2 Expérience aléatoire, probabilité, probabilité conditionnelle
|
|
- Marie-Madeleine Marchand
- il y a 7 ans
- Total affichages :
Transcription
1 Leçon n o 2 Expérience aléatoire, probabilité, probabilité conditionnelle 9 Niveau Lycée Prérequis théorie des ensembles Références [7], [8] 2.1 Expérience aléatoire, événements Expérience aléatoire Définition 2.1 Expérience aléatoire. On dit qu on fait une expérience de type aléatoire si on ne peut pas prévoir le résultat final de cette expérience. Exemples On lance une pièce et on observe le côté exposé (pile ou face). Il y a deux issues possibles sur cette expérience. 2. On dispose d une urne avec 100 boules, on tire une d entre elles et on note le numéro. Cette expérience aléatoire a 100 issues possibles. Définition 2.3 Univers. L ensemble de toutes les issues d une expérience aléatoire est appelé univers. On note généralement cet ensemble Ω. R 2.4 Dans cette leçon, on se limitera au cas où Ω est un ensemble fini. Exemple 2.5 On reprend les expériences de l exemple précédent. 1. Si on lance une pièce de monnaie, on obtient Ω = {P, F }. 2. Si on tire une boule numérotée dans une urne où il en contient 100 alors Ω = {1, 2,..., 100} Evénement associé à une expérience aléatoire Dans ce qui suit, nous allons décrire ce qu est un événement : Définition 2.6 Vocabulaire des événements. Un événement élémentaire (qu on note ω) est ce qui constitue l une des issues de la situation étudiée (un élément de Ω). Un événement est un ensemble de plusieurs issues. L événement «A et B» (qu on note A B) est l événement constitué des issues communes aux deux événements. L événement «A ou B» (qu on note A B) est l événement constitué des toutes les issues des deux événements. Deux événements incompatibles A et B (qu on note A B = ) sont deux événements qui n ont pas d éléments en commun. L événement est dit contraire de A (qu on note A) si A et A sont incompatibles et A A forme la totalité des issues. Exemples Obtenir un 7 est un événement élémentaire : ω = {7}.
2 10 Leçon n o 2 Expérience aléatoire, probabilité, probabilité conditionnelle 2. Obtenir un nombre pair est un événement : A = {2, 4, 6, 8, 10, 12}. 3. Obtenir un multiple de trois est un événement : B = {3, 6, 9, 12}. 4. A B = {6, 12}. 5. A B = {2, 3, 4, 6, 8, 9, 10, 12}. 6. Si et C = {10, 11, 12} D = {2, 3, 4, 5, 6} alors C D = donc C et D sont incompatibles. 7. Ici, A représente l événement «obtenir une somme impaire». On a alors : A A =, A A = Ω. 2.2 Probabilités Loi de probabilités sur un univers Ω Définition 2.8 Soit Ω l univers d une expérience aléatoire. Définir une loi de probabilité P sur Ω, c est associer, à chaque événement élémentaire ω i, des nombres p i [0, 1] tels que : p i = 1. i On appelle les nombres p i, les probabilités (qu on peut noter p i = P (ω i )). Proposition 2.9 Principe fondamental. La probabilité P (E) d un événement E est la somme des probabilités des événements élémentaires qui le composent. R 2.11 Corollaire 2.10 P (Ω) = 1 Dans le corollaire 2.10, on sous-entend qu il y a n (n N) événements élémentaires dans Ω et on fait l hypothèse d équiprobabilité. Preuve Démonstration du corollaire P (Ω) = P ( ω i ) = P (ω i ) = i i i 1 n = 1.
3 2.2 Probabilités 11 Exemple 2.12 On se donne les probabilités d apparition des faces d un dé truqué : Issue ω Probabilités P (ω) 0,05 0,05 0,1 0,1 0,2 inconnue 1. On veut calculer la probabilité de l événement A = «obtenir un résultat inférieur ou égal à 4». D après le principe, P (A) = P (1) + P (2) + P (3) + P (4) = 0,05 + 0,05 + 0,1 + 0,1. 2. On veut calculer la probabilité d obtenir 6. Le corollaire 2.10 nous donne : P (1) + P (2) + P (3) + P (4) + P (5) + P (6) = 1 donc P (6) = 0,5. Définition 2.13 Autre définition. Soit Ω un univers et P(Ω) = A l ensemble des parties de Ω (c est-à-dire l ensemble de tous les événements associé à cette expérience aléatoire). On appelle probabilité P toute application de P(Ω) dans R + qui vérifie : 1. P (Ω) = 1 2. Soit (A i ) i N, I N une famille d événements de P(Ω) deux à deux disjoints (si i j alors A i A j = ) alors : ( ) P A i = P (A i ). i I i I Propriétés de calcul de probabilités Propriétés 2.14 Soient A, B Ω. Alors : 1. P ( ) = 0 2. P (A) = 1 P (A) 3. P (A \ B) = P (A) P (A B) 4. A B P (A) P (B) 5. P (A B) = P (A) + P (B) P (A B) Preuve 1. On applique la propriété 2 de la définition 2.13 à A et (ils sont disjoints car A = ) d où P (A ) = P (A) + P ( ) P (A) = P (A) + P ( )
4 12 Leçon n o 2 Expérience aléatoire, probabilité, probabilité conditionnelle et donc on en déduit que P ( ) = Comme A A = et A A = Ω, on a : P (A A) = P (A) + P (A) P (Ω) = P (A) + P (A). Or P (Ω) = P (A A) = 1 d où P (A) = 1 P (A). 3. On a : A = (A \ B) (A B), de plus (A \ B) et A B sont disjoints donc on peut appliquer la définition : P (A) = P (A \ B) + P (A B). 4. A B implique que B = (B A) A donc P (B) = P (B \ A) + P (A) P (A). 5. On a : 2 à 2 disjoints donc : A B = (A \ B) (A B) (B \ A) P (A B) = P (A \ B) + P (A B) + P (B \ A) = P (A) P (A B) + P (A B) + P (B) P (A B) = P (A) + P (B) P (A B) Équiprobabilité Définition 2.15 Équiprobabilité. Si tous les éléments de Ω (l univers d une expérience aléatoire) ont la même propriété d apparition alors Ω est dit équiprobable. Si Ω = {a 1,..., a n } alors : P ({a i }) = 1 n, a i Ω. Propriété 2.16 Si Ω est équiprobable, la probabilité d un événement A Ω contenant n A éléments est : P (A) = 1 n + 1 n = n A }{{ n } n = card(a) card(ω). n A fois Exemples 2.17 On lance un dé (non truqué) ; Ω = {1, 2, 3, 4, 5, 6}. On est dans le cas d une équiprobabilité. 1. La probabilité d avoir un 5 est P (5) = 1/6 (5 est un événement élémentaire) 2. La probabilité d obtenir un nombre pair est : P («obtention d un nombre pair») = 3 6 = 1 2.
5 2.3 Probabilités conditionnelles Probabilités conditionnelles Un exemple pour débuter Exemple 2.18 On considère une population de 500 individus parmi lesquels il y a 180 femmes et 90 des 500 individus ont l allèle du daltonisme. On choisit un individu au hasard dans cette population (c est une expérience aléatoire). On note : F = «l individu choisi est une femme» D = «l individu choisi possède l allèle du daltonisme». L univers Ω est l ensemble des individus, il est équiprobable. Chaque individu a la même probabilité d être choisi Donc, P (D) = card(d) card(ω) = = 0,18. Maintenant, on se restreint à la sous-population des femmes. On sait que 9 femmes possèdent l allèle du daltonisme. L univers Ω est l ensemble des femmes F. Il est équiprobable. Chaque femme a chance d être choisie. On cherche la probabilité qu une femme choisie au hasard possède l allèle du daltonisme : card(d F ) card(ω ) = = 0,05. On note cette probabilité : P F (D) = card(d F ) card(f ) = P (D F ) Probabilité conditionnelle Définition 2.19 Soit F un événement de probabilité strictement positive (c est-à-dire F Ω et > 0). On appelle probabilité conditionnelle à F, l application P F ( ) de l ensemble des événements (P(Ω)) dans [0, 1] telle que : P F : P(Ω) [0, 1] A P F (A) = P (A F ). Proposition 2.20 L application P F ( ) est une probabilité. Preuve Démonstration de la proposition On vérifie que P F ( ) prend ses valeurs dans
6 14 Leçon n o 2 Expérience aléatoire, probabilité, probabilité conditionnelle [0, 1]. Si A F F alors P (A F ) et ainsi : P (A F ) = P F (A) 1 et P F (A) 0 comme quotient de deux probabilités. On vérifie la propriété 1 de la définition 2.13 : P F (Ω) = P (Ω F ) = = 1. On vérifie ensuite la propriété 2 de la définition Soit (A i ) i I une famille d événements dans Ω deux à deux disjoints. ) A i P F ( i I = P (( i I A i) F ) Mais A i F A i donc tous les (A i F ) sont disjoints 2 à 2 et : P F ( i I A i ) = = P ( i I (A i F )). i I P (A i F ) = P (A i F ) = P F (A i ). i I i I Propriété 2.21 Probabilités composées. Soit Ω un univers, F et A deux événements tel que > 0. Alors, P (A F ) = P F (A) = P A (F ) P (A) Formule des probabilités totales et de Bayes Propriété 2.22 Formule des propriétés totales. Soit {E 1, E 2,..., E n } une partition de Ω d événements non vides. Soit A Ω. Alors : n P (A) = P Ei (A) P (E i ). i=1 Exemple 2.23 On considère deux urnes U 1 et U 2. L urne U 1 contient 6 boules rouges et 4 boules vertes et l urne U 2 contient 7 boules vertes et 3 boules rouges. On lance un dé. S il indique le chiffre 1, on choisit l urne U 1 sinon on choisit l urne U 2. On effectue ensuite deux tirages avec remise. On cherche la probabilité d avoir tiré deux rouges en tout. On note : R = {rouge au 1 er tirage}, R = {rouge au 2 e tirage} On a ainsi : H 1 = {choix de l urne U 1 }, H 2 = H 1 = {choix de l urne H 2 }. P H1 (R) = 6 10 = 3 ( ) 3 2 5, P H 1 (R R ) =. 5 La formule de conditionnement donne : P H2 (R) = 3 10, P H 2 (R R ) = ( ) P (R) = P H1 (R)P (H 1 ) + P H2 (R)P (H 2 ) = = = =
7 2.3 Probabilités conditionnelles 15 et P (R R ) = P H1 (R R )P (H 1 ) + P H2 (R R )P (H 2 ) = 1 ( ) ( ) 3 2 = Propriété 2.24 Formule de Bayes. Soit {E 1, E 2,..., E n } une partition de Ω d événements non vides. Soit A Ω. Alors : P Ei (A) P (E i ) P A (E i ) = ni=1 P Ei (A) P (E i ). Exemple 2.25 Un test sanguin a une probabilité de 0,95 de détecter un certain virus lorsque celuici est effectivement présent. Il donne néanmoins un faux résultat positif pour 1% des personnes non infectées. On cherche la probabilité ait le virus sachant qu elle est positif (et on sait que 0,5% de la population est porteuse du virus). On note : On cherche P T (V ). Or, on sait que : On en déduit par la formule de Bayes, V = {la personne testée a le virus}, T = {la personne testée a un test positif}. P (V ) = 0,005, P V (T ) = 0,95, P V (T ) = 0,01. P T (V ) = P (T V ) P V (T )P (V ) = P (T ) P V (T )P (V ) + P V (T )P (V ) 0,95 0,005 = 0,95 0, ,01 0,995 0, Indépendance R 2.27 Définition 2.26 Indépendance de deux événements. Deux événements E et F sont indépendants si : P (E F ) = P (E). D après la propriété des probabilités composées, P (E) = P F (E) (si > 0). Ce résultat correspond à l idée intuitive que si E et F sont indépendants alors la réalisation de F n apporte pas d information sur E. Exemple 2.28 On jette deux fois le même dé. Les événements A = {obtention d un chiffre pair au premier lancer}, B = {obtention du 1 au deuxième lancer}, sont indépendants. En effet, en prenant Ω = {1, 2, 3, 4, 5, 6} 2 et si on fait l hypothèse de l équiprobabilité dans Ω (P équiprobable), on vérifie que : P (A) = = 1 2, P (B) = = 1 6. P (A B) = = 1 12, P (A)P (B) = = 1 12.
8 16 Leçon n o 2 Expérience aléatoire, probabilité, probabilité conditionnelle Schéma de Bernoulli Définition 2.29 Toute expérience aléatoire conduisant à deux issues possibles S (Succès) et S (Echec) est appelée épreuve de Bernoulli. Exemple 2.30 Si on appelle Succès lors d un lancé d un dé, l événement noté : S = «Le six sort». Le lancer du dé peut alors être considéré comme une épreuve de Bernoulli avec S = {6} et p = P (S) = 1/6. S = {1, 2, 3, 4, 5} avec q = 1 p = 5/6. Définition 2.31 Schéma de Bernoulli. Si on répète n fois et de façon indépendante une épreuve de Bernoulli, on obtient un schéma de Bernoulli. Propriété 2.32 Soit 0 k n, P («obtenir k succès») = ( ) n p k q n k. p Exemple 2.33 On lance 3 fois une pièce et on dit qu on fait «succès» si la pièce tombe sur pile. On cherche la probabilité de faire 2 succès. ( ) P («obtenir 2 succès») = = 3 8.
9 Bibliographie [1] Problème des sept ponts de Königsberg, Wikipédia, l encyclopédie libre. [2] C. LE BOT, Théorie des graphes, 2006, wp-content/uploads/2007/03/theorie_graphes.pdf. [3] Coloration des graphes, Apprendre-en-ligne, net/graphes-ancien/coloration/sommets.html [4] O. GARET, Exemples de problèmes de graphes, fr/~olivier.garet/cours/graphes/graphes-documents_d_ accompagnement.pdf. [5] E. SIGWARD & al., Odyssée Mathématiques Terminale ES/L, Hatier, [6] Graphes probabilistes, Terminale ES spécialité. graphe/f4_graphe.pdf [7] G. COSTANTINI, Probabilités (discrètes), Cours de Première S, URL : bacamaths.net. [8] P. RIBEREAU, Cours 5 Probabilités : Notion, probas conditionnelles et indépendance, URL : [9] P. DUVAL, Probabilités, TS. URL : ~duvalp [10] G. COSTANTINI, Probabilités : Généralités, conditionnement, indépendance, Cours de Première S. URL : [11] M. LENZEN, Leçon n o 3 : Coefficients binomiaux, dénombrement des combinaisons, formule du binôme. Applications., 2011, URL : php?page=leconsnew [12] G. CONNAN, Une année de mathématiques en Terminale S, Ch. 14, , URL : http: //tehessin.tuxfamily.org [13] G. COSTANTINI, Loi binomiale, URL : [14] C. SUQUET, Intégration et Probabilités Elémentaires, URL : univ-lille1.fr/~ipeis/ [15] L. LUBRANO & al., Mathématiques, BTS Industriels - Groupement B et C, Dunod, [16] G. COSTANTINI, Lois de probabilités continues. URL : [17] J.-P. GOULARD, Lois de probabilités continues, TS, TS cours-loiscontinues.pdf. [18] Probabilités 3 : Loi uniforme sur [a; b], Lycée de Font Romeu. lewebpedagogique.com/cerdagne/files/2013/02/02-loi-uniforme. pdf [19] Loi uniforme sur [a; b], IREM de Toulouse. URL : spip/img/pdf_loi_uniforme.pdf [20] P. TAQUET & al., Mathématiques, BTS Groupement A, Hachette Technique, 2010.
10 18 BIBLIOGRAPHIE [21] C. SUQUET, Initiation à la Statistique, ~suquet/polys/is.pdf. [22] J.-F. DELMAS, Modélisation stochastique, Cours de M2, URL : enpc.fr/~delmas/enseig/mod-stoch.pdf [23] L.-M. BONNEVAL, Chaînes de Markov au lycée, APMEP n o 503, URL : publimath.irem.univ-mrs.fr/biblio/aaa13018.htm [24] Marche aléatoire, IREM de Franche-Comte. URL : univ-fcomte.fr/download/irem/document/ressources/lycee/marche/ marche-aleatoire.pdf. [25] Marches sur Z, culturemath.ens.fr, URL : pdf/proba/marchesz.pdf [26] Contributeurs à Wikipedia, Marche aléatoire, Wikipédia, l encyclopédie libre, [27] Marche au hasard dans les rues de Toulouse, URL : actualites/m_toulouse2.html
Probabilités. 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 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 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 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. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailProbabilités 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
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 détailProbabilités. I - Expérience aléatoire. II - Evénements
Probabilités Voici le premier cours de probabilités de votre vie. N avez-vous jamais eut envie de comprendre les règles des grands joueurs de poker et de les battre en calculant les probabilités d avoir
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 détailL E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
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 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 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 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 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 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 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 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 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 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 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 détailLes probabilités. Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée Les probabilités produite par TFO.
Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée produite par TFO. Le guide Édition 1988 Rédacteur (version anglaise) : Ron Carr Traduction : Translatec Conseil Ltée
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. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en 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 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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailDENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES
BTS GPN ERE ANNEE-MATHEMATIQUES-DENOMBREMENT-COMBINATOIRE-EXERCICE DE SYNTHESE EXERCICE RECAPITULATIF (DE SYNTHESE) CORRIGE Le jeu au poker fermé DENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES On joue
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 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 détail1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.
Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailINF 162 Probabilités pour l informatique
Guy Melançon INF 162 Probabilités pour l informatique Licence Informatique 20 octobre 2010 Département informatique UFR Mathématiques Informatique Université Bordeaux I Année académique 2010-2011 Table
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailMesure de probabilité, indépendance.
MATHEMATIQUES TD N 2 : PROBABILITES ELEMENTAIRES. R&T Saint-Malo - 2nde année - 2011/2012 Mesure de probabilité, indépendance. I. Des boules et des cartes - encore - 1. On tire simultanément 5 cartes d
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 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 détailAndrey Nikolaevich Kolmogorov
PROBABILITÉS La théorie des probabilités est née de l étude par les mathématiciens des jeux de hasard. D'ailleurs, le mot hasard provient du mot arabe «az-zahr» signifiant dé à jouer. On attribue au mathématicien
Plus en détailLe chiffre est le signe, le nombre est la valeur.
Extrait de cours de maths de 6e Chapitre 1 : Les nombres et les opérations I) Chiffre et nombre 1.1 La numération décimale En mathématique, un chiffre est un signe utilisé pour l'écriture des nombres.
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
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 détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en 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 détailProbabilités conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
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 détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailL ACCOMPAGNEMENT PERSONNALISE AU LYCEE PICASSO DE PERPIGNAN (Document de travail)
L ACCOMPAGNEMENT PERSONNALISE AU LYCEE PICASSO DE PERPIGNAN (Document de travail) 1. Définition L'accompagnement personnalisé, qui s'adresse à tous les élèves, est un espace de liberté pédagogique permettant
Plus en détail21 mars 2012. Simulations et Méthodes de Monte Carlo. DADI Charles-Abner. Objectifs et intérêt de ce T.E.R. Générer l'aléatoire.
de 21 mars 2012 () 21 mars 2012 1 / 6 de 1 2 3 4 5 () 21 mars 2012 2 / 6 1 de 2 3 4 5 () 21 mars 2012 3 / 6 1 2 de 3 4 5 () 21 mars 2012 4 / 6 1 2 de 3 4 de 5 () 21 mars 2012 5 / 6 de 1 2 3 4 5 () 21 mars
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 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 détailCOMBINATOIRES ET PROBABILITÉS
COMBINATOIRES ET PROBABILITÉS ème année. Analyse combinatoire.. Outils.. Principe de décomposition.. Permutations.. Arrangements..5 Combinaisons 8.. Développement du binôme 9..7 Ce qu il faut absolument
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailGlossaire des nombres
Glossaire des nombres Numérisation et sens du nombre (4-6) Imprimeur de la Reine pour l'ontario, 008 Nombre : Objet mathématique qui représente une valeur numérique. Le chiffre est le symbole utilisé pour
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 détailNOTIONS DE PROBABILITÉS
NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...
Plus en détailPRÉCIS DE SIMULATION
PRÉCIS DE SIMULATION P. Del Moral Centre INRIA Bordeaux Sud-Ouest & Institut de Mathématiques de Bordeaux Université Bordeaux I, 351, cours de la Libération 33405 Talence, France Table des matières 1
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailDunod, Paris, 2014 ISBN 978-2-10-059615-7
Illustration de couverture : Federo-istock.com Dunod, Paris, 2014 ISBN 978-2-10-059615-7 1.1 Symétrie du hasard et probabilité uniforme 3 1.2 Loi de probabilité sur un ensemble fini 6 1.3 Probabilité sur
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 détailPlan général du cours
BTS GPN 1ERE ANNEE-MATHEMATIQUES-PROBABILITES-DENOMBREMENT,COMBINATOIRE PROBABILITES Plan général du cours 1. Dénombrement et combinatoire (permutations, arrangements, combinaisons). 2. Les probabilités
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 détailBureau N301 (Nautile) benjamin@leroy-beaulieu.ch
Pre-MBA Statistics Seances #1 à #5 : Benjamin Leroy-Beaulieu Bureau N301 (Nautile) benjamin@leroy-beaulieu.ch Mise à niveau statistique Seance #1 : 11 octobre Dénombrement et calculs de sommes 2 QUESTIONS
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
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 détailQuelques tests de primalité
Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars
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 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 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 détaildénombrement, loi binomiale
dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................
Plus en détailProbabilité 2 Ω = { P, F } Lancer un sou deux fois. Ω = { PP, PF, FP, FF} Ω = { 2, 3, 4,..., as }
. Définitions préliminaires Probabilité. Définitions préliminaires La théorie des probabilités utilise un langage emprunté à la théorie des ensembles. Il sera nécessaire de définir les éléments de ce langage
Plus en détailCompte rendu du stage ATSM Probabilités et statistique
IREM de Lyon Institut de recherche sur l enseignement des mathématiques Université Lyon 1 Académie de Lyon Compte rendu du stage ATSM Probabilités et statistique Lyon, 25 août 3 septembre 2010 Faisant
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 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 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 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 détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
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 détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailProbabilités (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 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 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 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 détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détail