TD2. Probabilité sur un ensemble dénombrable.
|
|
- Francine Monette
- il y a 7 ans
- Total affichages :
Transcription
1 Université Pierre & Marie Curie Licence de Mathématiques L3 UE LM345 Probabilités élémentaires Année TD2 Probabilité sur un ensemble dénombrable 1 a Soit (Ω, F, P) un espace de probabilités Soit n 1 Soient A 1,, A n des événements Montrer que P(A 1 A n ) n 1 P (A i1 A ik ) k1 1 i 1 <<i k n C est la formule d inclusion-exclusion b En appliquant cette formule à un espace de probabilités et à des événements bien choisis, calculer le nombre de surjections de {1,, p} dans {1,, n} pour tous n et p entiers Solution de l exercice 1 a Première méthode Si on se donne un espace probabilisé (Ω, F, P) et un événement A de F, alors E(1 A ) P(A) De plus, on a démontré à la feuille précédente que : 1 A1 A n n 1 1 Ai1 A i2 A ik k1 En prenant l espérance de chaque côté et en utilisant la linéarité, on obtient le résultat voulu Deuxième méthode On démontre cette formule par récurrence sur n Pour n 1, la formule dit que P(A 1 ) P(A 1 ) Pour n 2, la formule s écrit P(A 1 A 2 ) P(A 1 ) + P(A 2 ) P(A 1 A 2 ) et c est un énoncé démontré dans le cours Supposons la formule établie pour n 1 événements, avec n 3, et considérons n événements A 1,, A n On a P(A 1 A n ) P((A 1 A n 1 ) A n ) P(A 1 A n 1 ) + P(A n ) P((A 1 A n 1 ) A n ) P(A 1 A n 1 ) + P(A n ) P((A 1 A n ) (A n 1 A n )) L hypothèse de récurrence permet de calculer le premier et le troisième terme du membre 1
2 de droite et on obtient : n 1 P(A 1 A n ) 1 k1 n 1 1 k1 1 i 1 <<i k n 1 1 i 1 <<i k n 1 P(A 1 A n ) P(A 1 ) + P(A 2 ) + P(A n ) n k2 n 2 1 k1 1 i 1 <<i k n 1 1 i 1 <<i k n 1 ( 1) n 2 P(A 1 A 2 A n ) P(A 1 A n ) P(A 1 ) + P(A 2 ) + P(A n ) n 1 + k2 1 i 1 <<i k n + ( 1) n 1 P(A 1 A 2 A n ) où dans la dernière inégalité on utilise que n 2 1 k1 1 i 1 <<i k n 1 P (A i1 A ik ) + P(A n ) P (A i1 A ik A n ) P (A i1 A ik ) P (A i1 A ik A n ) P (A i1 A ik ) n 1 P (A i1 A ik A n ) 1 k2 On obtient bien la formule souhaitée pour P(A 1 A n ) 1 i 1 <<i k n i k n b Soit Ω {1,, n} {1,,p} l ensemble des applications de {1,, p} dans {1,, n}, alors Ω n p Pour tout i 1,, n, on considère le sous-ensemble A i de Ω formé des applications de {1,, p} dans {1,, n} qui ne prennent pas la valeur i Alors, P (A i1 A ik ) (A 1 A n ) c A c 1 A c n {f Ω : i 1,, n, x i {1,, p} tq f(x i ) i} Ainsi, (A 1 A n ) c est l ensemble des surjections de {1,, p} dans {1,, n} D autre part, pour tout 1 i 1 < i 2 < < i k n, A i1 A ik {f Ω : f ne prend pas les valeurs {i 1,, i k }} {f Ω : f : {1,, p} {1,, n} \ {i 1,, i k }} Donc le cardinal de A i1 A ik est (n k) p D après la formule d inclusion-exclusion, 2
3 on obtient : P[(A 1 A n ) c ] n n n n ( ) n (n k) p k n p P[A i1 A ik ] A i1 A ik Ω (n k) p Il s ensuit que le nombre S p,n d applications surjectives de {1,, p} dans {1,, n}, vaut : n ( ) n n ( ) n S p,n (A 1 A n ) c P[(A 1 A n ) c ] n p (n k) p ( 1) n k k p k k Notons que, bien que ce ne soit pas évident sur cette formule, S p,n 0 si p < n n p 2 Dans une grande assemblée, on demande à chaque personne d écrire son nom sur un bout de papier et de le mettre dans un chapeau On agite le chapeau puis chacun tire un bout de papier (sans le remettre) Quelle est la probabilité que personne ne tire le bout de papier portant son propre nom? Solution de l exercice 2 Soit n le nombre de personnes présentes On attribue à chaque personne un numéro entre 1 et n Chaque personne tire un nom et un seul du chapeau et l application qui au numéro d une personne associe le numéro de la personne dont elle a tiré le nom est une bijection de l ensemble {1,, n} dans lui-même On prend pour Ω l ensemble des permutations de l ensemble {1,, n}, alors Ω n! On munit Ω de la tribu F P(Ω) et de la probabilité uniforme, notée P, de sorte que pour tout événement Soit E l ensemble des permutations σ : {1,, n} {1,, n} telles que pour tout i {1,, n} on ait σ(i) i On appelle de telles permutations des permutations sans point fixe ou des dérangements On cherche à calculer P(E) en utilisant la formule d inclusion-exclusion Pour tout i 1,, n, on considère le sous-ensemble A i de Ω formé des permutations de E dans E qui fixent i Alors, A de F, on a P(A) A Ω (A 1 A n ) c A c 1 A c n {f Ω : i 1,, n, f(i) i} Ainsi, (A 1 A n ) c est l ensemble des permutations sans point fixe de E D autre part, pour tout 1 i 1 < i 2 < < i k n, A i1 A ik {f Ω : f(i 1 ) i 1,, f(i k ) i k } 3
4 Ces applications qui ont (au moins) k points fixes s identifient naturellement à des applications bijectives de {1,, n} \ {i 1,, i k } dans lui même Il y en a donc (n k)! D après la formule d inclusion-exclusion, on obtient : P[(A 1 A n ) c ] n n n n ( ) n (n k)! k n! P[A i1 A ik ] A i1 A ik Ω (n k)! n! n k! Ainsi, P(E) n Lorsque n tend vers l infini, cette série converge très rapidement k! vers 1 Puisque l assemblée est grande, on peut dire avec une excellente approximation e que la probabilité que personne ne tire son propre nom est 1 37% e 3 Paradoxe des anniversaires Quelle est la probabilité pour que parmi N personnes, au moins 2 aient la même date d anniversaire? Pour quelle valeur de N cette probabilité est-elle supérieure à 1/2? (On négligera l existence du 29 février) Solution de l exercice 3 Attribuons un numéro de 1 à N à chaque personne Les dates d anniversaire de ces vingt-trois personnes constituent une application de {1,, N} dans l ensemble {1,, 365} des jours de l année On prend donc Ω {1,, 365} {1,,N}, muni de la tribu F P(Ω) et de la probabilité uniforme Ainsi pour tout événement A de F, on a P(A) A A Ω 365 N Soit A l événement au moins deux personnes ont leur anniversaire le même jour, nous voulons calculer P(A) Il est plus facile de considérer l événement contraire A c toutes les personnes ont leur anniversaire un jour différent, qui est l ensemble des applications injectives On a : P(A c ) Ac Ω N AN (N 1) 365 N 1 ( 1 k ) 365 On peut montrer que la suite u N N 1 ( 1 k 365) est décroissante, et bien sûr on a u 365 0, on peut donc déterminer numériquement la première valeur de N pour laquelle u N < 1 On trouve N
5 4 On tire deux cartes d un jeu de Quelle est la probabilité d obtenir une paire? Si l on n a pas obtenu une paire, on a le choix entre jeter l une des deux cartes tirées et en retirer une parmi les 30 restantes, ou jeter les deux cartes tirées et en retirer deux parmi les 30 restantes Quelle stratégie donne la plus grande probabilité d avoir une paire à la fin? Solution de l exercice 4 On choisit comme univers Ω, l ensemble des tirages de deux cartes non ordonnées parmi, ainsi Ω ( ) 2 On munit Ω de la tribu F P(Ω) et de la probabilité uniforme P, de sorte que pour tout évènement A de F, on a : P(A) A Ω A ) A Soit A l événement on tire une paire Alors A ( 8 4 1)( 2) 48, car il y a 8 choix pour la hauteur de la paire et ( ) 4 2 choix pour les deux couleurs Ainsi, P(A) , Supposons que l on n ait pas obtenu de paire Lors du premier choix, on prend comme univers Ω 1 le tirage d une carte parmi 30, avec l information de la carte gardée ; ainsi Ω 1 30 L événement A est encore on tire une paire, vu comme un sous ensemble de Ω 1 cette fois On a alors A ( 3 1), car il y a 3 choix pour la couleur de la deuxième carte dont la hauteur est fixée par la carte gardée Ainsi, P(A) Lors du deuxième choix, on prend comme univers Ω 2, l ensemble des tirages de 2 cartes parmi 30, avec l information des deux cartes jetées, ainsi Ω 2 ( ) 30 2 L événement A est vu comme un sous-ensemble de Ω 2 On a A ( 2 3 ( 1)( 2) )( 2) En effet, soit on choisit une des deux hauteurs des cartes jetées, auquel cas, il y a 2 choix parmi 3 pour la couleur, soit on choisit une des 6 autres hauteurs, auquel cas on 2 choix parmi 4 pour la couleur Donc, P(A) < 1 10 C est donc la première stratégie qui donne la plus grandes possibilité d obtenir une paire ( 2 5 On considère un jeu de pile ou face infini Soit n 0 un entier Calculer la probabilité que le premier temps auquel on obtient pile soit le temps n Soit k 1 un entier Calculer la probabilité que le k-ième temps auquel on obtient pile soit le temps n Solution de l exercice 5 Correction sans indépendance On suppose la pièce équilibrée On s intéresse à ce qui se passe jusqu au temps n, ainsi on choisit comme univers Ω {P, F } n, muni de la tribu P(Ω) et de la probabilité uniforme Ainsi, pour tout évènement ω (ω 1,, ω n ) de Ω, on a P(ω) 1 1 Ω 2 n Soit A l événement on obtient pile pour la première fois au temps n, alors A correspond au sous-ensemble {(F,, F, P )} de Ω (avec n 1 faces), d où A 1 et : P(A) 1 2 n 5
6 Soit k 1, et A k l événement le k-ième temps auquel on obtient pile soit le temps n Alors, on doit avoir un pile au temps n, et k 1 piles parmi les n 1 premières positions Il y a ( n 1 k 1) de choisir la position ces k 1 piles, la position des faces étant alors fixée Ainsi, A k ( n 1 k 1) et : P(A k ) ( ) n 1 1 k 1 2 n Correction avec un peu d indépendance On note p la probabilité d obtenir un pile Celle d obtenir un face est donc 1 p L énoncé laisse entendre que le jeu est non biaisé et que p 1/2 mais les calculs sont plus clairs en gardant la notation p La probabilité que le premier pile soit obtenu au temps n (et donc qu on a donc obtenu face lors des n 1 premiers tirages) est (1 p) n 1 p Soit k 1 Dire que le k-ième temps auquel on obtient pile est le temps n, revient a dire qu on a obtenu exactement k 1 pile sur les n 1 premiers tirages, puis un pile encore au n-ième Il y a ( n 1 k 1) manières d obtenir cela (chacune revient à choisir les positions des k 1 premiers pile parmi les n 1 premiers lancers) Chacun de ces tirages a la même probabilité (1 p) n k p k De plus ces événements sont disjoints, donc la probabilité totale (que le k-ième temps auquel on obtient pile soit le temps n) est ( n 1 k 1) (1 p) n k p k 6 On lance un dé tétraédral dont les faces sont numérotées de 1 à 4 et un dé octaédral dont les faces sont numérotées de 1 à 8 Calculer la loi de la somme S, du produit P et du plus grand M des deux nombres obtenus Solution de l exercice 6 On choisit comme univers Ω {1,, 4} {1,, 8}, représentant les issues possibles du tirage des deux dés On munit Ω de la tribu F P(Ω) et de la probabilité uniforme P, de sorte que pour tout évènement A de F, on a : P(A) A Ω A Soit S la variable aléatoire représentant la somme des deux dés, alors S est à valeurs dans {2,, 12} Pour tout k {2,, 12}, on a {S k} {(i, j) Ω i+j k} et P({S k}) En utilisant le tableau ci-dessous, on obtient : {S k} P(S 2) P(S 12) 1/, P(S 3) P(S 11) 1/16, P(S 4) P(S 10) 3/, P(S 5) P(S 6) P(S 7) P(S 8) P(S 9) 1/8 {(i, j) Ω i + j k} 6
7 S Soit P la variable aléatoire représentant le produit des deux dés, alors P est à valeurs dans {1,, } Pour tout k {1,, }, on a {P k} {(i, j) Ω ij k} et P({P k}) {P k} {(i, j) Ω ij k} En utilisant le tableau ci-dessous, on obtient : P(P 1) P(P 5) P(P 7) P(P 9) P(P 10) P(P 14) P(P 15) P(P 18) P(P 21) P(P 28) P(P ) 1/, P(P 2) P(P 3) P(P 16) P(P 24) 1/16, P(P 4) P(P 6) P(P 8) 3/, P(P 12) 1/8 P Soit M la variable aléatoire représentant le maximum des deux dés, alors M est à valeurs dans {1,, 8} Pour tout k {1,, 8}, on a {M k} {(i, j) Ω max{i, j} k} P({M k}) {M k} En utilisant le tableau ci-dessous, on obtient : {(i, j) Ω max{i, j} k} P(M 1) 1/, P(M 2) 3/, P(M 3) 5/, P(M 4) 7/, P(M 5) P(M 6) P(M 7) P(M 8) 1/8 M
8 7 Soient X, Y, Z trois variables aléatoires à valeurs dans N On suppose que X et Y ont même loi Soit f : N N une fonction Est-il vrai que f(x) et f(y ) ont même loi? Est-il vrai que X + Z et Y + Z ont même loi? Solution de l exercice 7 Soit (Ω, F, P) l espace probabilisé sur lequel les variables aléatoires X, Y et Z sont définies Les variables aléatoires f(x) et f(y ) ont même loi si pour tout n N, P({f(X) n}) P({f(Y ) n}) Or, {f(x) n} {ω Ω : f(x(ω)) n} {ω Ω : X(ω) f 1 ({n})} {X f 1 ({n})} De manière analogue, {f(y ) n} {Y f 1 ({n})} Comme X et Y ont même loi, on a P({X f 1 ({n})}) P({Y f 1 ({n})}), d où on déduit que les variables aléatoires f(x) et f(y ) ont même loi En revanche, X + Z et Y + Z peuvent avoir des lois différentes Par exemple, on considère l expérience suivante : on lance une pièce de monnaie équilibrée, c est à dire que l on choisit Ω {P, F }, F P(Ω), P la probabilité uniforme sur (Ω, F ) On définit trois variables aléatoires X, Y, Z sur Ω ainsi : X(P ) 0, Y (P ) 1, Z(P ) 2; X(F ) 1, Y (F ) 0, Z(F ) 5 Ainsi, P({X 0, Y 1, Z 2}) P(P ) 1 2 et P({X 1, Y 0, Z 5}) P(F ) 1 2 Alors X et Y suivent la même loi : P({X 0}) P({X 0, Y 1, Z 2}) 1 2, P({X 1}) P({X 1, Y 0, Z 5}) 1 2 P({Y 0}) P({X 1, Y 0, Z 5}) 1 2, P({Y 1}) P({X 0, Y 1, Z 2}) 1 2, mais X + Z et Y + Z ont des lois différentes En effet : P({X + Z 2}) P({X 0, Y 1, Z 2}) 1 2 et P({Y + Z 2}) P( ) 0 8 Un chimpanzé tape à la machine à écrire en appuyant chaque seconde sur une touche choisie au hasard Quelle est la probabilité qu il parvienne à écrire Hamlet, c est-à-dire qu à un certain moment il écrive d une traite le texte de cette pièce? Solution de l exercice 8 Soit n la longueur, en caractères, de la pièce Hamlet La probabilité p qu il tape la pièce du premier coup est faible, mais strictement positive Pour tout entier 8
9 naturel k, on définit une variable aléatoire X k qui vaut 1 si les caractères nk +1 à n(k +1) correspondent au texte de la pièce Les X k sont les mêmes que dans un jeu de pile ou face biaisé Or on sait dans ce cas qu il finira par sortir un pile, ce qui correspond ici à écrire le texte de la pièce d une traite La probabilité que le chimpanzé écrive Hamlet au bout d un certain nombre (aléatoire, mais fini) de tentatives vaut donc 1 Néanmoins, en pratique, il y a fort à parier que le chimpanzé (ou la machine à écrire) arrivera à épuisement bien avant 9
Probabilités 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 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 détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
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 détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
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 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 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 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 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 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 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 détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
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 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 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 détail9 5 2 5 Espaces probabilisés
BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
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 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 détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
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 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. 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 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 détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
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 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 détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailExemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.
Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir
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 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 détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
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 détail1 Définition et premières propriétés des congruences
Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon
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 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 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 détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
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 détailProblèmes de Mathématiques Filtres et ultrafiltres
Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire
Plus en détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
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 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 détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
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 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 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 détailLes nombres entiers. Durée suggérée: 3 semaines
Les nombres entiers Durée suggérée: 3 semaines Aperçu du module Orientation et contexte Pourquoi est-ce important? Dans le présent module, les élèves multiplieront et diviseront des nombres entiers concrètement,
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 détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détailPOKER ET PROBABILITÉ
POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main
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 détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
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 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 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 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 détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
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 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 détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
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 détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
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 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 détailProbabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.
Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 détailLa persistance des nombres
regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...
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 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 détailBONUS MALUS. Voici, la façon de calculer la prime : Le montant de la prime à acquitter est égale à : P = PB. C où : P
BONUS MALUS Le propriétaire d un véhicule automobile est tenu d assurer sa voiture auprès d une compagnie d assurances. Pour un véhicule donné, le propriétaire versera annuellement une «prime» à sa compagnie.
Plus en détailQuelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Plus en détail