n-uplets de variables aléatoires réelles
|
|
- Anne-Marie Hébert
- il y a 7 ans
- Total affichages :
Transcription
1 n-uplets de variables aléatoires réelles Table des matières 1 Définition d un n-uplet de variables aléatoires réelles. 2 2 Loi d un vecteur aléatoire à valeurs dans n. 2 3 Loi marginale. 2 4 Caractérisation de la loi d un vecteur aléatoire discret à valeurs dans n. 2 5 Espérance d une somme de variables aléatoires. 2 6 Croissance de l espérance. 3 7 Existence d une espérance par domination. 3 8 Indépendance mutuelle de n variables aléatoires réelles Caractérisation de l indépendance mutuelle de n variables aléatoires réelles Caractérisation de l indépendance mutuelle de n variables aléatoires réelles discrètes Lemme des coalitions Espérance du produit de variables aléatoires indépendantes Variance d une somme de variables aléatoires indépendantes Somme de variables aléatoires de Bernoulli indépendantes de même paramètre Sommes de variables aléatoires indépendantes suivant des lois de Poisson, des lois binomiales Loi de la somme de n variables aléatoires indépendantes de loi γ Loi de la somme de n variables aléatoires indépendantes suivant une loi normale Indépendance mutuelle d une suite infinie de variables aléatoires réelles Complément : Variance de la somme de n variables aléatoires discrètes. 6 1
2 1 Définition d un n-uplet de variables aléatoires réelles. Definition 1 Soient X 1,, X n n variables aléatoires réelles définies sur le même espace probabilisable (Ω, ). Le vecteur aléatoire discret X = (X 1,, X n ) est l application : Ω n ω X (ω) = (X 1 (ω),, X n (ω)) 2 Loi d un vecteur aléatoire à valeurs dans n. Definition 2 La loi d un vecteur (X 1,..., X n ) de variables aléatoires réelles est donné par la fonction F (X1,...,X n ) définie sur n par : n F (X1,...,X n )(x 1,..., x n ) = P X i x i. Théorème 3 Si deux vecteurs (X 1, X 2,..., X n ) et (Y 1, Y 2,..., Y n ) ont même loi et si g est une fonction continue sur n à valeurs dans, alors les variables aléatoires réelles g(x 1, X 2,..., X n ) et g(y 1, Y 2,..., Y n ) ont même loi. 3 Loi marginale. Definition 4 Soit X = (X 1,, X n ) un vecteur aléatoire définie sur (Ω, A, P) Pour tout k [1, n ], la loi de X k ( qui peut être obtenue à partir de la loi conjointe de (X 1,, X n )) est la loi marginale de X k. 4 Caractérisation de la loi d un vecteur aléatoire discret à valeurs dans n. Definition 5 On appelle loi de probabilité (ou loi conjointe) d un vecteur aléatoire discret X = (X 1,, X n ), l application X 1 (Ω) X n (Ω) [0, 1] n (x 1,, x n ) P [X 1 = x 1 ] [X n = x n ] = P [X i = x i ] = P X 1 = x 1 ; ; X n = x n Remarque 1 X (Ω) = {X (ω)/ω Ω} X 1 (Ω) X n (Ω). Lorsque (x 1,, x n ) X 1 (Ω) X n (Ω) \ X (Ω), P X 1 = x 1 ] [X n = x n = 0. Propriété (x 1,,x n ) X (Ω) P X 1 = x 1 ; ; X n = x n = 1. Remarque : Obtention des lois marginales x k X k (Ω), P [X k = x k ] = x 1 X 1 (Ω) x k 1 X k 1 (Ω) x k+1 X k+1 (Ω) x n X n (Ω) 5 Espérance d une somme de variables aléatoires. P X 1 = x 1 ; ; X n = x n. Théorème 6 Si X et Y admettent une espérance, X + Y admet une espérance et E(X + Y ) = E(X ) + E(Y ). Théorème 7 Généralisation à n variables aléatoires Soit X 1,..., X n n variables aléatoires définies sur l espace (Ω, A, P). On suppose que, pour tout k [1, n ], X k admet une espérance. Alors la variable aléatoire X k admet une espérance et E X k = 2 E(X k ).
3 Exercice 1 : Utilisation de la linéarité de l espérance n souris (minimum 3) sont lâchées en direction de 3 cages, chaque cage pouvant contenir les n souris et chaque souris allant dans une cage au hasard. 1. Calculer la probabilité pour qu une cage au moins reste vide. 2. Soit X le variable aléatoire égale au nombre de cages restées vides. Calculer l espérance de X. 6 Croissance de l espérance. Théorème 8 Si X Y presque sûrement et si X et Y admettent une espérance, alors E(X ) E(Y ). 7 Existence d une espérance par domination. Théorème 9 Si X et Y sont deux variables aléatoires vérifiant 0 X Y presque sûrement, et si Y admet une espérance, alors X admet également une espérance. Dans ce cas, E(X ) E(Y ). Exercice 2 Pour x réel positif, on note [x] la partie entière de x, c est-à-dire l unique entier n tel que n x < n Soit X une variable aléatoire réelle de densité f, à valeurs positives définie sur un espace probabilisé (Ω,, P). On suppose que f est continue sur +. On pose Y = [X ]. Quelle est la loi de Y? 2. Trouver une majoration simple de la variable aléatoire X Y. En déduire que la variable aléatoire X Y admet une espérance. 3. Montrer que E(Y ) existe si et seulement si E(X ) existe. Montrer qu on a alors E(Y ) E(X ) E(Y ) Indépendance mutuelle de n variables aléatoires réelles.. Definition 10 X 1,..., X n sont mutuellement indépendantes si et seulement si : F (X1,...,X n )(x 1,..., x n ) = F X k (x k ) pour tous réels x 1,..., x n. 9 Caractérisation de l indépendance mutuelle de n variables aléatoires réelles.. Théorème 11 X 1,..., X n sont mutuellement indépendantes si et seulement si : n P X i I i = P([X i I i ]) pour tous intervalles I 1,..., I n de. X 1,..., X n sont mutuellement indépendantes si et seulement si toute famille d événements (A 1,..., A n ), avec A k élément de X k, est une famille d événements mutuellement indépendants. Exercice 3 Soit (X 1,..., X n ) n variables aléatoires indépendantes. On suppose que Déterminer la loi de min(x 1,..., X n ). k [1, n ], X k (α k ). 10 Caractérisation de l indépendance mutuelle de n variables aléatoires réelles discrètes. Théorème 12 Les n variables aléatoires réelles discrètes X 1,, X n sont mutuellement indépendantes si et seulement si pour tout (x 1,..., x n ) X 1 (Ω)... X n (Ω) : n P [X i = x i ] = P([X i = x i ]). 3
4 11 Lemme des coalitions. Théorème 13 Si X 1, X 2,..., X n, sont indépendantes, toute variable aléatoire fonction de X 1, X 2,..., X p est indépendante de toute variable aléatoire fonction de X p+1, X p+2,..., X n. Remarque Si les n variables aléatoires réelles X 1,, X n sont mutuellement indépendantes, alors X X n 1 et X n sont indépendantes X 1 X n 1 et X n sont indépendantes. X 1,, X n sont 2 à 2 indépendantes. Exercice 4 On lance 2 dés équilibrés : un rouge et un bleu. X est la variable aléatoire réelle qui vaut 1 si le dé rouge amène un numéro pair et 0 sinon. Y est la variable aléatoire réelle qui vaut 1 si le dé bleu amène un numéro pair et 0 sinon. Z est la variable aléatoire réelle qui vaut 1 si la somme des numéros obtenus est paire et 0 sinon. 1. Montrer que les variables aléatoires X, Y, Z sont 2 à 2 indépendantes. 2. Montrer que les variables aléatoires X, Y, Z ne sont pas mutuellement indépendantes. 12 Espérance du produit de variables aléatoires indépendantes. Théorème 14 Si X et Y admettent une espérance et sont indépendantes, X Y admet une espérance et E(X Y ) = E(X )E(Y ) Théorème 15 Généralisation à n variables aléatoires mutuellement indépendantes Soit X 1,..., X n n variables aléatoires définies sur l espace (Ω, A, P) et mutuellement indépendantes. On suppose que, pour tout k [1, n ], X k admet une espérance. Alors la variable aléatoire X k admet une espérance et E X k = E(X k ). Exercice 5 Soit X 1,..., X n n variables aléatoires mutuellement indépendantes à valeurs dans. Pour tout k [1, n ], on note G X k la fonction génératrice de X k. On note G X1 + +X n la fonction génératrice de X k. Montrer que : t [0, 1], G X1 + +X n (t) = G X k (t). 13 Variance d une somme de variables aléatoires indépendantes.. Théorème 16 Si X et Y sont indépendantes et admettent une variance, X +Y admet une variance et V (X + Y ) = V (X ) + V (Y ). Théorème 17 Généralisation à n variables aléatoires mutuellement indépendantes. Soit X 1,..., X n n variables aléatoires définies sur l espace (Ω, A, P). On suppose que les variables aléatoires X 1,, X n sont mutuellement indépendantes et que pour tout k [1, n ], X k admet une variance. Alors la variable aléatoire admet une variance et V X k = V (X k ). 14 Somme de variables aléatoires de Bernoulli indépendantes de même paramètre. Théorème 18 La somme de n variables aléatoires de Bernoulli indépendantes et de même espérance p suit la loi binomiale (n, p). X k 4
5 15 Sommes de variables aléatoires indépendantes suivant des lois de Poisson, des lois binomiales. Théorème 19 Soit X 1,..., X k k variables aléatoires réelles définies sur l espace (Ω, A, P). On suppose que les variables aléatoires X 1,, X k sont mutuellement indépendantes et que pour tout i [1, k ], X i suit la loi de Poisson (λ i ). Alors k k la variable aléatoire X i suit la loi de Poisson λ i. Théorème 20 Soit X 1,..., X k k variables aléatoires réelles définies sur l espace (Ω, A, P). On suppose que les variables aléatoires X 1,, X k sont mutuellement indépendantes et que pour tout i [1, k ], X i suit la loi binomiale (n i, p). k k Alors la variable aléatoire X i suit la loi binomiale n i, p. 16 Loi de la somme de n variables aléatoires indépendantes de loi γ. Théorème 21 Soit n un entier supérieur ou égal à 2, α 1,..., α n des réels strictement positifs et (X 1,..., X n ) une famille de variables aléatoires mutuellement indépendantes telle que X i γ(α i ). Alors : En particulier, X X n γ(α α n ) Si pour tout i [1, n ], X i (1) = γ(1), alors : X X n γ(n) Exercice 6 Soit (X 1,..., X n ) une famille de n (n 3) variables aléatoires mutuellement indépendantes telle que pour tout i [1, n ], X i (1). On pose S n = X X n. Montrer que 1 S n admet une espérance et une variance que l on calculera. Étude de la loi de la somme de n variables aléatoires indépendantes de loi (λ) Pour étudier la somme de n variables aléatoires indépendantes de loi (λ), on se ramènera après multiplication par λ à une somme de n variables aléatoires indépendantes de loi (1). Résultat à savoir redémontrer Si pour tout i [1, n ], X i (λ) (où λ > 0) alors : S n = X X n admet pour densité f n définie par : 0 si t 0 t f n (t) = (λt)n 1 λt λe (n 1)! si t > 0 Exercice 7 (oral hec) On considère une suite de variables aléatoires réelles mutuellement indépendantes N, X 1,..., X n,... définies sur le même espace de probabilité (Ω,, ). Soit p ]0, 1[, q = 1 p et λ un réel strictement positif. On suppose que N suit la loi géométrique de paramètre p et que les variables X i, i, suivent la loi exponentielle de paramètre λ. N On note S la variable aléatoire X i. 1. Déterminer la loi conditionnelle de S sachant que [N = n]. 2. En déduire la fonction de répartition puis la loi de S.(on admettra que l on peut intervertir la somme et l intégrale mises en jeu) Vérifier que : (S) = (X 1 )(N). 5
6 17 Loi de la somme de n variables aléatoires indépendantes suivant une loi normale. Théorème 22 Soit n un entier supérieur ou égal à 2, (m 1,..., m n ) une famille de réels, (σ 1,..., σ n ) une famille de réels strictement positifs et (X 1,..., X n ) une famille de variables aléatoires mutuellement indépendantes telles que X i (m i, σ 2 i ) pour tout i [1, n ]. Alors : X X n (m m n, σ σ2 n ) 18 Indépendance mutuelle d une suite infinie de variables aléatoires réelles. Definition 23 Soit (X n ) n une suite de variables aléatoires réelles définies sur (Ω,, P). On dit que (X n ) n est une suite de variables aléatoires réelles mutuellement indépendantes lorsque pour tout n, X 1,..., X n sont mutuellement indépendantes. Exercice 8 : Utilisation de la linéarité de l espérance Soit (X n ) n une suite de variables aléatoires mutuellement indépendantes suivant toutes la même loi géométrique de paramètre a > 0. Pour tout n de, on pose S n = X 1 + X X n. 1. Montrer que la variable aléatoire 1 S n a une espérance, qu on note m. (on ne cherchera pas à calculer m) 2. Soit k un entier de. Calculer l espérance Sk S n en fonction de n, a, k et m. Exercice 9 : Somme de variables aléatoires indépendantes suivant une loi géométrique Soit N, X 1,, X n, une suite de variables aléatoires à valeurs dans,mutuellement indépendantes, définies sur le même espace probabilisé. On suppose que pour tout n de, X n suit une loi géométrique de paramètre p et que N suit une loi géométrique de paramètre p. 1. Déterminer pour n la loi de X k. 2. Soit T la variable aléatoire réelle définie par : N(ω) ω Ω, T(ω) = X k (ω). (a) En utilisant la formule de l espérance totale, déterminer (T). (b) Déterminer la loi de T. 19 Complément : Variance de la somme de n variables aléatoires discrètes. Théorème 24 Soit X 1,..., X n n variables aléatoires discrètes définies sur l espace (Ω, A, P). On suppose que, pour tout k [1, n ], X k admet un moment d ordre 2. Alors la variable aléatoire discrète X k admet une variance et Remarque La somme 1i< jn V X k = V (X k ) + 2 Cov(X i, X j ) comporte exactement n 2 termes. 1i< jn Cov(X i, X j ). 6
Exercice 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 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 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 détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
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 détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
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 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 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 détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
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 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 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en 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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en 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 détail1 TD1 : rappels sur les ensembles et notion de probabilité
1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (
Plus en 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 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 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 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 détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailProbabilités 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 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 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 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 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 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 détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ARTHUR CHARPENTIER 1 Supposons que le nombre X de coups de téléphone durant une heure suive une loi de Poisson avec moyenne λ. Sachant que P (X = 1 X 1) = 0.8, trouver
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 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 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 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 détailProbabilités avancées. Florin Avram
Probabilités avancées Florin Avram 24 janvier 2014 Table des matières 1 Mise en scène discrète 3 1.1 Espace des épreuves/résultats possibles, événements, espace probabilisé, mesure de probabilités, variables
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en 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 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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
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 détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
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 détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
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 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 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 détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
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 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 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 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 détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
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 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 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 détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en 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 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 détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
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 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 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 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 détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
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 détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en 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 détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en 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 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 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 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 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 détailMARTINGALES POUR LA FINANCE
MARTINGALES POUR LA FINANCE une introduction aux mathématiques financières Christophe Giraud Cours et Exercices corrigés. Table des matières I Le Cours 7 0 Introduction 8 0.1 Les produits dérivés...............................
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 détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
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 détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
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 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 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 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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en 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 détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en 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 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 détail