Correction de l examen de probabilités et statistiques
|
|
- Charlotte Grondin
- il y a 7 ans
- Total affichages :
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 tugaut@math.cnrs.fr 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
Programmes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailTSTI 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 détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailEI - EXERCICES DE PROBABILITES CORRIGES
EI 1 EI - EXERCICES DE PROBABILITES CORRIGES Notations 1 Les coefficients du binôme sont notés ( n p 2 Un arrangement de n objets pris p à p est noté A p n 3 Si A est un ensemble fini, on notera A ou card
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, 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
Plus en détailI- Définitions des signaux.
101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCours de Physique Statistique. Éric Brunet, Jérôme Beugnon
Cours de Physique Statistique Éric Brunet, Jérôme Beugnon 7 octobre 2014 On sait en quoi consiste ce mouvement brownien. Quand on observe au microscope une particule inanimée quelconque au sein d un fluide
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détail1 TD1 : rappels sur les ensembles et notion de probabilité
1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailPremier principe de la thermodynamique - conservation de l énergie
Chapitre 5 Premier principe de la thermodynamique - conservation de l énergie 5.1 Bilan d énergie 5.1.1 Énergie totale d un système fermé L énergie totale E T d un système thermodynamique fermé de masse
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailExercices de dénombrement
Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
Plus en détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détailMESURE DE LA TEMPERATURE
145 T2 MESURE DE LA TEMPERATURE I. INTRODUCTION Dans la majorité des phénomènes physiques, la température joue un rôle prépondérant. Pour la mesurer, les moyens les plus couramment utilisés sont : les
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailCHAPITRE IV Oscillations libres des systèmes à plusieurs degrés de liberté
CHAPITE IV Oscillations ibres des Systèmes à plusieurs derés de liberté 010-011 CHAPITE IV Oscillations libres des systèmes à plusieurs derés de liberté Introduction : Dans ce chapitre, nous examinons
Plus en détailFluctuation 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 détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailI. 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 détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailDYNAMIQUE DE FORMATION DES ÉTOILES
A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,
Plus en détailSEANCE 4 : MECANIQUE THEOREMES FONDAMENTAUX
SEANCE 4 : MECANIQUE THEOREMES FONDAMENTAUX 1. EXPERIENCE 1 : APPLICATION DE LA LOI FONDAMENTALE DE LA DYNAMIQUE a) On incline d un angle α la table à digitaliser (deuxième ou troisième cran de la table).
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détail1.1 Codage de source et test d hypothèse
Théorie de l information et codage 200/20 Cours 8février20 Enseignant: Marc Lelarge Scribe: Marc Lelarge Pour information Page webdu cours http://www.di.ens.fr/~lelarge/info.html Notations Pour des variables
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailÀ propos d ITER. 1- Principe de la fusion thermonucléaire
À propos d ITER Le projet ITER est un projet international destiné à montrer la faisabilité scientifique et technique de la fusion thermonucléaire contrôlée. Le 8 juin 005, les pays engagés dans le projet
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailMPI Activité.10 : Logique binaire Portes logiques
MPI Activité.10 : Logique binaire Portes logiques I. Introduction De nombreux domaines font appel aux circuits logiques de commutation : non seulement l'informatique, mais aussi les technologies de l'asservissement
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailSite : http://www.isnab.com mail : mennier@isnab.fr SUJET ES - session 2003 Page 1 68-(7(6VHVVLRQ
Site : http://www.isnab.com mail : mennier@isnab.fr SUJET ES - session 003 Page 1 68-(7(6VHVVLRQ LE JUS E FRUIT 35(0,Ê5(3$57,(%LRFKLPLHSRLQWV L'analyse d'un jus de fruit révèle la présence d'un composé
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailPRENOM NOM DE L ENTREPRISE DATE DU STAGE METIER
NOM DATE DU STAGE METIER PRENOM NOM DE L ENTREPRISE L ENTREPRISE L ENTREPRISE Dates du stage :... Nom de l entreprise :.. Adresse de l entreprise :...... Que fait-on dans cette entreprise?. Combien de
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détail