mathématiques - S3 probabilités et statistiques : corrigé département Mesures Physiques - IUT1 - Grenoble dénombrement et probabilités élémentaires
|
|
- Marie-Laure Lemelin
- il y a 7 ans
- Total affichages :
Transcription
1 mathématique - S3 probabilité et tatitique : corrigé département Meure Phyique - IUT1 - Grenoble dénombrement et probabilité élémentaire 1. Le reponable de l entretien d un immeuble doit remplacer deux lampe dan un bureau. Il decend au ou-ol chercher deux nouvelle lampe dan une boîte de 4 dont deux ont défectueue, pui il remonte le teter. Quelle et la probabilité qu il doive redecendre? Le reponable devra redecendre i et eulement i il choiit au moin une lampe défectueue. On peut calculer plu facilement la probabilité que le deux lampe choiie fonctionnent : le nombre de choix et ( ) 1 = = 31, alor que le nombre de choix total et ( ) = = 76. La probabilité qu à le reponable de devoir redecendre et donc de = 45 76, oit approximativement Deux empaqueteue fonctionnent indépendemment. Pour une journée donnée, la probabilité que l empaqueteue 1 oit en panne et de 0,05, et de 0,0 pour l empaqueteue. Quelle et la probabilité pour qu aucune ne fonctionne? Pour que le deux fonctionnent imultanément? Soit A l événement "l empaqueteue 1 tombe en panne" et B l événement "l empaqueteue tombe en panne". On ap(a) = 0.05 et p(b) = 0.0. (a) L événement "aucune empaqueteue ne fonctionne" et A B. A et B ont indépendant, donc p(a B) = p(a) p(b) = (b) L événement "le deux empaqueteue fonctionnent imultanément" et Ā B, et donc p(ā B) = p(ā)p( B) = (1 p(a))(1 p(b)) = = Lor d un jeu télévié, on propoe à un candidat troi enveloppe identique ; une eule d entre-elle contient un chèque. Le candidat commence par déigner une de enveloppe, pui le préentateur ouvre alor une autre enveloppe, qui et vide. Le candidat peut alor choiir d ouvrir l enveloppe qu il avait initialement déignée, ou bien ouvrir la troiième enveloppe. Quel et on intérêt? (objet d un jeu télévié américain, ce «problème» avait dan le année 50 paionné le grand public) Initialement, le candidat a une chance ur troi de gagner. Cela rete évidemment le ca il applique comme tratégie de ne rien changer. S il applique la tratégie de changer ytématiquement d enveloppe, il tranforme le gain en perte et le perte en gain, et par conéquent a probabilité de gagner et de /3. Aini, le candidat a intérêt à ouvrir ytématiquement la troiième enveloppe. 4. Dan une boîte il y a 1 pièce : une vi et un écrou de diamètre d 1, une vi et un écrou de diamètred,..., une vi et un écrou de diamètred 6. On choiit deux pièce au haard. Calculer la probabilité : (a) De pouvoir recontituer un boulon. (b) Qu il agie d un vi et d un écrou. (a) Il y a donc ( 1 ) = 66 tirage poible. i. 6 tirage ont contitué de pièce de même diamètre, donc la probabilité et de 6/66 = 1/11. ii. Choiir un tirage contitué d un vi et d un écrou revient ) à( choiir une vi parmi 6 et 6 1) un écrou parmi 6. La probabilité cherchée et aini ( 6 1 ( 1 ) = 6/ Durant un jeu avec paquet de 3 carte, chacun de deux joueur reçoit 5 carte : connue de tou et 3 connue de lui eul. 1) Quelle et la probabilité pour qu un joueur ait un carré d a? ) Vou avez vu que votre adveraire a reçu deux a ; de votre côté vou n en avez aucun. Quelle et la probabilité que votre adveraire ait un carré d a en main? 1) Il y a ( 3 5) main poible. Parmi celle-ci, 8 contiennent un carré d a (8 choix 8 poible pour l unique carte qui n et pa un a). Donc la probabilité et ( 3 = 1/719 5) oit environ 1, oit 0.013%. ) On ne intéree qu aux 3 carte inconnue, à choiir parmi 5 = 3 5 (vo 5 carte et le a connu). Il y a donc ( 5 3) choix poible, et parmi ceux-ci, 3 contiennent le deux a manquant (choix de a et d une eule autre carte parmi le 3 qui ne ont pa de a). La probabilité et donc de ( 3 5 oit exactement 1%. 3) 6. On lance deux foi un dé bien équilibré. (a) Quelle et la probabilité que la omme de point oit trictement upérieure à 10 achant que le premier réultat et 6? Sachant qu un de réultat et 6? (b) Sachant que la omme de point vaut 6 calculer la probabilité pour que l un de dé ait donné un. 1
2 (a) Si l on ait que le premier réultat et 6, on peut prendre pour univer l enemble de tirage dont le premier réultat et un 6, de cardinal 6 (on a ix tirage poible en tout, (6,1),(6,),...,(6,6)). L événement "la omme et trictement upérieure à 10" et contitué de deux iue (6, 5) et(6, 6). Aini, la probabilité cherchée et /6 = 1/3. Si on ait que l un de dé a donné 6, l univer et contitué de tou le tirage comportant au moin un 6, oit (6,1),(6,),...,(6,6),(1,6),...,(5,6), de cardinal 11 (attention, (6, 6) n apparaît qu une eule foi). Le tirage pour lequel la omme et trictement upérieure à 10 ont (6,6), (6,5) et (5,6), et la probabilité et donc 3/11. (b) On note A l événement «l un de dé a donné un» et B l événement «la omme de point fait 6». Il agit de calculer p(a B) = p(a B)/p(B). Mai A B = {(, 4);(4, )} et de cardinal, et B = {(1, 5);(5, 1);(4, );(, 4);(3, 3)} et de cardinal 5, donc la probabilité cherchée et de /5. 7. Deux machinem 1 etm produient quotidiennement repectivement 1000 et 3000 pièce. Le taux de pièce défectueue et de% pourm 1 et de5% pourm. Quelle et la probabilité qu une pièce défectueue provienne de M 1? On tire une pièce au haard : on note D l événement «la pièce et défectueue», et M i l événément «la pièce provient de la machine M i»,i = 1,. p(d) = = ,p(M1) = 1 4,p(M) = 3 4. On ait que p(d M 1) = 0.0, donc p(d M 1) = 0.0 p(m 1) = Et donc p(m 1 D) = variable aléatoire p(d M1) p(d) = %. 8. 5% de interrupteur ortant d une chaîne de production ont défectueux. On en prend deux au haard. Soit X la variable aléatoire «nombre d interrupteur défectueux dan l échantillon prélevé». Donner la loi de probabilité de X, calculere(x) et Var(X). Le troi réultat poible ont : «deux interrupteur défectueux», de probabilité 0.05 = 0.005, «aucun interrupteur défectueux», de probabilité 0.95 = 0.905, «un eul interrupteur défectueux», de probabilité = Alor E(X) = = 0.1, E(X ) = , E(X) = 0.105, et donc Var(X) = E(X ) E(X) = Remarque : on peut aui voir que X uit une loi binomiale de paramètre n = et p = 0.05, donc E(X) = np = 0.1 et Var(X) = np(1 p) = = On donne la ditribution (loi) conjointe de deux variable dicrète : X Y (a) déterminer le ditribution (loi) marginale, pui E(X) et E(Y). (b) Déterminer E(X.Y) et la covariance de X et Y. (c) le deux variable ont-elle indépendante? Pour trouver le p(x = i) on additionne le coefficient p(x = i, Y = j) pour j = 0,1, : p(x = 10) = 0.5, p(x = 1) = 0.5, p(x = 14) = 0.5. De même, p(y = 0) = 0.5, p(y = 1) = 0.5, p(y = ) = 0.5. E(X.Y) = 10p(X = 10,Y = 1)+1p(X = 1,Y = 1)+14p(X = 14,Y = 1)+10p(X = 10,Y = )+1p(X = 1,Y = )+14p(X = 14,Y = ) = = 1. E(X) = 1 ete(y) = 1, et donc E(X.Y) = E(X).E(Y), mai pourtant X et Y ne ont pa indépendante : on voit par exemple que p(x = 10, Y = 0) n et 10. X uit une loi normale de paramètre et 4. Calculerp(X = ),p(x > 3), p( 1 X 4), p( X 6). pa égal àp(x = 10)p(Y = 0). SiZ = X,Z uit une loi normale centrée réduite. p(x = ) = 0 car X et continue. p(x > 3) = p(z > 1/) = 1 p(z < 1/) = = , p( 1 X 4) = p( 3/ Z 1) = p(z 1) p(z 3/) = p(z 1) (1 p(z 3/)) = p(z 1) 1+p(Z 3/) = = Pour p( X 6) on peut refaire un calcul analogue au précédent, ou implement remarquer que c et la probabilité d être dan un intervalle centré ur l epérance et de "rayon" écart-type : la probabilité et donc 95.4%.
3 11. Dix boite ont poée dan une pièce. Un objet et caché dan l une d entre elle, et un joueur ouvre une boîte au haard pour trouver l objet. Il effectue une érie de 3 eai pour le retrouver (à chaque eai, réui ou non, l objet et caché à nouveau hor de la préence du joueur). (a) Quelle et la loi de la variablex «nombre de foi où l objet et trouvé»? (b) Déterminer l epérance et la variance de X. (c) Calculer la probabilité d avoir 0 uccè, 3 uccè, moin de 3 uccè, plu de 10 uccè. (d) À partir de combien de uccè peut-on conidérer le réultat comme extraordinaire (c et-à-dire qu un tel nombre de uccè n et obtenu que pour 1% de joueur)? (a) Il agit d une loi binomiale de paramètre 3 et 0.1 (on répète 3 foi l opération qui conite à choiir au haard une boite, qui a une chance ur 10 de contenir l objet, et on compte le nombre total de uccè). (b) Son epérance et E(X) = np = 3. et a variance Var(X) = np(1 p) =.88. (c) p(x = 0) = 0.034, p(x = 3) = 0.34, p(x 3) = 0.600, p(x 10) = Comme n 30, p 0.1 et np = 3. 5, le condition énoncée dan le cour ont vérifiée, et on utiliera effectivement l approximation par une loi de Poion de paramètre λ = np = 3 car on n a pa la table pour la loi de paramètre 3.. En utiliant l approximation par une loi de Poion de paramètre 3, on trouve donc : p(x = 0) = p(x = 3) = 0.0 p(x 3) = p(x 10) = 1 p(x < 10) = 1 p(x 9) = , p(x 10) = En utiliant la table de la loi de Poion on contate que la probabilité d obtenir moin de 7 eai et 0.988, d obtenir moin de 8 eai et Donc la probabilité d obtenir 9 eai ou plu et inférieure à 1%. 1. Pour e prémunir contre le 10% défection tardive habituellement contatée, une compagnie aérienne pratique la urréervation : elle vend 70 billet pour 50 iège dan un avion. Soit X la variable aléatoire «nombre de peronne ayant réervé qui e préentent pour embarquer». (a) Montrer que X uit une loi binomiale, et que l approximation par une loi normale et jutifiée. (b) Quelle et la probabilité qu exactement 50 peronne e préentent à l embarquement? Quelle et la probabilité que toute peronne ayant réervé et e préentant oit aurée d un iège? (a) La probabilité qu une peronne ayant acheté un billet e préente à l embarquement vaut p = 0.9, puique la compagnie contate 10% de défection. Par conéquent, i on répète 70 foi un "tirage au ort" pour déterminer i un paager e préente (avec une probabilité de 0.9), et l on compte le nombre de paager qui e préentent : X uit bien une loi binomiale de paramètre n = 70 et p = 0.9. Comme n > 50 et et que np(1 p) = 4.3, on peut effectivement approcher la loi de X par une loi normale de paramètre np = 43 etnp(1 p) = 4.3. (b) On ouhaite déterminer p(x = 50) et p(x 50) ; i on utilie l approximation par la loi normale, on calcule en fait p(49.5 X 50.5) et p(x 50.5). Pour cela, on e ramène à une loi normale centrée réduite : p(x 50.5) = p( X ) = p( X ) , de même p(x 49.5) Aini, la probabilité que toute peronne ayant réervé ait un iège et de 93.57%, et la probabilité qu exactement 50 peronne e préentent et0.03. (remarque : un calcul exact donne, avec la loi binomiale, p(x 50) = 94.11% ; par ailleur un calcul de p(x 50) (et non 50.5) avec la loi normale donne une moin bonne approximation, 9.%). etimation de paramètre 13. Dan un grand lot de pièce circulaire, on a prélevé au haard 40 pièce dont on vérifie le diamètre. Le meure (en cm) ont : Etimer par un intervalle de confiance 95% le diamètre moyen. 3
4 On trouve le etimation ponctuelle x = 4.93, = 0.0 et = L effectif de l échantillon étant «grand» (upérieur à 30), on peut conidérer que X µ n uit une loi normale centrée réduite. Par conéquent, l epérance de X era dan 95% de ca dan l intervalle [ x 1.96/ n, x+1.96/ n], oit ici dan l intervalle [4.87, 4.99]. (complément hor programme : etimation par intervalle de confiance de la variance : SiX uit une loi normale, on ait alor que (n 1) /σ uit une loi duχ à n 1 degré de liberté, donc σ et avec une probabilité de 95% dan l intervalle [(n 1) /c 1,(n 1) /c ] pour c et c (lu dan la table duχ à 40 degré de liberté, car le formulaire ne donne pa la table à 39 degré de liberté), oit σ [0.067,0.0648]. Si on ne ait pa que X uit une loi normale, on ne peut rien dire...) 14. De eai en laboratoire ur 0 lampe miniature donnent le durée de vie uivante, en heure : 451, 41, 41, 375, 407, 454, 375, 393, 355, 364, 414, 413, 345, 43, 39, 39, 439, 381, 451, 413. On uppoe la durée de vie ditribuée normalement. Etimer par un intervalle de confiance 95% la durée de vie moyenne. Le etimation ponctuelle de l epéance, de l écart-type et de la variance ont repectivement x = , = et = 197. Alor n X µ uit une loi de Student à 19 degré de liberté, et donc l epérance de X era dan 95% de ca dan l intervalle[ x t(0.95)/ n, x+t(0.95)/ n], et on lit t(0.95) =.093 dan la table de la loi de Student à 19 degré de liberté, donc l intervalle cherché et [383.5, 417.]. (complément hor-programme : etimation de l écart-type par intervalle de confiance :X uit une loi normale, donc (n 1) /σ uit une loi duχ àn 1 degré de liberté, donc σ et avec une probabilité de 95% dan l intervalle[(n 1) /c 1,(n 1) /c ] pour c et c (lu dan la table duχ à 19 degré de liberté), oit σ [750.11,766.86], et donc l écart-type a 95% de chance de vérifier σ [7.39,5.6]. ) 15. (a) Sur un échantillon de 10 pièce fabriquée par une machine, 4 ont défectueue. Trouver un intervalle de confiance à 95% de la proportion réelle de pièce défectueue fabriquée par la machine. (b) Même quetion avec 600 pièce défectueue ur (a) On admet que i la proportion de pièce défectueue dan la population etp, la proportion F de pièce défectueue dan un échantillon d effectif n uit approximativement une loi normale N(p, p(1 p) F p ). Par conéquent, N(0,1), et donc n p(1 p)/n F p dan 95% de ca, p(1 p)/n Si on approche l écart-type p(1 p)/n par on etimation ponctuelle /10, on obtient p [ , ], oit l intervalle [0.18, 0.7]. (b) De même, avec n = 300, on trouve l intervalle de confiance 95% [0.186,0.14]. Logiquement, l augmentation de n aboutit à un encadrement plu préci pour un taux de confiance fixé... tet d hypothèe 16. On veut avoir i la réitance moyenne de compoant produit dan une uine et 400Ω. On conidère que la ditribution de réitance et normale, et on meure pour 16 compoant le valeur 39, 396, 386, 389, 388, 387, 403, 397, 401, 391, 400, 40, 394, 406, 406, 400. Peut-on conidérer, au euil de ignification α = 5%, que le lot repecte la norme de400ω? Même quetion avec un euil deα = 1%. On détermine, à partir de l échantillon, le etimation ponctuelle de epérance, variance et écart-type de la loi : on trouve x = , = 6.74 et = Si l on fait l hypothèe H 0 : "le lot repecte la norme de 400Ω", alor dan 95% de ca la moyenne ur un échantillon d effectif 16 e trouve dan l intervalle [400 t 6.74/4, t 6.74/4], t étant lu dan la table de la loi de Student à 15 degré de liberté : t = Aini l intervalle de confiance 95% pour la réitance et [396.40,403.59], et on peut donc, au rique 5%, rejeter l hypothèe. Au euilα = 1%, on a dan l hypothèe H 0 un intervalle de confiance pour la moyenne [400 t 6.74/4,400+t 6.74/4], avec t = Aini, l intervalle et [395.03,404.97]. Au rique 1%, on ne rejette pa H 0. 4
5 17. Un fabricant e vante de propoer de tube à eai d une durée de vie upérieure à 000h de chauffage. A l aide d un échantillon de 100 tube teté, on etime la durée de vie moyenne à 1975h et l écart-type à 130h. Peut-on affirmer, au rique 5%, que le fabriquant ment? Il agit ici d un tet unilatéral...h 0 et l hypothèe : "la durée de vie moyenne vérifie µ 000". On peut uppoer, l effectif de l échantillon étudié étant grand, que n X µ uit une loi normale centrée réduite. SiH 0 et vérifiée, on cherche t tel que p(µ t/ n X) = 0.95, oit p( t n X µ ) = 0.95, et donc 1 F( t) = F(t) = 0.95 :t = Aini, dan l hypothèe H 0, la durée de vie moyenne d un échantillon d effectif 100 e trouve, dan 95% de ca, dan l intervalle [ /10, + [= [ , + [. La meure de 1975h ur l échantillon n étant pa dan cet intervalle, H 0 doit être rejetée : il et probable que le fabriquant mente. 18. Un fabricant de médicament affirme que le mae d un compoant dan e comprimé ont répartie elon une loi normale d epérance 75 mg. Le meure pour le vérifier étant coûteue, troi eulement ont réaliée, dont le réultat ont 70, 7 et 74 mg. Peut-on, au rique de 5% de e tromper, conteter l affirmation? Noton X la variable aléatoire correpondante et µ = E(X) : il agit donc ici d effectuer un tet bilatéral de l hypothèe H 0 : µ = 75. On obtient ur un échantillon de 3 meure :n = 3, x = 7, σ = 8/3 et = 8/ = 4, donc l etimation ponctuelle de l écart-type et =. On ait que n X µ uit une loi de Student à degré de liberté, donc i α = 0.05, t(α) = Aini, la moyenne de mae du compoant, meurée ur un échantillon d effectif 3 era, dan 95% de ca, dan l intervalle [ / 3, / 3] = [70.03,79.97]. La valeur moyenne 7 meurée ur l échantillon étant bien dan cet intervalle, on n a pa de raion, au vu de ce meure, de rejeterh Un laboratoire pharmaceutique déire étudier le effet econdaire potentiel d un médicament ur le taux de choletérol de patient. Cent volontaire ont donc choii pour teter le médicament. (a) Avant l expérience, leur taux de choletérol moyen et de.0g.l 1, avec un écart-type de0.g.l 1 Le taux de choletérol moyen dan la population étant de g.l 1, vérifier que cet échantillon et repréentatif au rique 5%. (b) Aprè un moi de traitement, eul 97 volontaire reviennent faire un tet. Leur taux moyen de choletérol et paé à.09g.l 1 avec un écart-type d échantillon de0.5g.l 1. La différence et-elle ignificative au rique 5%? Au rique 1%? (a) Soit X 1 la variable aléatoire qui meure le taux de choletérol d un individu ; E(X 1) = µ 1 =. X 1 et le taux moyen meuré ur un échantillon de taillen 1 = 100. Alor n 1 étant plu grand que 30, on peut conidérer que X 1 n 1 uit une loi normale, avec 1 = 0. etimation ponctuelle de l écart-type de X 1. Aini, dan 95% de ca le taux moyen obervé ur un échantillon era compri dan [ /10, /10] = [1.961,.039]. Le taux de choletérol moyen de volontaire étant bien dan cet intervalle, on peut conidérer que cet échantillon et repréentatif. (b) SoitX la variable aléatoire meurant le taux de choletérol d un individu aprè un moi de traitement ; on epérance µ et inconnue. X et le taux moyen d un échantillon de taille n = 97. On fait l hypothèe H 0 : «le taux de choletérol moyen ont le même avant et aprè X 1 X traitement». Alor µ 1 = µ, et on peut conidérer que N(0,1) 1 /n 1 + /n (avec 1 = 0., = 0.5), et par conéquent on détermine l intervalle de confiance au rique 5% de X 1 X : [ /n1 + /n, /n1 + /n] = [ 0.063, 0.063]. Comme la différence entre le taux moyen meuré.0.09 = 0.07 n et pa dan cet intervalle, elle et ignificative, et on rejette H 0 donc on conidère, au rique 5% de e tromper, que le médicament a un effet. En revanche, l intervalle de confiance au rique 1% et [.57 1 /n1 + /n,.57 1 /n1 + /n] = [ 0.083,0.083], intervalle qui contient la valeur.0.09 = 0.07, donc la différence n et pa ignificative au rique 1%. 0. On relève chaque jour pendant 00 jour le nombre d atterriage entre 14h et 15h dan un aéroport : Nb d atterriage Nb de jour (a) Soit X la variable «nombre d atterriage par jour entre 14h et 15h». Donner le etimation ponctuelle de E(X) et Var(X) et etimer E(X) par un intervalle de confiance 95%. Ce réultat ont-il compatible avec une loi de Poion? Quel erait on paramètre? 1 5
6 (b) Teter la validité de ce modèle (tet duχ au rique 5%). (c) Calculez la probabilité d avoir dan cet aéroport, toujour entre 14h et 15h : 0 atterriage un jour donné, 1 ou atterriage un jour donné, atterriage en tout ur 3 jour quelconque. (a) L effectif de l échantillon et n = 00. On détermine l etimation ponctuelle de la moyenne x = 600/00 = 3, et l etimation ponctuelle de la variance = 596/199 =.995, oit = L effectif et uffiant pour aimiler la loi de n X µ a une loi normale centrée réduite : l intervalle de confiance 95% pour la moyenne et donc [ x , x ], oit[.76,3.4]. (hor-programme : On ait que l intervalle de confiance pour la variance et [ 199, 199 ], avec c 1 et c lu dan la table de la loi du χ à 199 degré de liberté. c 1 c En pratique on utilie la table de la loi du χ à 00 degré de liberté et on lit dan le colonne 0.05 = 0.05/ et = / : c 1 = 41.1 et c = Aini l intervalle et [0.85,1.3 ] = [.47,3.66].) L epérance et la variance ont (quaiment) la même etimation ponctuelle, égale à troi : le réultat ont compatible avec le fait que X uive une loi de Poion de paramètre 3. (b) On définit l hypothèe H 0 : «X uit une loi de Poion de paramètre 3». Pour utilier un tet du χ pour accepter ou refuer H 0, on doit avoir de valeur (ou clae) d effectif "théorique" au moin égal à 5. Or ici ce n et pa le ca : le valeur 7, 8, 9, 10 ont de effectifnp(x = 7),np(X = 8),np(X = 9),np(X = 10) inférieur : on doit regrouper en une eule clae le valeur 7, 8, 9, 10. Le probabilité de évènement X = 0, X = 1,..., X = 6, X [7,10] ont déterminée par lecture de la table de la loi de Poion : p(x = 0) = , p(x = 1) = , p(x = ) = 0.4, p(x = 3) = 0.4, p(x = 4) = 0.168, p(x = 5) = ,p(X = 6) = ,p(X 7) = 1 p(x 6) = = On obtient en multipliant ce valeur par l effectif total 00 le effectif «théorique» de chaque clae : Nb d atterriage Effectif meuré Effectif théorique et en en déduit la valeur deχ o = ( ) + (8 9.88) (4 6.7) = Le critère de déciion pour accepter H 0 era χ o c, avec c lu dan la table du χ à 6 degré de liberté (on a 8 clae, et le tet porte ur une loi de Poion : le nombre de d.d.l.à conidérer et donc 8-). On lit dan la table, dan la colonne α = 0.05 et la ligne 5 : c = Aini, on accepte H 0. (c) Si on admet, uite au tet du χ, que X uit une loi de Poion de paramètre 3, on lit directement dan la table le valeur p(x = 0) = 4.98%, p(1 X ) = p(x = 1)+p(X = ) = 37.34%. Si on intéree aux nombre d atteriage entre 14h et 15h ur troi jour ditinct, i on note X 1, X et X 3 le variable donnant le nombre d atteriage chacun de troi jour, on ait que, X 1, X et X 3 étant indépendante, X 1 + X +X 3 uit une loi de Poion de paramètre 9. Par conéquent, p(x 1 +X +X 3 = ) = 0.5%. 6
RETIRER DE L ARGENT DE VOTRE SOCIÉTÉ
LETTRE MENSUELLE DE CONSEILS DESTINÉS À MAXIMALISER LE FLUX DE REVENUS RETIRÉS DE VOTRE SOCIÉTÉ OPTIMALISATION DU MOIS Déterminer le taux du marché... Si votre ociété vou vere un intérêt, elle doit de
Plus en détailCaractérisation de l interface Si/SiO 2 par mesure C(V)
TP aractériation de l interface Si/SiO par meure (V) aractériation de l interface Si/SiO par meure (V) Introduction p I Effet de champ à l interface Si/SiO p Fonctionnement d une capacité MOS p Principe
Plus en détailLe compte épargne temps
2010 N 10-06- 05 Mi à jour le 15 juin 2010 L e D o i e r d e l a D o c 1. Définition Sommaire 2. Modification iue du décret n 2010-531 3. Principe du compte épargne temp Bénéficiaire potentiel Alimentation
Plus en détailTrouver des sources de capital
Trouver de ource de capital SÉRIE PARTENAIRES EN AFFAIRES Emprunt garanti et non garanti Vente de part de capital Programme gouvernementaux Source moin courante SÉRIE PARTENAIRES EN AFFAIRES Quelque principe
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 détailLa lettre. La Gestion des filiales dans une PME : Bonnes Pratiques et Pièges à éviter. Implantations à l étranger : Alternatives à la création
Doier : Getion d entreprie 42 La Getion de filiale dan une PME : Bonne Pratique et Piège à éviter Certaine PME ont tout d une grande. entreprie. A commencer par la néceité d avoir de filiale. Quel ont
Plus en détailLe paiement de votre parking maintenant par SMS
Flexibilité et expanion L expanion de zone de tationnement payant ou la modification de tarif ou de temp autorié peut e faire immédiatement. Le adree et le tarif en vigueur dan le nouvelle zone doivent
Plus en détailEPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian
1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul
Plus en détailCap Maths. Guide de l enseignant. Nouveaux programmes. cycle. Roland CHARNAY Professeur de mathématiques en IUFM
Cap Math CP 2 cycle Guide de l eneignant Nouveaux programme SOUS LA DIRECTION DE Roland CHARNAY Profeeur de mathématique en IUFM Marie-Paule DUSSUC Profeeur de mathématique en IUFM Dany MADIER Profeeur
Plus en détailIntroduction aux algorithmes de bandit
Mater MVA: Apprentiage par renforcement Lecture: 3 Introduction aux algorithme de bandit Profeeur: Rémi Muno http://reearcher.lille.inria.fr/ muno/mater-mva/ Référence bibliographique: Peter Auer, Nicolo
Plus en détailASSURANCE AUTO. conditions générales
ASSURANCE AUTO condition générale VOTRE CONTRAT Le contrat d'aurance auto ditribué par idmacif.fr et auré par Macifilia, SA au capital de 8 840 000, entreprie régie par le code de aurance - RCS Niort n
Plus en détailProduire moins, manger mieux!
Raak doier d Alimentation : o Produire moin, manger mieux! Nou voulon une alimentation de qualité. Combien de foi n entendon-nou pa cette revendication, et à jute titre. Mai i tout le monde et d accord
Plus en détailunenfant Avoir en préservant ses droits
Avoir unenfant en préervant e droit Guide adreant aux travailleue et travailleur du ecteur public du réeau de la anté et de ervice ociaux Le comité de condition féminine de la La mie à jour de ce guide
Plus en détailProgressons vers l internet de demain
Progreon ver l internet de demain COMPRENDRE LA NOTION DE DÉBIT La plupart de opérateur ADSL communiquent ur le débit de leur offre : "512 Kb/", "1 Méga", "2 Méga", "8 Méga". À quoi ce chiffre correpondent-il?
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 détailProjet. Courbe de Taux. Daniel HERLEMONT 1
Projet Courbe de Taux Daniel HERLEMONT Objectif Développer une bibliothèque en langage C de fonction relative à la "Courbe de Taux" Valeur Actuelle, Taux de Rendement Interne, Duration, Convexité, Recontitution
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 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 détailVoyez la réponse à cette question dans ce chapitre. www.lifeinsuranceinsights.com/life-insurance-2/what-will-your-hobby-cost-you.
Erwan, d une mae de 65 kg, fait un aut de Bungee. Il tombe de 0 m avant que la corde du bungee commence à étirer. Quel era l étirement maximal de la corde i cette dernière agit comme un reort d une contante
Plus en détailBAREME sur 40 points. Informatique - session 2 - Master de psychologie 2006/2007
BAREME ur 40 point Informatique - eion 2 - Mater de pychologie 2006/2007 Bae de donnée PRET de MATERIEL AUDIO VISUEL. Remarque : Le ujet comporte 7 page. Vérifier qu il et complet avant de commencer. Une
Plus en détailTP6 : ALIMENTATION A DECOUPAGE : HACHEUR SERIE ET CONVERTISSEUR STATIQUE ABAISSEUR DE TENSION
P6 : ALIMNAION A DCOUPAG : HACHUR SRI CONVRISSUR SAIQU ABAISSUR D NSION INRODUCION Le réeau alternatif indutriel fournit l énergie électrique principalement ou de tenion inuoïdale de fréquence et d amplitude
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 détailCOMMUNE DE FELLETIN. P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 septembre 2011
R E P U B L I Q U E F R A N Ç A I S E DEPARTEMENT DE LA CREUSE ARRONDISSEMENT D AUBUSSON COMMUNE DE FELLETIN P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 eptembre
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 détailCourrier Fédéral @ @ N 320 EDITORIAL INDUSTRIE PLUS LOIN QUE NOS DROITS. PUBLICITE page 8. Adresse du site de la FTM-CGT. http://www.ftm-cgt.
Courrier Fédéral N 320 du 13.10.12 au 19.10.12 @ @ Adree du ite de la FTM-CGT http://www.ftm-cgt.fr Fédération de travailleur de la métallurgie CGT ISSN 0152-3082 EDITORIAL Aprè la journée de mobiliation
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailLa direction des solidarités Se loger à Moissy
La direction de olidarité Se loger à Moiy La direction de olidarité La Source - Place du Souvenir - BP24-77550 Moiy-Cramayel cedex Tél. : 01 64 88 15 80 - Fax : 01 64 88 15 26 QU EST CE QUE LA GUP LA GESTION
Plus en détailGuide de configuration d'une classe
Guide de configuration d'une clae Viion ME Guide de configuration d'une clae Contenu 1. Introduction...2 2. Ajouter de cour...4 3. Ajouter de reource à une leçon...5 4. Meilleure pratique...7 4.1. Organier
Plus en détailParcours Hydrologie-Hydrogéologie. Apport des méthodes d infiltrométrie à la compréhension de l hydrodynamique de la zone non-saturée des sols.
Univerité Pierre et Marie Curie, École de Mine de Pari & École Nationale du Génie Rural de Eaux et de Forêt Mater Science de l Univer, Environnement, Ecologie Parcour Hydrologie-Hydrogéologie Apport de
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
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 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 détailDossier. Vtech, leader en France. Lexibook, leader en Europe
Doier Par Yoan Langlai La tablette pour enf Si 6 million de tablette devraient e vendre cette année en France (préviion GfK), on etime à 1 million le nombre de vente de tablette pour enfant en 2013. Sur
Plus en détailModélisation d une section de poutre fissurée en flexion
Moéliation une ection e poutre fiurée en flexion Prie en compte e effort tranchant Chritophe Varé* Stéphane Anrieux** * EDF R&D, Département AMA 1, av. u Général e Gaulle, 92141 Clamart ceex chritophe.vare@ef.fr
Plus en détailImpact de l éolien sur le réseau de transport et la qualité de l énergie
1 Impact de l éolien ur le réeau de tranport et la qualité de l énergie B. Robyn 1,2, A. Davigny 1,2, C. Saudemont 1,2, A. Anel 1,2, V. Courtecuie 1,2 B. Françoi 1,3, S. Plumel 4, J. Deue 5 Centre National
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 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 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 détailMIPOLAM EL. gerflor.fr
MIPOLAM EL gerflor.fr MIPOLAM EL Électronique Salle propre et térile Santé, Plateaux technique 2 Une gamme complète de produit pour tou locaux enible aux rique ESD L électricité tatique L électricité tatique
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 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 détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
Plus en détailImpôts 2012. PLUS ou moins-values
Impôt 2012 PLUS ou moin-values SUR VALEURS MOBILIÈRES ET DROITS SOCIAUX V v ti t à d f co o OP m à l Et L no di (o 20 o C c tit po Po c c or o o ou c l ou d 2 < Vou avz réalié d cion d valur mobilièr t
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
Plus en détailProgrammes 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 détailSomm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito
Plus en détailGestion des services IT Foundation basée sur la norme ISO/CIE 20000
Guide de Préparation Getion de ervice IT Foundation baée ur la norme ISO/CIE 20000 Édition Novembre 2013 Copyright 2013 EXIN All right reerved. No part of thi publication may be publihed, reproduced, copied
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 détailTrilax. Données Faits. La spécificité de ce siège tient à la découverte qu il faut trois points d articulation
Donnée Fait La pécificité de ce iège tient à la découverte qu il faut troi point d articulation pour aurer au corp un outien ergonomique efficace dan toute le poition. vou relaxe et vou accompagne comme
Plus en détailProbabilités conditionnelles
Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
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 détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailTable des matières. Introduction. 1
Avant propo Le travail préenté dan ce mémoire a été réalié au ein du laboratoire d électromécanique de Compiègne (LEC) ou la direction de Monieur Jean Paul Vilain dan le cadre d une convention indutrielle
Plus en détails 1 un skatepark public 100 pages pour arrêter d improviser Une publication de l EuroSIMA / préface de Tony Hawk
Contruire 1 un katepark public 100 page pour arrêter d improvier Une publication de l EuroSIMA / préface de Tony Hawk 2 3 Contruire un katepark public 100 page pour arrêter d improvier Une publication
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 détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
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 détailCadeaux d affaires, cadeaux d entreprises, objets publicitaires www.france-cadeaux.fr - services@france-cadeaux.fr
Siège France Cadeaux 84 rue de Courbiac 17100 Sainte 00 33 (0)5 46 74 66 00 RC.424 290 211 00012 Cadeaux d affaire, cadeaux d entreprie, objet publicitaire www.france-cadeaux.fr - ervice@france-cadeaux.fr
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 détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailSomm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito
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 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 détailSomm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en 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 détailCatalogue des FORMATIONS
Catalogue de FORMATIONS 2015 Service Formation 17 cour Xavier Arnozan CS 71305 33082 Bordeaux Cedex Tél. 05 56 79 64 11 formation@gironde.chambagri.fr Reponable Béatrice HÉNOT Aitante Nathalie MÉLÉDO Anne-Marie
Plus en détailCampagne. aprem GELAUCOURT. les. à la. août 25. septembre 15 16. DOSSIER DE PRESENTATION Éditions précédentes Programme prévisionnel 2012
Grand Prix Européen et National du fleuriement Expoition Métier d Art Café Concert Pain cuit à l ancienne Animation pour enfant Jardin Remarquab 8 9 août 25 26 eptembre 15 16 DOSSIER DE PRESENTATION Édition
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
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 détailConception de convertisseurs DC/DC à base de MEMS
onception de convertieur D/D à bae de MEMS S. Ghandour To cite thi verion: S. Ghandour. onception de convertieur D/D à bae de MEMS. Micro and nanotechnologie/microelectronic. Univerité Joeph-Fourier -
Plus en détailVentilation à la demande
PRÉSENTATION Ventilation à la demande Produit de pointe pour ventilation à la demande! www.wegon.com La ventilation à la demande améliore le confort et réduit le coût d exploitation Lorque la pièce et
Plus en détailCalcul élémentaire des probabilités
Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4
Plus en détailLe journal des entreprises locales
Ouvert 251 rue de Belfort Centre Commercial le Trident (à côté de Darty) Mulhoue Dornach Pour votre anté, mangez au moin cinq fruit et légume par jour. www.mangerbouger.fr N 13 ept./oct. 2014 Le journal
Plus en détailSomm@ire. Édito. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Depui maintenant ept an, l Univerité Numérique Pari Île-de France vou accompagne dan la découverte de
Plus en détailRéseau des bibliothèques du Pays de Pamiers Guide du Numérique
Réau d bibliothèqu du Pay d Pamir Guid du Numériqu Sit Intrnt du réau d lctur http://www.pamir.raubibli.fr C qu vou pouvz fair dpui notr it Intrnt : EXPLORER LE CATALOGUE : Plu d 80 000 documnt ont à votr
Plus en détailObjets Combinatoires élementaires
Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que
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 détailSERVICE PUBLIC DE WALLONIE
SERVICE PUBLIC DE WALLONIE Evaluation la tratégie régionale wallonne en matière programme opérationnel à caractère durable dan le ecteur fruit et légume Cahier Spécial Charge n MP2012_Eval_PO_2012 Rapport
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 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 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 détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailBaccalauréat 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 détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailUE Ma401. 1.1 probabilité conditionnelle, indépendance, dénombrement
UE Ma401 1 EXERCICES 1.1 probabilité conditionnelle, indépendance, dénombrement Exercice 1 La probabilité pour une population d être atteinte d une maladie A est p donné; dans cette même population, un
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
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 détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailinfo-réseau Un projet partagé Chaque situation locale est particulière, mais toutes répondent à un même projet, Sommaire Éditorial
info-réeau Journal d information du Comité National de Liaion de Régie de Quartier 62 N juillet 2014 Un projet partagé Sommaire 2-3 En direct de Régie À Libourne (33) et à Saint-Pierre-d Albigny (73) Portrait
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 détail