Chapitre 4: Fonctions génératrices (notions)
|
|
- Anaïs Thibault
- il y a 7 ans
- Total affichages :
Transcription
1 Chapitre 4: Fonctions génératrices (notions) 1 Généralités On considère ici le cas particulier des v.a. à valeurs dans l ensemble N des entiers naturels. Ces v.a. interviennent souvent dans les applications. Il est donc important de disposer d une méthode de portée très générale qui facilite le calcul de leur loi de probabilité et de leurs moments. Une idée qui s est révélée très fructueuse consiste à associer à toute v.a. X à valeurs dans N, une série entière qui contient tous les renseignements concernant la loi de probabilité de X et qui a l avantage d être admirablement bien adaptée à l opération consistant à additionner des v.a. indépendantes. Soit X une v.a. à valeurs dans N, de loi de probabilité donnée par la suite p n P(X n) (n N). Définition 1.1 : On appelle fonction génératrice de X, la série entière (1) G X (t) n0 p n t n (on notera que cette série converge au moins pour t < 1 puisque G X (1) 1 < + ). La fonction génératrice caractérise parfaitement la loi de probabilité d une v.a.. En effet si X et Y sont deux v.a. à valeurs entières telles que G X (t) G Y (t) pour tout t < 1, l unicité du développement d une fonction en série entière montre que X et Y ont la même loi. Théorème 1.2 : Soient G X1,..., G Xn les fonctions génératrices respectives de n v.a. indépendantes X 1,..., X n et à valeurs dans N. La v.a. S X X n a une fonction génératrice G S donnée par (2) G S (t) n G Xi (t). i1 Notes du cours de Probabilités de M1 de M. L. Gallardo, Université de Tours, année Les démonstrations sont détaillées dans le cours oral. 1
2 démonstration : On suppose n 2 (le cas général se fait ensuite par récurrence sur n). Posons S X 1 + X 2 et G X1 (t) i0 a i t i et G X2 (t) j0 b j t j. Pour calculer c k P(S k) (k N), utilisons le système complet d événements [X 2 j] (j N). Il vient c k j0 P ([X 1 + X 2 k] [X 2 j]) P ([X 1 k j] [X 2 j]) j0 P ([X 1 k j]) P ([X 2 j]) j0 a k j b j. j0 Donc c k est le coefficient du terme en t k dans le développement du produit G X1 (t)g X2 (t). D où le résultat. Exemple 1.3 (et exercices) : 1) si X suit la loi de Bernoulli B(1, p), on a G X (t) 1 p + pt. 2) si X suit la loi binomiale B(n, p), on a G X (t) (1 p + pt) n. 3) Si X suit la loi de Poisson de paramètre λ(> 0), G X (t) e λ(t 1). 4) Si les X i (i 1,..., N) sont des v.a. indépendantes de lois binomiales respectives B(n i, p) de même paramètre p, la v.a. S n i1 X i est de loi binomiale B( N i1 n i, p). 5) Si les X i (i 1,..., N) sont des v.a. indépendantes de lois de Poisson respectives de paramètres λ i, la v.a. S n i1 X i est de loi de Poisson de paramètre λ N i1 λ i. Exercice 1.4 : Une boîte contient quatre boules numérotées 0, 1, 1, 2. On effectue n tirages avec remise. Soit S n la somme des numéros tirés. Déterminer la loi de probabilité de la v.a. S n. Solution : On a G S1 (t) t + 1 ( ) t 4 t2. 2 2
3 Les tirages étant avec remise, S n est la somme de n v.a. indépendantes et de même loi que S 1. D après le théorème, on a donc ( ) 2n 1 + t G Sn (t). 2 En développant avec la formule du binôme de Newton, on déduit immédiatement P(S n k) 1 2 2n Cn k (k 0, 1,..., 2n). Théorème 1.5 : Soit X une v.a. à valeurs entières de fonction génératrice G X. Si X a un moment d ordre 2, les dérivées à gauche G X (1) et G X (1) existent1 en t 1, et on a (3) E(X) G X(1) V ar(x) G X(1) + G X(1) ( G X(1)) 2. Inversement si G X est deux fois dérivable en t 1, X a un moment d ordre 2 et les formules (3) s appliquent 2. démonstration : On peut toujours dériver formellement terme à terme la série entière G X (t), ce qui donne G X(t) n1 np n t n 1 et G X(t) n2 n(n 1)p n t n 2. Si X a un moment d ordre deux, les dérivées à gauche G X (1) et G X (1) sont finies et les formules annoncées pour E(X) et V ar(x) en découlent aussitôt. L autre assertion est facile. Exercice 1.6 : Retrouver l expression de l espérance et de la variance des lois binomiales et de Poisson en utilisant le théorème Exemple d application des fonctions génératrices 2.1 Somme d un nombre aléatoire de variables aléatoires Soit X X 1,..., X i,... une suite de v.a. à valeurs entières, indépendantes et de même loi de fonction génératrice G(t) + n0 p nt n. On considérera que l indice i figure le temps et que la suite X décrit l état d un système aléatoire au cours du temps, la v.a. X i mesurant l état du système à l instant i. 1 En effet, les séries G X (t) et G X (t) convergent pour tout t < 1 et les limites lim t 1 G X (t) E(X) et lim t 1 G X (t) E(X(X 1)) existent par le théorème du prolongement d Abel ; on déduit alors du théorème des accroissements finis que ces limites sont les dérivées à gauche G X (1) et G X (1). 2 dans ce cas ce sont des dérivées en t 1. 3
4 Pour tout entier n N fixé on considère la v.a. S n totalisant les X i jusqu à l instant n : (4) S 0 0 et S n X i si n 1. i1 Dans certains problèmes (nous verrons un exemple ci-dessous) on est amené à considérer une somme d un nombre aléatoire N de termes : S N N i1 X i où N est une v.a. à valeurs entières, définie sur le même espace probabilisé que les X i et indépendante de la suite X 3. La somme S N est définie précisément de la manière suivante : (5) k N, ω [N k], S N (ω) S k (ω). On notera que puisque les événements [N k] (k N) forment un système complet 4, la valeur S N (ω) est bien définie pour tout ω Ω et que les valeurs prises par S N sont entières. Nous admettrons que S N est bien une v.a. 5 Remarque 2.1 : Il est facile de trouver une expression pour la loi de probabilité de la v.a. S N, en notant que grâce à la formule de la probabilité totale, pour tout j N, on a (6) P(S N j) n0 n0 P(S N j N n)p(n n) P(S n j)p(n n), car P(S N j N n) P(S n j N n) P(S n j) d après l hypothèse d indépendance 6. Mais cette expression de la loi de S N n est pas très maniable. Le résultat qui suit donne une expression très simple de la fonction génératrice de S N de laquelle on peut déduire simplement les moments de S N. On note H(t) + n0 q nt n la fonction génératrice de N. Proposition 2.2 : 1) La v.a. S N définie en (5) a une fonction génératrice donnée par la formule (7) G SN (t) H(G(t)) H G(t) 2) si les v.a. X i et N ont un moment d ordre deux, S N a également un moment d ordre deux et on a E(S N ) E(N)E(X 1 ) V ar(s N ) E(N)V ar(x 1 ) + (E(X 1 )) 2 V ar(n). 3 i.e. telle que pour tout entier k, les v.a. N, X 0, X 1,..., X k sont indépendantes. 4 i.e. une partition de Ω. 5 L espace Ω n étant pas discret en général dans les situations de ce type, il conviendrait de vérifier la condition de mesurabilité. 6 en effet on peut montrer facilement que N et S n sont indépendantes. 4
5 démonstration : Pour n N, par la définition (4) de S n et par le théorème 1.2, on voit que (8) G S0 (t) 1 et G Sn (t) (G(t)) n pour n 1. Pour tout n N, notons p n j P(S n j) le coefficient de t j dans le développement en série entière de G Sn (t). D après la formule (6), P(S N j) + n0 q np n j. On a donc G SN (t) j0 n0 n0 P(S N j)t j q n ( + j0 p n j t j ) j0 n0 n0 q n (G(t)) n H(G(t)). q n p n j t j q n G Sn (t) De plus si les X i et N ont un moment d ordre deux, on peut dériver deux fois les fonctions H et G en t 1 donc la fonction composée H G aussi, ce qui montre que S N a un moment d ordre deux et grâce au théorème 1.5 on obtient alors E(S N ) H (G(1)) G (1) H (1)G (1) E(N)E(X 1 ) V ar(s N ) (H G) (1) + (H G) (1) ((H G) (1)) 2 E(N)V ar(x 1 ) + (E(X 1 )) 2 V ar(n). 2.2 Le processus de Galton-Watson En étudiant le mécanisme de l extinction des noms de famille noble en Grande-Bretagne, Galton et Watson ont été amenés a étudier le processus suivant : On considère des particules pouvant donner naissance à des particules de même nature. Au départ on suppose qu il y a 1 particule (génération zéro). Chaque particule a la même probabilité p k de produire elle même k particules (k N) et on note µ + k0 kp k < + le nombre moyen de descendants d une particule quelconque. Les particules descendantes de la n-ième génération forment la n+1-ième génération. Les particules de chaque génération se comportent indépendamment l une de l autre. Notons X n,k le nombre de particules produites par la particule n o k de la n 1-ième génération. On a donc N 1 X 1,1 N 2 X 2,1 + + X 2,N1. N n X n,1 + + X n,nn 1. etc 5
6 N n est le nombre de particules composant la n-ième génération 7 On va s intéresser ici au comportement de la suite x n P(N n 0) (probabilité d extinction à la n-ième génération et à sa limite quand n + ( la probabilité d extinction du nom de famille). Exercice 2.3 : On note G n la fonction génératrice de N n et G G 1. On suppose que p ) Montrer que G n+1 (t) G n (G(t)) G(G n (t)). 2) En déduire que la suite x n vérifie les formules de récurrence x 1 G(0) et x n+1 G(x n ) et que la limite ξ lim n + x n existe. 3) Montrer que si µ 1 alors ξ 1. 4) si µ > 1 montrer que ξ < 1. 5) Montrer que ξ P( + n0 [N n 0]). solution : 1) D après la proposition 2.2, on a G n+1 (t) G n (G(t)) et par récurrence descendante, on obtient G n+1 (t) (G G)(t) (n+1 fois) donc par associativité de la composition des applications, on a aussi G n+1 (t) G(G n (t)). 2) On en déduit que x n+1 G n+1 (0) G(G n (0)) G(x n ) avec x 1 G(0) p 0. Mais la fonction G est strictement croissante 9 sur [0, 1] ; d où 0 < p 0 x 1 implique G(0) x 1 < G(x 1 ) x 2. Supposons par hypothèse de récurrence que x n 1 < x n, alors x n G(x n 1 ) < G(x n ) x n+1. Donc la suite x n est croissante ; comme elle est majorée par 1, elle est donc convergente vers une limite ξ ]0, 1] qui vérifie forcément ξ G(ξ) puisque la fonction G est continue. 3) Étudions les racines de l équation t G(t). D abord t 1 est racine évidente. Notons aussi que si on a deux racines t 1 G(t 1 ) et t 2 G(t 2 ) alors G(t 2) G(t 1 ) t 2 t 1 1 et donc il existe c ]t 1, t 2 [ tel que G (c) 1 d après le théorème des accroissements finis. Or la fonction G est strictement croissante sur [0, 1] ce qui prouve qu il existe un c unique dans [0, 1] tel que G (c) 1. On en conclut que l équation t G(t) a au plus deux racines dans [0, 1] donc au plus une racine dans [0, 1[ 10. S il y a effectivement une racine dans [0, 1[, il existe 11 c [0, 1[ tel que G (c) 1 donc comme G est strictement croissante, G (1) µ > 1. 7 attention la somme définissant N n doit être prise au sens de la formule (5) i.e. pour ω [N n 1 0], on a N n (ω) 0. 8 sinon il est clair qu il ne peut pas y avoir extinction. 9 c est sur série entière à coefficients 0 et il existe un coefficient p k > 0 pour un k car t 1 est racine. 11 d après ce qu on a vu plus haut. 6
7 Ainsi lorsque µ 1, il n y a pas de racine dans [0, 1[ et alors forcément, lim x n ξ 1. 4) Si µ > 1, il faut montrer que x n converge effectivement vers la racine ξ < 1. Ceci est facile 12, il suffit de remarquer que x 1 < ξ et que, par récurrence, pour tout n, x n < ξ (faire une figure). 5) Il est trivial de remarquer que les événements [N n 0] forment une suite croissante. Par la propriété de continuité de la probabilité par limite croissante 13, on obtient ξ lim x n P( + n0[n n 0]) P(extinction du nom de famille). Note à l attention des lecteurs : Merci de me signaler les coquilles ou erreurs que vous auriez pu remarquer dans ce fichier. Votre attention permettra d améliorer la prochaine version de ces notes de cours. 12 exercice de niveau L1. 13 théorème du chapitre deux. 7
Probabilités 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 détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
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 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 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 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 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 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 détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
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 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 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
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 détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
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 détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
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 détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailIntroduction au Calcul des Probabilités
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
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 détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
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 détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
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 détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
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 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 détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
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 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 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 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 détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
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 détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
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 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 détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
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 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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
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 détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
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 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 détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailProbabilités et statistique. Benjamin JOURDAIN
Probabilités et statistique Benjamin JOURDAIN 11 septembre 2013 2 i ii À Anne Préface Ce livre est issu du polycopié du cours de probabilités et statistique de première année de l École des Ponts ParisTech
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
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 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 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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
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 détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
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 détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
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 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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
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 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 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 détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détail