Travaux Dirigés 1 Introduction aux probabilités
|
|
- Paul Bois
- il y a 7 ans
- Total affichages :
Transcription
1 Université Pierre et Marie Curie LM231 Année Semestre 2 Travaux Dirigés 1 Introduction aux probabilités Dans la suite, pour tout entier naturel n, nous notons N n = {0,...,n} et N n = N n \{0} = {1,...,n}. Exercice 1 On considère un ensemble Ω muni d une tribu A. Soient A, B et C trois événements de cette tribu. Exprimer en fonction de A, B et C les événements suivants : (1 A seul se produit. Seul A se produit signifie que l événement A se produit et également que les événements B et C ne se produisent pas. Cela s écrit A B c C c. (2 Au moins l un d entre eux se produit. Par définition, cela s écrit A B C. (3 Les trois se produisent. Par définition, cela s écrit A B C. (4 Au plus deux d entre eux se produisent. Au plus deux événements se produisent signifie que l on ne peut pas avoir les trois événements simultanément, cela s écrit (A B C c = A c B c C c. (5 L un d entre eux exactement se produit. Notons E 5 cet événement. Dans ce cas, seul A se produit ou seul B se produit ou seul C se produit. En utilisant la première question nous écrivons alors E 5 = (A B c C c (A c B C c (A c B c C. (6 Au plus l un d entre eux se produit. Notons E 6 cet événement. Au plus un événement se produit si et seulement si aucun événement ne se produit ou exactement un événement se produit. On a alors E 6 = E 5 (A B C c = E 5 (A c B c C c. (7 Au moins deux d entre eux se produisent. Notons E 7 cet événement. C est exactement le complémentaire de l événement précédent: E 7 = E6 c. Exercice 2 Soit Ω l ensemble des couples mariés d une ville donnée. On considère les événements A: l homme a plus de quarante ans ; B : la femme est plus jeune que l homme ; C : la femme a plus de quarante ans. 1
2 2 (1 Interpréter en fonction de A,B,C l événement le mari a plus de 40 ans mais pas sa femme. L événement décrit correspond à la réalisation de l événement A et à la non réalisation de l événement C. Il s écrit donc A C c. (2 Vérifier que A C c B. En écrivant Ω = B B c et A C c = A C c Ω, on obtient A C c = (A C c B (A C c B c. Or, A C c B c = donc A C c = (A C c B c B. (3 Décrire en langage ordinaire les événements A B C c, A\(A B, A B c C. On remarque que A B C c = A C c puisque A C c B (en effet, un couple de A C c est tel que l homme a plus de 40 ans et la femme a moins de 40 ans; cela entraine que la femme est plus jeune que l homme; donc ce couple est élément de B. Ainsi A B C c est : l homme a plus de 40 ans et la femme a moins de 40 ans. A\(A B: l homme a plus de 40 ans et la femme est plus agée que l homme. A B c C : l homme et la femme ont plus de 40 ans et la femme est plus agée que l homme. Exercice 3 On considère un espace probabilisé (Ω, A, P. (1 Soient A, B et C trois événements de la tribu A. Montrer que P(A B = P(A+P(B P(A B. Ecrivons B = (A B (B \A. B étant écrit comme l union de deux événements disjoints nous avons P(B = P(A B+P(B \A. De même, A B = A (B \A. L écriture de A B comme union de deux événements disjoints donne P(A B = P(A+P(B \A. On en déduit que P(A B = P(A+P(B \A = P(A+P(B P(A B. (2 Montrer que pour tout entier naturel non nul n et toute famille d événements (A i 1 i n ( n n P A k = k k=1 k=1p(a P(A i A j + P(A i A j A k i<j i<j<k +( 1 n+1 P(A 1 A n. (1
3 Nous allons montrer cette propriété par récurrence. Posons, pour tout entier naturel n N, P(n : pour toute famille d événements (A i 1 i n, la formule (1 est vraie. Initialisation Pour tout événement A nous avons P(A = P(A, la formule est donc vraie pour n = 1. Hérédité Soit n un entier naturel non nul tel que la propriété (1 soit vraie. Soit alors (A i 1 i n+1 une famille d événements. En appliquant la question 1, nous avons. ( n+1 ( n P A i = P A i An+1 ( n ([ n ] An+1 = P A i +P(A n+1 P A i ( n ( n = P A i +P(A n+1 P [ A i An+1 ]. En appliquant l hypothèse de récurrence aux familles d événements (A i A n+1 1 i n et (A i 1 i n nous obtenons le résultat désiré. En conclusion, la propriété (1 est vraie pour tout entier naturel non nul n. Application Soit n un entier naturel non nul. Un facteur dispose de n lettres adressées à n personnes disctinctes. Très distrait, il distribue les lettres au hasard : quelle est la probabilité qu aucune n arrive à destination? (i On peut considérer que les lettres sont numérotées de 1 à n selon la convention : vu le sens de sa tournée, la lettre numéro k est celle adressée à la k-ième maison qu il visite. Au fur et à mesure qu il distribue les lettres, le facteur note le numéro de la lettre distribuée : il constitue donc des listes ordonnées à n éléments. Proposer un triplet de probabilité tel que P soit la probabilité uniforme. Dans ce cas Ω est l ensemble des permutations de N n : on a alors Ω = n!. On munit Ω de la tribu constituée de l ensemble des parties de Ω. Puisque l on choisit pour P la probabilité uniforme, on a pour tout ω Ω, P({ω} = 1/n!. (ii Pour tout i N n, on note A i l événement : la i-ième lettre distribuée est la lettre i (donc elle est distribuée à la bonne personne. Pour tout i N n, calculer P(A i et, plus généralement, pour l N n indices distincts, calculer P(A i 1 A il. PourtoutévénementA,P(A = A / Ω. Soiti N n,dénombronsa i. L événement A i correspond au cas où une lettre est à la bonne maison, il faut placer les (n 1 restantes donc A i = (n 1!. Pour tout couple (i,j (N n 2 tel que i j, l événement A i A j correspond au cas où deux lettres sont bien distribuées, il faut donc placer les (n 2 autres : A i A j = (n 2!. Plus généralement, pour l N n indices distincts, puisque P est la probabilité uniforme, P(A i1 A il = (n l!/n!. 3
4 4 ( n P A k k=1 (iii Calculer la probabilité qu au moins une lettre arrive à son destinataire. L événement au moins une lettre est distribuée à la bonne personne s écrit n k=1 A k. Par application de la formule de Poincaré: = n (n 1! n! ( n (n 2! + 2 n! ( ( n (n 3! n 1 + +( 1 n+1 3 n! n n! puisque, pour tout indice l N n, le cardinal de l ensemble {(i 1,...,i l ;1 i 1 < i 2 < < i l n} est ( n l. Finalement, ( n P A k = n 3! + +( 1n+1 n! = ( 1 k+1. k! k=1 (iv En déduire la probabilité qu aucune n arrive à son destinataire. Que vaut cette quantité quand n +? La probabilité qu aucune n arrive à son destinataire est 1 P( n k=1 A k. La limite quand n + est alors n ( 1 k+1 1 lim = 1 ( 1 k +1 = 1+exp( 1 1 = exp( 1. n + k! k! k=1 k 0 Exercice 4 Soit Ω une ensemble. (1 Quelle est la tribu engendrée par l ensemble des singletons de Ω? Analyse : Notons A cette tribu. Puisqu elle est engendrée par l ensemble des singletons, elle contient tous les singletons et les unions finies ou dénombrables de singletons. A contient donc Ω,, et les sous-ensembles finis ou dénombrables de Ω. A étant stable par passage au complémentaire elle contient donc également tous les complémentaires des sous-ensembles finis ou dénombrables de Ω. En conclusion, k=1 {A Ω;A = Ω ou A ou A c est finie ou dénombrable} A. Synthèse : L ensemble {A Ω;A = Ω ou A ou A c est finie ou dénombrable} est une tribu. Or, il contient tous les singletons de Ω. On en déduit qu il contient la tribu engendrée par les singletons (puisque c est la plus petite tribu contenant les singletons. Ainsi, A {A Ω;A = Ω ou A ou A c est finie ou dénombrable}. On en déduit alors que A = {A Ω;A = Ω ou A ou A c est finie ou dénombrable}. (2 Soit A une partie de Ω, distincte de Ω et de. Décrire la tribu engendrée par {A}. Analyse : Notons A cette tribu. Puisqu elle est engendrée par A elle contient Ω,, A et A c. En conclusion, {Ω,,A,A c } A. Synthèse : L ensemble {Ω,,A,A c } est bien une tribu. Or, il contient A. On en déduit qu il contient la tribu générée par {A} (puisque c est la plus petite tribu
5 5 contenant A. Ainsi, A {Ω,,A,A c }. Finalement A = {Ω,,A,A c }. (3 Décrire la tribu engendrée par une partition dénombrable de Ω, {A i } i I. Analyse : Notons A cette tribu. Puisqu elle est engendrée par {A i } i I, elle contient les unions au plus dénombrables A i avec J I ({A i } i I étant une i J partition de Ω, Ω s écrit de cette façon ( et également lorsque l on prend J =. c Puisquepourtout ensemble J I on a A i = i J i J ca i, la stabilité par passage au complémentaire n ajoute pas d autres sous-ensembles de Ω. Ainsi, { i J A i ;J I} A. Synthèse : L ensemble { i J A i ;J I} est bien une tribu. Or, il contient {A i } i I. On en déduit qu il contient A, la tribu engendrée par {A i } i I (puisque c est la plus petite tribu contenant {A i } i I. Finalement, A { i J A i ;J I} et A = { i J A i ;J I}. Exercice 5 Soient r et b deux entiers naturels non nuls. On considère une urne contenant r boules rouges et b boules bleues. (1 On tire avec remise p N boules. Calculer la probabilité pour qu il y ait (0 p boules rouges. Dans ce cas, l espace d état est donné par Ω = {(x 1,...,x p ; i N p x i N r+b } (pour tout i N p, x i représente le numéro de la i-ème bouletirée. C est l ensemble des p-listes d un ensemble de cardinal r + b (en d autres termes, l ordre compte et il peut y avoir répétition. On a donc Ω = (r +b p. On munit Ω de la tribu constituée de l ensemble de ses parties et (Ω,P(Ω est muni de la probabilité uniforme. L événement A : boules rouges sont tirées correspond au tirage de boules rouges et p boules bleues. Son cardinal est donné par ( p A = r pr b p pr. Le terme ( p correspond au choix de l emplacement des pr boules rouges dans la liste de longueur p. Ensuite, pour chaque choix d emplacement r pr b p pr représente le nombre de listes de boules bleues de longueur p multiplié par le nombre de listes de boules rouges de longueur. P étant la probabilité uniforme, nous avons ( ( ( b p pr pr ( b p pr P(A = (r +b p =. r+b r+b (2 On tire simultanément p N (1 p r +b boules. Calculer la probabilité pour qu il y ait (0 p boules rouges.
6 6 Les boules étant tirées simultanément, l espace Ω est l ensemble des parties à p éléments de N r+b (l ordre ne compte pas et l ensemble contient les numéros des boules tirées. On a donc ( r +b Ω = = p (r +b! p!(r +b p!. On munit Ω de la tribu constituée de l ensemble de ses parties et (Ω,P(Ω est muni de la probabilité uniforme. L événement A : boules rouges sont tirées correspond au tirage de boules rouges et p boules bleues. Son cardinal est donné par ( ( r b A = p si r et p b, puisque l ordre d apparition ne compte pas et qu il n y a pas de répétition. P étant la probabilité uniforme, nous avons P(A = ( r p p ( r r+b p ( b. On peut remarquer (à faire en exercice par exemple que l on obtient le même résultat que si l on avait effectué un tirage sans remise (c est-à-dire en prenant en compte l ordre d apparition des boules. Exercice 6 On range b boules dans n urnes. Combien y a-t-il de rangements possibles si (1 (a les boules et les urnes sont discernables, chaque urne pouvant recevoir au plus une boule (b n? On numérote les urnes et les boules. On a n choix pour la première boule, n 1 pour la deuxième... Donc on a n! (n b! rangements possibles. C est ce que l on appelle un arrangement de b objets parmi n (l ordre compte et il n y a pas répétition. (b les boules et les urnes sont discernables, chaque urne pouvant recevoir plus d une boule? On numérote les urnes et les boules. On a n choix pour la première boule, n pour la deuxième... Donc on a n b rangements possibles. Il s agit d une b-liste dans un ensemble de cardinal n (l ordre compte et il peut y avoir répétition. (c les boules sont indiscernables, les urnes sont discernables, chaque urne pouvant recevoir au plus une boule (b n? On reprend la question (a mais l ordre ne compte plus puisque les boules sont indiscernables: il suffit de diviser par b! (nombre de permutations possibles d un ensemble à b éléments. Le nombre de n! rangements est alors b!(n b!. Il s agit d une combinaison de b éléments dans un ensemble de cardinal n. (d les boules sont indiscernables, les urnes sont discernables, chaque urne pouvant recevoir plus d une boule? Cette question est plus difficile. Avec n 1 et b 0, notons Γ b n le nombre de rangements possibles. Il s agit également du nombre de
7 7 solutions dans N n à l équation : n x i = b. En effet, chaque x i, 1 i n représente le nombre de fois où l urne numéro i a été choisie. Nous pouvons remarquer que pour tout n 1, Γ 0 n = 1 (l unique solution est obtenue en prenant x i = 0 pour tout 1 i n et pour tout b 0, Γ b 1 = 1 (l unique solution est x 1 = b. La démonstration se fait par récurrence sur l entier n N. Soient n N et b N, Γ b n+1 est le nombre de solutions dans Nn+1 à l équation : n+1 x i = b. Or pour tout 0 k b, si x n+1 = k, le nombre de solutions est égal au nombre de solutions dans N n à l équation : n x i = b k, il s agit de Γ b k n. Ainsi, nous avons b Γ b n+1 = Γ i n. i=0 Posons alors, pour tout n N, P(n: Pour tout b N, Γ b n = ( n+b 1 b. Initialisation Nous avons montré que pour tout b N, Γ b 1 = 1, or ( 1+b 1 b donc bien vraie pour n = 1. Hérédité = 1. La propriété est
8 8 Soit n N tel que P(n soit vraie. Alors, pour tout b N, Γ b n = ( n+b 1 b et pour tout b 1 Γ b n+1 = = b i=0 Γ i n b ( n+i 1 i=0 = 1+ i b ( n+i 1 i b [( ( ] n+i n+i 1 = 1+ i i 1 ( n+b = 1+ 1 b ( n+b =. b La formule est immédiatement vérifiée pour b = 0. En conclusion la formule est bien vraie pour tout entier naturel non nul n. (2 On dispose dte 7 boules (discernables à répartir dans deux urnes. Quelle est la probabilité qu il y ait 4 boules dans l une de ces urnes et 3 boules dans l autre. On considère le cas où les urnes sont discernables. Dans ce cas, Ω = {(x 1,...,x 7 ; i N 7 x i N 2 } (pour tout i N 7, x i représente l urne dans laquelle la i-ème boule se trouve. On a donc Ω = 2 7. On munit Ω de la tribu constituée de l ensemble de ses parties et (Ω,P(Ω est muni de la probabilité uniforme. On appelle A l événement 4 boules dans l urne 1 et 3 boules dans l urne 2 et B l événement 3 boules dans l urne 1 et 4 boules dans l urne 2. Les événements A et B sont disjoints donc Or, dans ce cas, P(A B = P(A+P(B. A = B = 7! 3!4! = ( 7, 3 puisqu il s agit (pour A par exemple de choisir les 3 emplacements qui ont la valeur 2 (les 3 boules qui sont dans l urne 2. P étant la probabilité uniforme: P(A B = 1 7! 27( 4!3! 2. Exercice 7 Le principe de réflexion. On joue à pile ou face; on note X i = 1 si on obtient pile au ième lancer, et X i = 1 si on obtient face. On pose S n = X X n, et S 0 = 0. Pour la résolution de cet exercice, il est fortement conseillé de faire des dessins. Pour une suite (X i 1 i n donnée, on peut représenter l évolution de la suite S en traçant les segments d extrémités (i,s i 1 i n. En voici un exemple
9 Figure 1. Représentation de la suite S. Chaque montée correspond à une valeur positive de X i et chaque descente à une valeur négative. (1 Quel est le nombre de chemins N n,x tels que S n = x? Si x et n n ont pas la même parité, il n y a pas desolution. En effet, puisques 0 = 0 et qu à chaque pas, la parité de la somme change (on ajoute 1 ou on retranche 1, S i a la parité de i pour tout 1 i n. Ainsi S n a la parité de n et si x et n n ont pas la même parité alors nécessairement S n x. On a nécessairement x n. En effet pour avoir S n = x (avec x > 0, il faut au moins x indices i tels que 1 i n et X i = 1. Si x était strictement plus grand que n, il faudrait en n pas faire strictement plus de n fois 1! Si x et n ont la même parité et si x n, déterminons N n,x. On note et m = {i N n ;X i = 1} d = {i N n ;X i = 1} Autrement dit, sur un chemin de longueur n, m est le nombre de montées et d le nombre de descentes. Pour avoir S n = x il faut nécessairement d+m = n m d = x puisque d+m représente le nombre de pas et m d vaut S n. On obtient alors m = n+x 2.
10 10 Dans ce cas, le nombre de chemins tels que S n = x est égal au nombre de choix des instants auxquels ont lieu les m = (n+x/2 montées parmi les n instants. Soit ( n N n,x = n+x. 2 (2 Pour x > 0, montrer que le nombre de chemins tels que S 1 = 1, S n = x et k {2,...,n} tel que S k = 0 est égal au nombre de chemins tels que S 1 = 1,S n = x (principe de réflexion. On note C l ensemble des chemins {(i,s i ;0 i n} tels que S 1 = 1 et tels qu il existe 2 k n vérifiant S k = 0. On définit alors la transformation T définie sur l ensemble C telle que pour tout C C, en notant k 0 le premier indice supérieur à 1 vérifiant S k = 0, T(C = C = {(i,s i ;0 i n} avec, pour tout 0 i n, Si 0 i k 0 S i = S i. Si k 0 +1 i n S i = S i. La transformation T est donc à valeurs dans l ensemble C des chemins tels que S 1 = 1 et S n = x. Cette transformation est injective. En effet, si C 1 et C 2 sont deux chemins de C ayant la même image C par T alors ils sont égaux. Pour tous les indices supérieurs au premierinstantoùlecheminc coupel axedesabscisseslescheminscoïncident puisqu ils coïncident avec C. Pour les instants qui précèdent le premier instant où le chemin C coupe l axe des abscisses les chemins coïncident puisqu ils coïncident avec le symétrique de C par rapport à l axe des abscisses. Puisque la transformation est injective on a C C. On construit de façon similaire une transformation injective de C dans C. Le résultat est bien démontré.
Distribution 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 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 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 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 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. 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 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 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 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 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 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 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. 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 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 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailProbabilités (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 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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en 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 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 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 détailPremiers exercices d Algèbre. Anne-Marie Simon
Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,
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 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 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 détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
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 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 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 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 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 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 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 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 détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en 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 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 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 détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
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 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 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 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 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 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 détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailMathématiques financières
Mathématiques financières Table des matières 1 Intérêt simple 1 1.1 Exercices........................................ 1 2 Intérêt composé 2 2.1 Taux nominal, taux périodique, taux réel.......................
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
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 détail1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
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 détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
Plus en détail108y= 1 où x et y sont des entiers
Polynésie Juin 202 Série S Exercice Partie A On considère l équation ( ) relatifs E :x y= où x et y sont des entiers Vérifier que le couple ( ;3 ) est solution de cette équation 2 Déterminer l ensemble
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 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 détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en 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 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 détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailStatistiques II. Alexandre Caboussat alexandre.caboussat@hesge.ch. Classe : Mardi 11h15-13h00 Salle : C110. http://campus.hesge.
Statistiques II Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mardi 11h15-13h00 Salle : C110 http://campus.hesge.ch/caboussata 1 mars 2011 A. Caboussat, HEG STAT II, 2011 1 / 23 Exercice 1.1
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en 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 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 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 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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en 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 détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
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 détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
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 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 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 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 détailBaccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en 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 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 détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
Plus en détail