cor, janvier 2006) Université de Marne La Vallée Licence d Économie et de Gestion Feuille d exercices de Probabilités-2ème année-2ème semestre (L. Le Cor, janvier 26) Rappels Exercice.. Rappeler la définition d une probabilité.

Plus en détail

(θ >0 fixé). Calculer E(X). Pour u 0, calculer E(e ux ). Rappel : t R, +

(θ >0 fixé). Calculer E(X). Pour u 0, calculer E(e ux ). Rappel : t R, + 66 FONCTIONS GÉNÉATICES 57 TD5 ) Soit X variable aléatoire réelle de loi de densité x λe λx, λ> fixé (loi exponentielle de paramètre λ) Calculer E(X) et Var(X) Calculer la densité de la loi de X Calculer

Plus en détail

École Nationale Supérieure de Techniques Avancées module : Commande des Systèmes. examen du cours B7 1 Filtrage bayésien et approximation particulaire

École Nationale Supérieure de Techniques Avancées module : Commande des Systèmes. examen du cours B7 1 Filtrage bayésien et approximation particulaire École Nationale Supérieure de Techniques Avancées module : Commande des Systèmes examen du cours B7 1 Filtrage bayésien et approximation particulaire lundi 18 octobre 2010, 8:30 à 10:30 Exercice 1 : L

Plus en détail

Planche de Révisions Questions sur le programme de Terminale S. 1. Limites en et + de = Limites en 0 et + de = ln

Planche de Révisions Questions sur le programme de Terminale S. 1. Limites en et + de = Limites en 0 et + de = ln Planche de Révisions Questions sur le programme de Terminale S 1. Limites en et + de = +1 +1. Limites en 0 et + de = ln ln1+ 3. limln+1 ln ; lim 4. Variations de =+3+, R 5. Variations de = ln, >0 6. Variations

Plus en détail

Rappels de probabilité Probabilité conditionnelle Loi binomiale

Rappels de probabilité Probabilité conditionnelle Loi binomiale DERNIÈRE IMPRESSION LE 1 er mars 2017 à 14:13 Rappels de probabilité Probabilité conditionnelle Loi binomiale Table des matières 1 Rappels 2 1.1 Définitions................................. 2 1.2 Opération

Plus en détail

3 Variables aléatoires et distributions des probabilités

3 Variables aléatoires et distributions des probabilités 3 Variables aléatoires et distributions des probabilités 3.1 Variables aléatoires Après avoir réalisé une expérience, il arrive bien souvent qu on s intéresse plus à une fonction de résultat qu au résultat

Plus en détail

BACCALAURÉAT TECHNOLOGIQUE. MATHÉMATIQUES Séries STI2D et STL spécialité SPCL

BACCALAURÉAT TECHNOLOGIQUE. MATHÉMATIQUES Séries STI2D et STL spécialité SPCL BACCALAURÉAT TECHNOLOGIQUE SESSION 2017 MATHÉMATIQUES Séries STI2D et STL spécialité SPCL Durée de l épreuve : 4 heures Coefficient : 4 ÉPREUVE DU VENDREDI 16 JUIN 2017 Ce sujet comporte 6 pages numérotées

Plus en détail

Correction de l épreuve A du concours Agro 2015

Correction de l épreuve A du concours Agro 2015 BCPST - Maths - Thierry Gaspari. Correction de l épreuve A du concours Agro 5 Partie I.. La fonction sinus est continue et strictement croissante sur [ π, π ]. De plus sin( π ) = et sin(π ) =, donc : sinus

Plus en détail

Brevet de technicien supérieur 12 mai 2016 Systèmes numériques

Brevet de technicien supérieur 12 mai 2016 Systèmes numériques Brevet de technicien supérieur 12 mai 216 Systèmes numériques A. P. M. E. P. Exercice 1 8 points On considère un filtre analogique de type passe bas du premier ordre utilisé dans de nombreux modules électroniques.

Plus en détail

BAC BLANC MATHÉMATIQUES Section S Durée de l épreuve : 4 heures Sujet A (spécialité maths)

BAC BLANC MATHÉMATIQUES Section S Durée de l épreuve : 4 heures Sujet A (spécialité maths) BAC BLANC MATHÉMATIQUES Section S Durée de l épreuve : 4 heures Sujet A (spécialité maths) Une calculatrice par candidat autorisée. Toute trace de recherche sera prise en compte pour l évaluation. Ce sujet

Plus en détail