I Exercices I I I I I I I I-7
|
|
- Danièle Lortie
- il y a 7 ans
- Total affichages :
Transcription
1 Chapitre 7 Probabilités TABLE DES MATIÈRES page -1 Chapitre 7 Probabilités Table des matières I Exercices I I I I I I I I-7 II Cours II-1 1 Variable aléatoire discrète II-1 1a Variable aléatoire discrète et loi de probabilité II-1 1b Espérance, variance et écart-type II-1 1c Utilisation de la calculatrice II- 1d Propriété de l espérance et de la variance II-4 2 Répétition d expériences identiques et indépendantes II-4
2 Chapitre 7 Probabilités I EXERCICES page I-1 I Exercices 1 Variable aléatoire discrète Dans une papeterie, deux modèles sont proposés dans la même marque de stylo : un premier modèle à 1,0e, et un deuxième modèle à 2,80e. D après les statistiques de ventes sur une longue période, quand un client choisit cette marque, la probabilité qu il achète le 1 er modèle est égale à 0,8 et celle qu il achète le 2 e modèle est 0,2. On appelle X le prix payé par le client à chaque vente de cette marque de stylo, ce prix est tantôt égal à 1,0e, tantôt égal à 2,80e. On dit que X est une variable aléatoire et on représente cela par le tableau ci-dessous qu on appelle loi de probabilité de la variable aléatoire X. X 1,0 2,80 p 0,8 0,2 1. Simuler cette variable aléatoire 10 fois, et compléter le tableau suivant en procédant ainsi : afficher un nombre entier aléatoire a entre 1 et 10 (voir encadré ci-dessous) ; si ce nombre est inférieur ou égal à 8, X vaut 1,0e ; sinon X vaut 2,80e. Nombre aléatoire a Variable aléatoire X 2. Calculer : f la fréquence d achat du stylo A ; g la fréquence d achat du stylo B ; m le prix moyen payé par le client. Afficher un nombre entier aléatoire entre 1 et 10 avec une calculatrice. TI 82 : math 5, et compléter ainsi : entaléat(1,10) TI 89 : HOME 2ND [MATH] 7 (7:Probability) 4 (4:rand() et compléter ainsi : rand(10) CASIO : OPTN F6 ( ) F2 (PROB) F4 (RAND) F2 (Int) et compléter ainsi : RandInt#(1,10)
3 Chapitre 7 Probabilités I EXERCICES page I-2 2 La situation étudiée est celle de l exercice 1 (ventes de stylos A ou B). L algorithme ci-dessous simule une série de ventes successives. Lire n s prend la valeur 0 Pour des valeurs de k allant de 1 à n, de 1 en 1 stocker un entier aléatoire entre 1 et 10 dans a Si a 8 stocker s + 1 dans s Fin du Pour t prend la valeur n s Afficher n, s,t 1. On fixe la valeur de n à 10. Exécuter cet algorithme «à la main» en complétant le tableau ci-dessous, et en utilisant la calculatrice pour afficher le nombre aléatoire a de l algorithme. k a s 0 2. Que représente la valeur de s en fin d algorithme?. D après les résultats de l algorithme précédent pour n = 10, compléter la 2 e colonne du tableau ci-dessous. 4. Programmer cet algorithme à la calculatrice 5. Compléter le tableau ci-dessous, de la e à la 6 e colonne, en exécutant plusieurs fois le programme. n s f t g m
4 Chapitre 7 Probabilités I EXERCICES page I- D8, ex 8 p 19, manuel Déclic de 1 re S D45, ex 45 p 28, manuel Déclic de 1 re S
5 Chapitre 7 Probabilités I EXERCICES page I-4 D7, ex 7 p 27, manuel Déclic de 1 re S D8, ex 8 p 27, manuel Déclic de 1 re S D54 à D57, ex 54 à 57 p 1, manuel Déclic de 1 re S
6 Chapitre 7 Probabilités I EXERCICES page I-5 L objectif de cet exercice est d étudier une propriété de l espérance, et une propriété de la variance. On revient à la situation de l exercice sur fiche n o 1 (deux modèles de stylos proposés dans une papeterie, modèle A à 1,20e, modèle B à 2,70e, probabilité d achat 0,8 pour le modèle A et probabilité 0,2 pour le modèle B). X est la variable aléatoire au prix payé par le client et sa loi est donnée par ce tableau. X 1,20 2,70 p 0,8 0,2 1. Rappeler ici les résultats de l espérance et de la variance. E(X) =... V(X) = On augmente les prix de 0,10e, on étudie donc la variable aléatoire égale à X + 0, 1, dont la loi est donnée par le tableau ci-dessous. X + 0, 1 1,0 2,80 p 0,8 0,2 (a) Sans faire de calcul, comment sera l espérance de X + 0, 1 par rapport à celle de X? (b) Sans faire de calcul, comment sera la variance de X + 0, 1 par rapport à celle de X? (c) Vérifier en calculant E(X + 0, 1) et V(X + 0, 1). Mêmes questions si on multiplie les prix par 1,05 c est à dire pour la variable aléatoire 1, 05X. 4 L objectif de cet exercice est de généraliser et de démontrer les propriétés de l espérance et de la variance étudiées dans l exercice précédent. X est une variable aléatoire discrète dont la loi de probabilité est donnée par le tableau suivant : X x 1 x 2... x n p p 1 p 2... p n 1. (a) Donner la loi de la variable aléatoire ax + b, en complétant ce tableau. ax + b p p 1 p 2 p n (b) Démontrer que : E(aX + b) = ae(x) + b 2. (a) Donner la loi de la variable aléatoire ax + b, en complétant ce tableau. ax p p 1 p 2 p n (b) Démontrer que : V(aX) = a 2 V(X). 5 La loi de probabilité d une variable aléatoire est donnée par le tableau ci-dessous. x i Total p i 0,1 0, 0, 0,1 0,2 1. Calculer E(X), V(X), σ(x). 2. Les tableaux ci-dessous donnent les lois de probabilité des variables aléatoires Y, Z, T. Pour chacune d elle, calculer l espérance, la variance et l écart-type. y i Total p i 0,1 0, 0, 0,1 0,2 t i Total p i 0,1 0, 0, 0,1 0,2 z i Total p i 0,1 0, 0, 0,1 0,2
7 Chapitre 7 Probabilités I EXERCICES page I-6 D40, ex 40 p 28, manuel Déclic de 1 re S D41, ex 41 p 28, manuel Déclic de 1 re S D42, ex 42 p 28, manuel Déclic de 1 re S R76 à R79, ex 76 à 79 p 206, manuel Repères Hachette de 1 re S
8 Chapitre 7 Probabilités I EXERCICES page I-7 6 Répétition d expériences identiques et indépendantes L objectif de cet exercice est d étudier deux expériences aléatoires successives et de savoir si elles sont identiques et indépendantes, puis de comparer les calculs de probabilités dans les deux cas. Une urne contient une boule noire N et deux boules blanches B1 et B2. 1. On prend une boule au hasard, on la remet, puis on prend à nouveau une boule au hasard. On appelle cela deux tirages avec remise. (a) Ces deux expériences aléatoires successives semblent-elles identiques et indépendantes, autrement dit peut-on dire que l issue de l une n a pas influence sur l issue de l autre? (b) Calculer les probabilités des évènements : «obtenir deux boules noires», «obtenir une boule noire et une boule blanche (dans n importe quel ordre)», «obtenir deux boules blanches». (c) Compléter l arbre n o 1 plus bas par des probabilités 2. Répondre à nouveau aux questions a, b, c précédentes à propos de la même urne, mais dans les conditions suivantes : on prend une boule au hasard, mais on ne la remet pas, puis on prend à nouveau une boule au hasard (on appelle cela deux tirages sans remise). Arbre n o 1 : tirage avec remise... N... N... B Arbre n o 2 : tirage sans remise... N... N... B... B N B... B N B 7 Une entreprise possède deux machines dont les fonctionnements sont indépendants. La probabilité qu une machine tombe en panne dans la journée est 1 %. 1. Représenter avec un arbre les différentes possibilités de panne ou fonctionnement pour les deux machines. 2. Calculer la probabilité que les deux machines fonctionnent.. Calculer la probabilité que aucune machine ne fonctionne. 4. Calculer la probabilité que au moins une machine fonctionne.
9 Chapitre 7 Probabilités I EXERCICES page I-8 D18, D19, D20, ex 18, 19, 20 p 52-5, manuel Déclic de 1 re S M9, ex 9 p 218, manuel Math x de 1 re S
10 Chapitre 7 Probabilités II COURS page II-1 II Cours 1 Variable aléatoire discrète 1a Variable aléatoire discrète et loi de probabilité. Le programme de mathématiques de 1 re S indique qu un élève doit savoir déterminer et exploiter la loi d une variable aléatoire. Exemple Dans une papeterie, deux modèles sont proposés dans la même marque de stylo : un premier modèle à 1,0e, et un deuxième modèle à 2,80e. D après les statistiques de ventes sur une longue période, quand un client choisit cette marque, la probabilité qu il achète le 1 er modèle est égale à 0,8 et celle qu il achète le 2 e modèle est 0,2. On appelle X le prix payé par le client à chaque vente de cette marque de stylo, ce prix est tantôt égal à 1,0e, tantôt égal à 2,80e. On dit que X est une variable aléatoire et on représente cela par le tableau ci-dessous qu on appelle loi de probabilité de la variable aléatoire X. X 1,0 2,80 p 0,8 0,2 Définition Variable aléatoire discrète Une variable aléatoire discrète est une fonction qui associe à chaque issue d une expérience aléatoire un nombre réel. Dans notre exemple précédent, l expérience aléatoire est de choisir un acheteur de stylo au hasard ; les deux issues sont l achat du 1 er stylo ou l achat du 2 e stylo ; le nombre réel associé à l achat du 1 er stylo est son prix 1,0 et le nombre réel associé à l achat du 2 e stylo est 2,80. Définition Loi de probabilité d une variable aléatoire. La loi de probabilité d une variable aléatoire discrète associe une probabilité à chaque valeur de la variable aléatoire. Cette loi est présentée par le tableau suivant : X x 1 x 2... x n p p 1 p 2... p n 1b Espérance, variance et écart-type. Le programme de mathématiques de 1 re S indique qu un élève doit savoir interpréter l espérance comme valeur moyenne dans le cas d un grand nombre de répétitions. Exemple Revenons à l exemple précédent. On répète n fois l expérience aléatoire décrite dans cet exemple, et on calcule f et g les fréquences respectives des achats du 1 er ou du 2 e stylo. m la moyenne du prix payé par client : m = f 1, + g 2, 8 V la variance du prix payé par client : V = f (m 1, ) 2 + g (m 2, 8) 2
11 Chapitre 7 Probabilités II COURS page II-2 On obtient par exemple les résultats ci-dessous. s est le nombre d achats du 1 er stylo, et t est le nombre d achats du 2 e stylo. Par conséquent : f = s n et g = t n n s f t g m On sait d après la loi des grands nombres que lorsque n devient grand, la fréquence f se rapproche de la probabilité 0,8 et la fréquence g se rapproche de la probabilité 0,2. Or la moyenne m de la variable aléatoire X est donnée par m = f 1, + g 2, 8 Donc, lorsque n devient grand, la moyenne m se rapproche de 0, 8 1, + 0, 2 2, 8 = 1, 6 On dit que 0, 8 1, + 0, 2 2, 8 est l espérance de la variable aléatoire X. Définition - Espérance d une variable aléatoire X est une variable aléatoire discrète dont la loi de probabilité est donnée par le tableau suivant : X x 1 x 2... x n p p 1 p 2... p n Alors l espérance mathématique de la variable aléatoire X, notée E(X), est définie par : E(X) = p 1 x 1 + p 2 x p n x n la variance de la variable aléatoire X, notée V(X), est définie par : V(X) = p 1 (x 1 E(X)) 2 + p 2 (x 2 E(X)) p n (x n E(X)) 2 l écart-type de la variable aléatoire X, noté σ(x), est défini par : σ(x) = V(X) Propriété Espérance et moyenne Une épreuve aléatoire a pour variable aléatoire X de loi de probabilité donnée par le tableau suivant : X x 1 x 2... x n p p 1 p 2... p n On répète n fois cette épreuve aléatoire et on obtient le tableau de fréquence suivant X x 1 x 2... x n p f 1 f 2... n La moyenne est donnée par m = f 1 x 1 + f 2 x f n x n À cause de la loi des grands nombres, la moyenne m se rapproche de E(X) lorsque n devient grand.
12 Chapitre 7 Probabilités II COURS page II- 1c Utilisation de la calculatrice Un commentaire du programme de mathématiques de 1 re S indique que l on exploite les fonctionnalités de la calculatrice ou d un logiciel pour déterminer l espérance, la variance et l écart-type d une variable aléatoire. Consignes et remarques pour tous les modèles. Saisir les valeurs de la variable aléatoire x 1, x 2,..., dans la première colonne et les probabilités p 1, p 2,..., dans la deuxième colonne (sauf pour la TI 89, voir plus bas). Les probabilités p 1, p 2,...joueront donc le rôle que jouaient les effectifs n 1, n 2,..., mais leur somme sera égale à 1. L espérance sera donnée par la moyenne x. Les calculatrices donnent l écart-type σ et pas la variance, mais on peut calculer la variance V sachant que : V = σ 2 TI 82 Saisie des données : touche stats, puis choisir 1:Edite Calculs : appuyer à nouveau sur stats, choisir CALC, puis 1:Stats 1-Var, puis compléter ainsi : Stats 1-Var(L 1,L 2 ) et valider. Espérance/moyenne : x écart-type : σx TI89 Saisie des données Touche APPS, icône Data/Matrix, ENTER choisir :New..., valider. Type: Data Variable:, saisir le nom du fichier de données, par exemple stat1. Compléter les colonnes c1 et c2. Dans la colonne c2, la TI 89 n accepte que des nombres entiers. Il faut donc multiplier les probabilités par 10, 100 etc. pour obtenir des nombres entiers. Calculs Touche F5 Calculation type, touche et choisir 1:OneVar x, saisir c1 Use Freq and Categories, touche et choisir 2:YES Freq, saisir c2 Include Categories effacer Espérance/moyenne : x écart-type : σx CASIO Saisie des données Touche MENU, icône STAT, valider, puis compléter les colonnes List 1 et List 2. Calculs Touche MENU, icône STAT, valider, puis appuyer sur F2 (CALC), puis sur F6 (SET), et compléter ainsi : 1 Var X List : List1 (appuyer sur F1 ) 1 Var Freq : List2 (appuyer sur F2 ) Appuyer sur EXIT F1 (1 VAR) Espérance/moyenne : x écart-type : σx
13 Chapitre 7 Probabilités II COURS page II-4 1d Propriété de l espérance et de la variance Propriété Pour une variable aléatoire X et deux nombres a et b, on a les égalités suivantes : E(aX + b) = ae(x) + b V (ax) = a 2 V (X) σ(ax) = a σ(x). Démonstration 1 : voir manuel Hyperbole, paragraphe 2 page Répétition d expériences identiques et indépendantes Le programme de 1 re S indique qu un élève doit savoir représenter la répétition d expériences identiques et indépendantes par un arbre pondéré ; utiliser cette représentation pour déterminer la loi d une variable aléatoire associée à une telle situation. Propriété Dans le cas d une répétition d expériences identiques et indépendantes, la probabilité d une liste de résultats est le produit des probabilités de chaque résultat. Exemple 1 : représenter la répétition d expériences identiques et indépendantes par un arbre pondéré. Une urne contient une boule noire et deux boules blanches. On prend une boule au hasard, on la remet, puis on prend à nouveau une boule au hasard. On appelle cela deux tirages avec remise. Ces deux expériences aléatoires successives sont identiques parce que les deux tirages successifs se déroulent dans les mêmes conditions, et elles sont indépendantes, parce que l issue du premier tirage (noire ou blanche) n a pas influence sur l issue du deuxième tirage. Calculons la probabilité de l évènement : «obtenir deux boules noires» Cet évènement est la liste de résultat N et N, c est à dire obtenir une boule noire puis une boule noire, donc, d après la propriété ci-dessus : p(n et N) = p(n) p(n) = 1 1 = 1 9 Les autres calculs indiqués ci-dessous, à droite de l arbre pondéré, se font de la même façon, d après la même propriété. 1 2 N B N p(n et N) = 1 1 = 1 9 B p(n et B) = 1 2 = 2 9 N p(b et N) = 2 1 = 2 9 B p(b et B) = 2 2 = 4 9 Exemple 2 : utiliser un arbre pondéré pour déterminer la loi d une variable aléatoire associée à une telle situation. Voir exercice sur fiche n o D Cette démonstration est demandée dans le programme de mathématiques de 1 re S. 2. exercice 18 p. 52 du manuel Déclic de 1re S
Probabilités. 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 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 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 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 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 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 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 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 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 détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
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 détail= constante et cette constante est a.
Le problème Lorsqu on sait que f(x 1 ) = y 1 et que f(x 2 ) = y 2, comment trouver l expression de f(x 1 )? On sait qu une fonction affine a une expression de la forme f(x) = ax + b, le problème est donc
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en 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 détailTRIGONOMETRIE Algorithme : mesure principale
TRIGONOMETRIE Algorithme : mesure principale Déterminer la mesure principale d un angle orienté de mesure! 115" Problèmatique : Appelons θ la mesure principale, θ et! 115" sont deux mesures du même angle,
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 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 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 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 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 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 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 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 détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en 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 détailLes suites numériques
Chapitre 3 Term. STMG Les suites numériques Ce que dit le programme : Suites arithmétiques et géométriques CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Suites arithmétiques et géométriques Expression du terme
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
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 détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
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 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 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 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 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 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 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 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 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 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 détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
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 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 détail16 Chapitre 16. Autour des générateurs pseudoaléatoires
Chapitre 16 Chapitre 16. Autour des générateurs pseudoaléatoires Hasard et informatique peuvent paraître antinomiques. Car enfin, comment le circuit imprimé d un ordinateur ou d une calculatrice, parfaitement
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailCentre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles
CEA-N-1195 Note CEA-N-1195 Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles Service d'etudes de Protections de Piles PROPAGATION DES NEUTRONS
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 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 détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailSéquence 3. Expressions algébriques Équations et inéquations. Sommaire
Séquence 3 Expressions algébriques Équations et inéquations Sommaire 1. Prérequis. Expressions algébriques 3. Équations : résolution graphique et algébrique 4. Inéquations : résolution graphique et algébrique
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 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 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 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 détail1.6- Génération de nombres aléatoires
1.6- Génération de nombres aléatoires 1- Le générateur aléatoire disponible en C++ 2 Création d'un générateur aléatoire uniforme sur un intervalle 3- Génération de valeurs aléatoires selon une loi normale
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 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 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 détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en 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 détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
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 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 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 détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailCertification Conseiller Clientèle bancaire
SAQ Swiss Association for Quality Autorité de certification de personnes Accréditée selon la norme SN/EN ISO IEC 17024:2012 Service d Accréditation Suisse SAS (SCESe 016) Certification Conseiller Clientèle
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
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 détailNotice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker
Notice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker DeCarvalho Adelino adelino.decarvalho@iutc.u-cergy.fr septembre 2005 Table des matières 1 Introduction
Plus en détailStatistiques à deux variables
Statistiques à deux variables Table des matières I Position du problème. Vocabulaire 2 I.1 Nuage de points........................................... 2 I.2 Le problème de l ajustement.....................................
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 détailI. Introduction aux fonctions : les fonctions standards
Chapitre 3 : Les fonctions en C++ I. Introduction aux fonctions : les fonctions standards A. Notion de Fonction Imaginons que dans un programme, vous ayez besoin de calculer une racine carrée. Rappelons
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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
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 détail4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE
CHAPITRE Statistiques Population (en milliers) 63 6 6 6 Évolution de la population en France 9 998 999 3 Année Le graphique ci-contre indique l évolution de la population française de 998 à. On constate
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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
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 détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
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 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 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 détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
Plus en détailF7n COUP DE BOURSE, NOMBRE DÉRIVÉ
Auteur : S.& S. Etienne F7n COUP DE BOURSE, NOMBRE DÉRIVÉ TI-Nspire CAS Mots-clés : représentation graphique, fonction dérivée, nombre dérivé, pente, tableau de valeurs, maximum, minimum. Fichiers associés
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 détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
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 détailRapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources
Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils
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 détailOOo4Kids, la suite OpenOffice adaptée aux enfants
OOo4Kids, la suite OpenOffice adaptée aux enfants Niveau débutant Niveau intermédiaire Niveau confirmé OOo4Kids est une version simplifiée de la suite OpenOffice, à destination des enfants. L interface
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 détail