TD4 : Variables aléatoires discrètes finies

Dimension: px
Commencer à balayer dès la page:

Download "TD4 : Variables aléatoires discrètes finies"

Transcription

1 MA0 Probabilités Variables aléatoires discrètes finies Exercice On considère le jeu suivant le joueur paie euros pour jouer. Ensuite, il lance trois dés équilibrés. Pour chaque Pile qu il obtient, il gagne euros On désigne par X le nombre de Pile obtenus et par Y le gain (algébrique) du joueur.. Exprimer Y en fonction de X.. Donner la loi de X puis calculer E(X) et V (X).. Déterminer E(Y ) et V (Y ). Le joueur est-il gagnant en moyenne?. Expliciter la loi de Y. Exercice On tire, au hasard et sans remise, cartes d un jeu de cartes. Soit X le nombre de rois obtenus. Déterminer la loi de X et son espérance.. Un jeu consiste à miser euros et à recevoir a > 0 euros par roi obtenu. Soit G X la variable aléatoire égale au gain en euro. (a) Exprimer G X en fonction de X et de a et calculer l espérance de G X. (b) Pour quelles valeurs de a le jeu est-il favorable au joueur? (c) Donner la loi de G X. Exercice On dispose de deux dés un dé cubique D comporte face marquée 0, faces marquées, faces marquées. un dé D comportant faces marquées 0, faces marquées, face marquée.. On lance le dé D et on note X le nombre obtenu. Déterminer la loi de X son espérance, sa variance.. Mêmes questions pour X le nombre obtenu en lançant le dé D.. On lance D et D simultanément, (a) Calculer l espérance de Z = X + X et de T = X X (b) Déterminer la loi de Z, de T et de R = X X. Exercice Deux urnes U et U contiennent des boules blanches et noires en nombres respectifs b, n, b, n non nuls. On effectue un premier tirage dans une urne choisie au hasard et on remet la boule obtenue dans son urne d origine. Si l on obtient une boule blanche (resp. noire), le ème tirage se fait dans U (resp. U ). Au ième tirage, si la boule obtenue est blanche (resp. noire), le (i + )ème tirage se fait dans U (resp. U ). On considère la variable aléatoire X i définie par X i = si l on obtient une boule blanche au ième tirage et X i = 0 sinon.. Donner la loi de X puis de X.. Montrer que la suite (P (X i = 0)) i N est une suite arithmético-géométrique.. On suppose ici que b = 0, b =, n =, n = 7. (a) Donner l expression de P (X i = 0) en fonction de i puis celle de P (X i = ). (b) Calculer lim P (X i = 0) et lim P (X i = ). Interprétation du résultat. i + i + Exercice On dispose de deux urnes U et U, de six boules numérotées de à 6 ainsi que d un dé équilibré. Initialement, l urne U contient les boules numérotées et, l urne U contient les boules numérotées,, et 6. On appelle échange l expérience consistant à lancer une fois le dé et à changer d urne la boule portant le numéro obtenu avec le dé. Pour n N, on note X n la variable aléatoire égale au nombre de boules contenues dans U après n échanges successifs.. Les cinq premiers lancers du dé donnent,,,,. Quel est le contenu de U à l issue du cinquième échange?. Quelle est la loi de X? Calculer son espérance mathématique E(X ).. Déterminer la loi de X.. En général, quelles sont les valeurs possibles de X n?. Montrer que pour tout entier n de N, on a P (X n+ = 0) = 6 P (X n = ), P (X n+ = 6) = 6 P (X n = ) {,.., }, P (X n+ = ) = 7 6 P (X n = ) + + P (X n = + ) En déduire que, pour tout entier n de N E(X n+ ) = E(X n) +. Calculer alors E(X n ) en fonction de n, puis lim E(X n). n + L Mathématiques et Informatique FST - Université Paul Cézanne

2 MA0 Probabilités PHEC Correction feuille d exercices correction de l exercice. Le nombre de "Pile" s appelle X, pour chaque "Pile", le joueur gagne euros donc l obtention de X "Pile" fait gagner X euros au joueur et étant donné qu il paie euros (donc il les perd dé nitivement), le gain du joueur est Y = X. Il est évident que X() = [[0; ]] et 8 [[0; ]]; P (X = ) = = = = 8 ce que l on peut aussi écrire P (X = 0) = 8 ; P (X = ) = 8 ; P (X = ) = 8 ; P (X = ) = 8 Justi cation du calcul de probabilité L évènement X = signi e que le joueur a obtenu "Pile". On choisit dés parmi les ( choix possibles), la probabilité que ces dés donnent "Pile" est égale à et la probabilité que les autres donnent Face est X E(X) = P (X = ) = = X E(X ) = P (X = ) = = V (X) = E(X ) (E(X)) =. Puisque Y est une fonction a ne de X (i.e. Y est de la forme Y = ax + b); on a immédiatement E(Y ) = E(X ) = E(X) = 0 et V (Y ) = V (X ) = V (X) = En moyenne, le joueur n est ni perdant, ni gagnant.. Le tableau X 0 Y = X P (Y = ) = P (X = ) = P (X = 0) = montre que Y () = f ; ; ; gensuite, on a 0 8 = 8 P (Y = ) = P (X = ) = P (X = ) = 8 = 8 P (Y = ) = P (X = ) = P (X = ) = 8 P (Y = ) = P (X = ) = P (X = ) = 8 correction de l exercice. Bien entendu, puisque les pioches sont sans remise, on peut piocher rois donc X() = [[0; ]] et 8 [[0; ]]; P (X = ) = ou sous une forme plus explicite P (X = 0) = = 7 96 ; P (X = ) = 8 P (X = ) = = 7 P (X = ) = = 9 79 ; P (X = ) = = 79 8 = 96 Justi cation du calcul de probabilité L évènement X = signi e que l on a pioché rois. Pour les cas favorables, on choisit cartes parmi les rois disponibles ( choix) et les autres cartes parmi les = 8 8 cartes qui ne sont pas des rois ( choix) et pour les cas possibles, on choisit cartes parmi les disponibles. Un calcul direct fournit l espérance de X E(X) = X P (X = ) = = 8. (a) Le nombre de rois obtenus est égal à X Etant donné que chaque roi apporte a euros, les X rois apportent ax rois et le joueur doit payer euros (donc il les perd dé nitivement) donc le gain G X du joueur est égal à G X = ax La variable G X étant une expression a ne en X (i.e. de la forme ax + b), le cours nous donne directement E(G X ) = E(aX ) = ae(x) = a 8 /8 abdellah bechata L Mathématiques et Informatique FST - Université Paul Cézanne

3 MA0 Probabilités PHEC Correction feuille d exercices (b) Le jeu est favorable au joueur en moyenne si E(G X ) > 0, a 8 > 0, a 8 >, a > 6 = ; Par conséquent, le jeu est favorable au joueur en moyenne si et seulement chaque roi rapporte au moins, euros. (c) Le tableau ci-contre Ensuite, puisque a est non nul, on a ou encore, sous une forme plus explicite, X 0 G X a a a a montre que G X () = f ; a ; a ; a ; a g = fa ; [[0; ]] P (G X = a ) = P (ax = a ) = P (X = ) = 8 P (G X = ) = P (ax = ) = P (X = 0) = 7 96 P (G X = a ) = P (ax = a ) = P (X = ) = 9 79 P (G X = a ) = P (ax = a ) = P (X = ) = 96 P (G X = a ) = P (ax = a ) = P (X = ) = 7 96 P (G X = a ) = P (ax = a ) = P (X = ) = 79 correction de l exercice. Il est évident que X () = f0; ; g et P (X = 0) = 6 ; P (X = ) = 6 ; P (X = ) = 6 Je laisse le lecteur véri er que E(X ) = ; E(X ) = 7 et V (X ) = 9. De même, on a X () = f0; ; g et P (X = 0) = 6 ; P (X = ) = 6 ; P (X = ) = 6 Je laisse le lecteur véri er que E(X ) = ; E(X ) = et V (X ) = 9. (a) Par linéarité de l espérance, on a E(Z) = E(X + X ) = E(X ) + E(X ) = + = E(T ) = E(X X ) = E(X ) E(X ) = = (b) Les tableaux suivants nous donnent l univers de chaque variable Z = X + X X = 0 X = X = T = X X X = 0 X = X = X = 0 0 X = 0 0 X = X = 0 X = X = 0 R = X X X = 0 X = X = X = X = 0 donc Z() = [[0; ]]; T () = [[ ; ]]; R() = f0; ; ; g X = 0 Etant donné que les résultats des dés soient indépendants, les variables X et X sont indépendantes et les calculs suivants donnent la loi de chacune des variables. Loi de Z P (Z = 0) = P (X = 0 \ X = 0) = P (X = 0)P (X = 0) = P (Z = ) = P (X = 0 \ X = ) + P (X = \ X = 0) = P (X = 0)P (X = ) + P (X = )P (X = 0) = 8 L Mathématiques et Informatique FST - Université Paul Cézanne /8 abdellah bechata

4 MA0 Probabilités PHEC Correction feuille d exercices Loi de T P (Z = ) = P (X = \ X = 0) + P (X = \ X = ) + P (X = 0 \ X = ) = P (X = )P (X = 0) + P (X = )P (X = ) + P (X = 0)P (X = ) = P (Z = ) = P (X = \ X = ) + P (X = \ X = ) = P (X = )P (X = ) + P (X = )P (X = ) = 8 P (Z = ) = P (X = \ X = ) = P (X = )P (X = ) = P (T = ) = P (X = 0 \ X = ) = P (X = 0)P (X = ) = P (T = ) = P (X = 0 \ X = ) + P (X = \ X = ) = P (X = 0)P (X = ) + P (X = )P (X = ) = P (T = 0) = P (X = 0 \ X = 0) + P (X = \ X = ) + P (X = \ X = ) = P (X = 0)P (X = 0) + P (X = )P (X = ) + P (X = )P (X = ) = 0 P (T = ) = P (X = \ X = 0) + P (X = \ X = ) = P (X = )P (X = 0) + P (X = )P (X = ) = P (T = ) = P (X = \ X = 0) = P (X = )P (X = 0) = 9 Loi de R P (R = 0) = P (X = 0 \ X = 0) + P (X = 0 \ X = ) + P (X = 0 \ X = ) + P (X = \ X = 0) +P (X = \ X = 0) = P (X = 0)P (X = 0) + P (X = 0)P (X = ) + P (X = 0)P (X = ) + P (X = ) P (X = 0) +P (X = ) P (X = 0) = P (R = ) = P (X = \ X = ) = P (X = )P (X = ) = P (R = ) = P (X = \ X = ) + P (X = \ X = ) = P (X = )P (X = ) + P (X = )P (X = ) = 8 P (R = ) = P (X = \ X = ) = P (X = )P (X = ) = En résumé, on a P (Z = 0) = P (T = ) = P (R = 0) = P (Z = ) = 8 P (T = ) = P (R = ) = P (Z = ) = P (T = 0) = 0 P (R = ) = 8 P (Z = ) = 8 P (T = ) = P (R = ) = P (Z = ) = P (T = ) = 9 correction de l exercice. Loi de X X () = f0; g L obtention de la première boule dépend de l urne choisie (et au premier tirage, elle est aléatoire) donc, en utilisant le système complet d évènements (U ; U ); on a P (X = 0) = P (U \ (X = 0)) + P (U \ (X = 0)) = P (U )P U (X = 0) + P (U )P U (X = 0) = n + b + n n = b n + b n + n n b + n (b + n )(b + n ) P (X = ) = P (U \ (X = )) + P (U \ (X = )) = P (U )P U (X = ) + P (U )P U (X = ) = b + b + n b = b b + b n + b n b + n (b + n )(b + n ) Justi cation des calculs de probabilités Puisque l on choisit au hasard (donc avec équiprobabilité) l une des deux urnes, il est évident que P (U ) = P (U ) = P U (X = 0) On pioche dans l urne U et l on souhaite ne pas obtenir une boule blanche, c est-à-dire que l on pioche une boule noire. L urne U contenant n boules noires et b + n boules au total donc la probabilité de piocher une n boule noire est égale à b + n P U (X = 0) On pioche dans l urne U et l on souhaite ne pas obtenir une boule blanche, c est-à-dire que l on pioche L Mathématiques et Informatique FST - Université Paul Cézanne /8 abdellah bechata

5 MA0 Probabilités PHEC Correction feuille d exercices une boule noire. L urne U contenant n boules noires et b + n boules au total donc la probabilité de piocher une n boule noire est égale à b + n P U (X = ) On pioche dans l urne U et l on souhaite obtenir une boule blanche. L urne U contenant b boules b blanches et b + n boules au total donc la probabilité de piocher une boule blanche est égale à b + n P U (X = ) On pioche dans l urne U et l on souhaite obtenir une boule blanche. L urne U contenant b boules b blanches et b + n boules au total donc la probabilité de piocher une boule blanche est égale à b + n Loi de X Par construction, on a X () = f0; g La variable X représente le fait que l on a pioché une boule blanche ou non au second tirage. Or le choix de l urne dans laquelle on pioche dépend de l obtention ou non d une boule blanche au premier tirage, c est-à-dire des évènements (X = 0) et (X = ) On introduit naturellement le système complet d évènements (X = 0); (X = ) pour calculer P (X = 0) et P (X = ) P (X = 0) = P (X = 0 \ X = 0) + P (X = \ X = 0) = P (X = 0)P (X)(X = 0) + P (X = )P (X=)(X = 0) = n (b + n ) + n (b + n ) n + b (b + n ) + b (b + n ) (b + n )(b + n ) b + n (b + n )(b + n ) P (X = ) = P (X = 0 \ X = ) + P (X = \ X = ) = P (X = 0)P (X)(X = ) + P (X = )P (X=)(X = ) = n (b + n ) + n (b + n ) (b + n )(b + n ) n b + n b + b (b + n ) + b (b + n ) b b + n (b + n )(b + n ) b + n On ne peut guère plus simpli er les calculs. Justi cation des calculs de probabilités conditionnelles P (X)(X = 0) L évènement (X = 0) est réalisé, c est-à-dire que l on a pioché une boule noire au premier tirage donc le second tirage s e ectue dans l urne U On souhaite la réalisation de l évènement (X = 0), c est-à-dire que l on n veut piocher une boule noire au second tirage, qui s e ectue dans l urne U Cette probabilité est alors égale à b + n P (X=)(X = 0) L évènement (X = ) est réalisé, c est-à-dire que l on a pioché une boule blanche au premier tirage donc le second tirage s e ectue dans l urne U On souhaite la réalisation de l évènement (X = 0), c est-à-dire que l on n veut piocher une boule noire au second tirage, qui s e ectue dans l urne U Cette probabilité est alors égale à b + n P (X)(X = ) L évènement (X = 0) est réalisé, c est-à-dire que l on a pioché une boule noire au premier tirage donc le second tirage s e ectue dans l urne U On souhaite la réalisation de l évènement (X = ), c est-à-dire que l on veut piocher une boule blanche au second tirage, qui s e ectue dans l urne U Cette probabilité est alors égale à b b + n P (X=)(X = ) L évènement (X = ) est réalisé, c est-à-dire que l on a pioché une boule blanche au premier tirage donc le second tirage s e ectue dans l urne U On souhaite la réalisation de l évènement (X = ), c est-à-dire que l on veut piocher une boule blanche au second tirage, qui s e ectue dans l urne U Cette probabilité est alors égale à b b + n. Les évènements (X i+ = 0) et (X i+ = ) correspondent au fait que l on pioche une boule noire ou une boule blanche au (i + )-ième tirage, ces pioches dépendant bien entendu du fait que l on pioche dans l urne U ou U Le choix de l urne dépend de la pioche d une boule blanche ou d une boule noire au i-ième tirage, c est-à-dire des évènements (X i = 0) et (X i = ) Pour les calculs demandés, on introduit par conséquent, le système complet d évènements (X i = 0) et (X i = ) Calcul de P (X i+ = 0) en fonction de P (X i = 0) et P (X i = ) P (X i+ = 0) = P (X i = 0 \ X i+ = 0) + P (X i = \ X i+ = 0) = P (X i = 0)P (Xi)(X i+ = 0) + P (X i = )P (Xi=)(X i+ = 0) = P (X i = 0) n + P (X i = ) n b + n b + n P (X i+ = ) = P (X i = 0 \ X i+ = ) + P (X i = \ X i+ = ) = P (X i = 0)P (Xi)(X i+ = ) + P (X i = )P (Xi=)(X i+ = ) = P (X i = 0) b b + n + P (X i = ) b b + n L Mathématiques et Informatique FST - Université Paul Cézanne /8 abdellah bechata

6 MA0 Probabilités PHEC Correction feuille d exercices Justi cation des calculs de probabilités conditionnelles P (Xi)(X i+ = 0) L évènement (X i = 0) est réalisé, c est-à-dire que l on a pioché une boule noire au i-ième tirage donc le (i + )-ème tirage s e ectue dans l urne U On souhaite la réalisation de l évènement (X i+ = 0), c est-à-dire que l on veut piocher une boule noire au (i + )-ème tirage, qui s e ectue dans l urne U Cette probabilité est alors égale à n b + n P (Xi=)(X i+ = 0) L évènement (X i = ) est réalisé, c est-à-dire que l on a pioché une boule blanche au i-ième tirage donc le (i + )-ème tirage s e ectue dans l urne U On souhaite la réalisation de l évènement (X i+ = 0), c est-à-dire que l on veut piocher une boule noire au (i + )-ème tirage, qui s e ectue dans l urne U Cette probabilité est alors égale à n b + n P (Xi)(X i+ = ) L évènement (X i = 0) est réalisé, c est-à-dire que l on a pioché une boule noire au i-ième tirage donc le (i + )-ème tirage s e ectue dans l urne U On souhaite la réalisation de l évènement (X i+ = ), c est-à-dire que l on veut piocher une boule blanche au (i + )-ème tirage, qui s e ectue dans l urne U Cette probabilité est alors égale à b b + n P (Xi=)(X i+ = ) L évènement (X i = ) est réalisé, c est-à-dire que l on a pioché une boule blanche au i-ième tirage donc le (i + )-ème tirage s e ectue dans l urne U On souhaite la réalisation de l évènement (X i+ = ), c est-à-dire que l on veut piocher une boule blanche au (i + )-ème tirage, qui s e ectue dans l urne U Cette probabilité est alors égale à b b + n. Les évènements (X i = 0) et (X i = ) formant un système complet d évènements donc P (X i = 0) + P (X i = ) =, P (X i = ) = P (X i = 0) L expression de P (X i+ = 0) en fonction de P (X i = 0) et P (X i = ) obtenue à la question nous donne P (X i+ = 0) = P (X i = 0) ( P (X i = 0)) = 7 9 donc la suite (P (X i = 0)) in est bien une suite arithmético-géométrique. Explicitation de P (X i = 0) Détermination de la constante L L = 7 L +, 7 L =, L = 7 = 9 P (X i = 0) + = 7 P (X i = 0) + 9 Par conséquent, la suite u i = P (X i = 0) est géométrique de raison (revoir les nombreuses explicitations des 7 suites arithmético-géométriques) et, en utilisant la question, on a donc 8i N ; u i = i u 0, P (X i = 0) 7 i 9 = 7 P (X = 0) On exprime u i en fonction de u car la probabilité P (X 0 = 0) n a pas de sens. Explicitation de P (X i = ) P (X i = ) = P (X i = 0) = 7 7 9, P (X i = 0) = i 7. Puisque ]0; [, on a lim 7 P (X i = 0) = 9 et lim i!+ P (X i = ) = i!+ Interprétation après un nombre su samment grand nombre de tirages, la probabilité de piocher une boule blanche est très proche de 9 et la probabilité de piocher une boule noire est proche de correction de l exercice. Nous allons donner les di érents contenus des deux urnes à chaque lancer initialement après lancer après lancers après lancers après lancers après lancers U, U U, U U U U,,,6 U,,,,6 U,,,6 U,,,,6 U,,,,,6 U,,,,6 i donc l urne U contient uniquement la boule n à l issue du cinquième échange L Mathématiques et Informatique FST - Université Paul Cézanne /8 abdellah bechata

7 MA0 Probabilités PHEC Correction feuille d exercices Après le premier changement, l urne U contient soit une boule supplémentaire (si le dé a donné un numéro présent dans l urne U ); soit une boule en moins (si le dé a donné un numéro présent dans l urne U ) Par conséquent, l urne U contenant initalement boules, après un échange l urne U contient ou boules donc X () = f; g L évolution du contenu de l urne U dépendant clairement du numéro obtenu avec le dé, on introduit le système complet d évènements D i ; où l évènement D i est dé ni par D i " le dé fournit le numéro i " P (X = ) = P (D \ X = ) + P (D \ X = ) + P (D \ X = ) +P (D \ X = ) + P (D 6 \ X = ) + P (D \ X = ) = P (D )P D (X = ) + P (D )P D (X = ) = = P (X = ) = P (D \ X = ) + P (D \ X = ) + P (D \ X = ) + P (D \ X = ) +P (D \ X = ) + P (D 6 \ X = ) = P (D )P D (X = ) + P (D )P D (X = ) + P (D )P D (X = ) + P (D 6 )P D6 (X = ) = = Justi cation des calculs de probabilités P (D \ X = ) L évènement D \ X = est impossible car il signi e que le dé a fourni le numéro, donc la boule numéro qui était présent dans l urne U est déplacé dans l urne U ; ce qui implique qu à l issue du premier changement l urne U contient les boules numéro,, donc trois boules, ce qui contredit la réalisation de l évènement X = P D (X = ) l évènement D est réalisé, c est-à-dire que le dé a fourni le numéro, donc la boule numéro quitte l urne U et à l issue du premier changement l urne U contient uniquement la boule numéro donc une boule. Par conséquent, l évènement X = se réalise nécesssairement, ce qui implique que P D (X = ) = Il est alors immédiat que E(X ) = + = 7. Comme précédemment, après le premier changement, l urne U contient soit une boule supplémentaire (si le dé a donné un numéro présent dans l urne U ); soit une boule en moins (si le dé a donné un numéro présent dans l urne U ) Par conséquent, l urne U ; qui contient après changement soit boule, soit boules, contient après le deuxième changement 0 boule ou boules ou boules ou boules donc X () = f0; ; g. Le contenu de l urne U après deux changements dépend à la fois du résultat du lancer du dé et du contenu de l urne U après un changement. Bien entendu, on doit connaitre préalablement le contenu de l urne U après un changement (le dé n étant lancé qu après), on considère le système complet d évènements (X = ) et (X = ) qui décrit justement ce contenu. P (X = 0) = P (X = \ X = 0) + P (X = \ X = 0) = P (X = )P (X=)(X = 0) = 6 = 8 P (X = ) = P (X = \ X = ) + P (X = \ X = ) = P (X = )P (X=)(X = ) + P (X = )P (X=)(X = ) = = 8 P (X = ) = P (X = \ X = ) + P (X = \ X = ) = P (X = )P (X=)(X = ) = 6 = 6 8 Véri cation P (X = 0) + P (X = ) + P (X = ) = Justi cation des calculs de probabilités P (X=)(X = 0) L évènement (X = ) est réalisé et l on souhaite la réalisation de l évènement (X = 0); c est-àdire que l urne U contient après un échange boule (donc l urne U en contient ) et l on souhaite qu à l issue du deuxième échange l urne U contienne 0 boule. Cela n est possible que si le dé fourni le numéro de la boule contenue dans l urne U (a n de déplacer dans l urne U la boule correspondante). Etant donné qu il y a 6 numéros possibles et seul est favorable, la probabilité de réalisation vaut 6 P (X = \ X = 0) L évènement (X = ) signi e que l urne U contient boules après un échange et l évènement (X = 0) signi e que l urne U contient 0 boule au deuxième échange (l échange suivant). La réalisation de l évènement L Mathématiques et Informatique FST - Université Paul Cézanne 6/8 abdellah bechata

8 MA0 Probabilités PHEC Correction feuille d exercices (X = ) implique nécessairement qu à l échange suivant l urne U contient ou boules, ce qui contredit la réalisation de l évènement (X = 0) donc P (X = \ X = 0) = 0 P (X=)(X = ) L évènement (X = ) est réalisé et l on souhaite la réalisation de l évènement (X = ); c est-àdire que l urne U contient après un échange boule (donc l urne U en contient ) et l on souhaite qu à l issue du deuxième échange l urne U contienne boules. Cela n est possible que si le dé fourni le numéro d une boule contenue dans l urne U (a n de déplacer dans l urne U la boule correspondante). Etant donné qu il y a 6 numéros possibles et numéros sont favorables, la probabilité de réalisation vaut 6 P (X=)(X = ) L évènement (X = ) est réalisé et l on souhaite la réalisation de l évènement (X = ); c est-àdire que l urne U contient après un échange boules (donc l urne U en contient ) et l on souhaite qu à l issue du deuxième échange l urne U contienne boules. Cela n est possible que si le dé fourni le numéro d une boule contenue dans l urne U (a n de déplacer dans l urne U la boule correspondante). Etant donné qu il y a 6 numéros possibles et numéros sont favorables, la probabilité de réalisation vaut 6 P (X = \ X = ) L évènement (X = ) signi e que l urne U contient boule après un échange et l évènement (X = ) signi e que l urne U contient boules au deuxième échange (l échange suivant). La réalisation de l évènement (X = ) implique nécessairement qu à l échange suivant l urne U contient 0 ou boules, ce qui contredit la réalisation de l évènement (X = ) donc P (X = \ X = ) = 0 P (X=)(X = ) L évènement (X = ) est réalisé et l on souhaite la réalisation de l évènement (X = ); c est-àdire que l urne U contient après un échange boules (donc l urne U en contient ) et l on souhaite qu à l issue du deuxième échange l urne U contienne boules. Cela n est possible que si le dé fourni le numéro d une boule contenue dans l urne U (a n de déplacer dans l urne U la boule correspondante). Etant donné qu il y a 6 numéros possibles et numéros sont favorables, la probabilité de réalisation vaut 6. En général, le nombre de boules dans l urne U prend toutes les valeurs entre 0 et 6 donc X n () = [[0; 6]] (même si pour des valeurs particulières de n, la variable X n ne prend pas toutes les valeurs entre 0 et 6). Le contenu de l urne U après n + changements dépend à la fois du résultat du lancer du dé et du contenu de l urne U après n changement. Bien entendu, on doit connaitre préalablement le contenu de l urne U après n changement (le dé n étant lancé qu après), on considère le système complet d évènements (X = ) [0;6]] qui décrit justement ce contenu. P (X n+ = 0) = P (X n = 0 \ X n+ = 0) + P (X n = \ X n+ = 0) +P (X n = \ X n+ = 0) + + P (X n = 6 \ X n+ = 0) = P (X n = ) P (Xn=) (X n+ = 0) = 6 P (X n = ) P (X n+ = ) = P (X n = 0 \ X n+ = ) + P (X n = \ X n+ = ) + P (X n = \ X n+ = ) +P (X n = \ X n+ = ) + P (X n = 6 \ X n+ = ) = P (X n = 0)P (Xn)(X n+ = ) + P (X n = )P (Xn=)(X n+ = ) = 6 6 P (X n = 0) + 6 P (X n = ) P (X n+ = ) = P (X n = 0 \ X n+ = ) + P (X n = \ X n+ = ) + P (X n = \ X n+ = ) +P (X n = \ X n+ = ) + P (X n = \ X n+ = ) + + P (X n = 6 \ X n+ = ) = P (X n = )P (Xn=)(X n+ = ) + P (X n = )P (Xn=)(X n+ = ) = 6 P (X n = ) + 6 P (X n = ) P (X n+ = ) = P (X n = 0 \ X n+ = ) + P (X n = \ X n+ = ) + P (X n = \ X n+ = ) +P (X n = \ X n+ = ) + P (X n = \ X n+ = ) + P (X n = \ X n+ = ) + P (X n = 6 \ X n+ = ) P (X n+ = ) = P (X n = )P (Xn=)P (X n+ = ) + P X n = )P (Xn=)P (X n+ = = 6 P (X n = ) + 6 P (X n = ) L Mathématiques et Informatique FST - Université Paul Cézanne 7/8 abdellah bechata

9 MA0 Probabilités PHEC Correction feuille d exercices P (X n+ = ) = P (X n = 0 \ X n+ = ) + + P (X n = \ X n+ = ) + P (X n = \ X n+ = ) +P (X n = \ X n+ = ) + P (X n = \ X n+ = ) + P (X n = 6 \ X n+ = ) = P (X n = )P (Xn=)P (X n+ = ) + P X n = )P (Xn=)P (X n+ = = 6 P (X n = ) + 6 P (X n = ) P (X n+ = ) = P (X n = 0 \ X n+ = ) + + P (X n = \ X n+ = ) + P (X n = \ X n+ = ) +P (X n = \ X n+ = ) + P (X n = 6 \ X n+ = ) = P (X n = )P (Xn=)P (X n+ = ) + P X n = 6)P (Xn=6)P (X n+ = = 6 P (X n = ) P (X n = 6) P (X n+ = 6) = P (X n = 0 \ X n+ = 6) + + P (X n = \ X n+ = 6) + P (X n = \ X n+ = 6) +P (X n = 6 \ X n+ = 6) = P (X n = ) P (Xn=)P (X n+ = 6) = 6 P (X n = ) Justi cation des calculs de probabilités elle est identique à celle de la question, je laisse le lecteur le véri er. En résumé, on a P (X n+ = 0) = 6 P (X n = ) P (X n+ = 6) = 6 P (X n = ) P (X n+ = ) = 6 6 P (X n = 0) + 6 P (X n = ) P (X n+ = ) = 6 P (X n = ) + 6 P (X n = ) P (X n+ = ) = 6 P (X n = ) + 6 P (X n = ) P (X n+ = ) = 6 P (X n = ) + 6 P (X n = ) P (X n+ = ) = 6 P (X n = ) P (X n = 6) 6. En utilisant les relations de récurrence précédentes, on a E (X n+ ) = P (X n+ = ) + P (X n+ = ) + P (X n+ = ) + P (X n+ = ) + P (X n+ = ) + 6P (X n+ = 6) 6 = 6 P (X n = 0) + 6 P (X n = ) + 6 P (X n = ) + 6 P (X n = ) + 6 P (X n = ) + 6 P (X n = ) + 6 P (X n = ) + 6 P (X n = ) + 6 P (X n = ) P (X n = 6) P (X n = ) = P (X n = 0) + P (X n = ) + 7 P (X n = ) + P (X n = ) + P (X n = ) + P (X n = ) + P (X n = 6) La relation demandée n apparaissant directement, nous allons expliciter E(X n+ ) E(X n) E(X n) = P (X n = ) + P (X n = ) + P (X n = ) + 8 P (X n = ) + 0 P (X n = ) + P (X n = 6) E(X n+ ) E(X 7 n) = P (X n = 0) + P (X n = ) + P (X n = ) + ( ) P (X n = ) P (X n = ) + P (X n = ) + ( ) P (X n = 6) = P (X n = 0) + P (X n = ) + P (X n = ) + P (X n = ) + P (X n = ) + P (X n = ) + P (X n = 6) = puisque les évènements (X n = ) [0;6]] forment un système complet d évènements. La suite (E(X n )) n étant arithmético-géométrique, on détermine pour commencer la constante L L = L+, L = La suite u n = E(X n ), E(X n ) = u n + est géométrique de raison donc u n = n u 0, E(X n ) = n (E(X 0 ) ), E(X n ) = n En e et, après 0 changement, c est-à-dire à l état initial, l urne U contient boules donc X 0 = et en particulier E(X 0 ) = Puisque ] ; [; on en déduit que lim n!+ E(X n) = L Mathématiques et Informatique FST - Université Paul Cézanne 8/8 abdellah bechata

I. Cas de l équiprobabilité

I. 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 détail

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. 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 détail

Exercices sur le chapitre «Probabilités»

Exercices 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 détail

Probabilités Loi binomiale Exercices corrigés

Probabilités 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 détail

Probabilités conditionnelles Loi binomiale

Probabilités 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 détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS 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 détail

P1 : Corrigés des exercices

P1 : 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 détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Moments des variables aléatoires réelles

Moments 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 détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. 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 détail

Fluctuation d une fréquence selon les échantillons - Probabilités

Fluctuation 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 détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

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 détail

1 TD1 : rappels sur les ensembles et notion de probabilité

1 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 détail

Arbre de probabilité(afrique) Univers - Evénement

Arbre 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 détail

Couples de variables aléatoires discrètes

Couples 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 détail

Probabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.

Probabilités. 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 détail

Travaux dirigés d introduction aux Probabilités

Travaux 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 détail

3. Caractéristiques et fonctions d une v.a.

3. 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 détail

Théorie 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 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 détail

Coefficients binomiaux

Coefficients 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 détail

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Master 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 détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat 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 détail

Exercices 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 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 détail

Probabilités sur un univers fini

Probabilités 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 détail

Exercices de dénombrement

Exercices 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 détail

Continuité en un point

Continuité en un point DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à

Plus en détail

Variables Aléatoires. Chapitre 2

Variables 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 détail

4. Exercices et corrigés

4. 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 détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités 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 détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA 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 détail

Probabilités. C. Charignon. I Cours 3

Probabilités. 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 détail

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.

Exemple 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 détail

Feuille d exercices 2 : Espaces probabilisés

Feuille 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 détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les 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 détail

Université 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 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 détail

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

I. 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 détail

Probabilités conditionnelles Exercices corrigés

Probabilités 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 détail

Les devoirs en Première STMG

Les 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 détail

Chapitre 1 Cinématique du point matériel

Chapitre 1 Cinématique du point matériel Chapitre 1 Cinématique du point matériel 7 1.1. Introduction 1.1.1. Domaine d étude Le programme de mécanique de math sup se limite à l étude de la mécanique classique. Sont exclus : la relativité et la

Plus en détail

Chaînes de Markov au lycée

Chaînes 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 détail

Mesure de probabilité, indépendance.

Mesure 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 détail

CALCUL DES PROBABILITES

CALCUL 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 détail

Probabilités (méthodes et objectifs)

Probabilités (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 détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 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 détail

9 5 2 5 Espaces probabilisés

9 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 détail

Capacité 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 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 détail

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE

BACCALAURÉAT 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 détail

EXERCICE 4 (7 points ) (Commun à tous les candidats)

EXERCICE 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 détail

Probabilités III Introduction à l évaluation d options

Probabilités 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 détail

Calculs de probabilités conditionelles

Calculs 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 détail

Loi d une variable discrète

Loi 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 détail

ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N

ENS 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 détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5

ACTUARIAT 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 détail

I3, 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 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 détail

Simulation de variables aléatoires

Simulation 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 détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 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 détail

Economie 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 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 détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul 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 détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - 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 détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac 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 détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De 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 détail

Texte Agrégation limitée par diffusion interne

Texte 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 détail

Probabilités-énoncés et corrections

Probabilités-énoncés et corrections 2012-2013 Probabilités-énoncés et corrections Exercice 1. Une entreprise décide de classer 20 personnes susceptibles d'être embauchées ; leurs CV étant très proches, le patron décide de recourir au hasard

Plus en détail

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.

DOCM 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 détail

CONCOURS 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) 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 détail

Correction du baccalauréat S Liban juin 2007

Correction du baccalauréat S Liban juin 2007 Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau

Plus en détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes 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 détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions 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

HERAKLES Page 1 sur 6 COMMENT CREER DES FACTURES D ACCOMPTE FICHE 051-01 COMMENT CREER DES FACTURES D ACCOMPTE?

HERAKLES Page 1 sur 6 COMMENT CREER DES FACTURES D ACCOMPTE FICHE 051-01 COMMENT CREER DES FACTURES D ACCOMPTE? HERAKLES Page 1 sur 6 COMMENT CREER DES FACTURES D ACCOMPTE? OBJECTIFS L objectif est d établir automatiquement des factures d acompte directement associées aux commandes clients. Les montants d acompte

Plus en détail

Qu est-ce qu une probabilité?

Qu 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 détail

Nombre dérivé et tangente

Nombre dérivé et tangente Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative

Plus en détail

DENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES

DENOMBREMENT-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 détail

4. Martingales à temps discret

4. 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 détail

CHAPITRE 1. Suites arithmetiques et géometriques. Rappel 1. On appelle suite réelle une application de

CHAPITRE 1. Suites arithmetiques et géometriques. Rappel 1. On appelle suite réelle une application de HAPITRE 1 Suites arithmetiques et géometriques Rappel 1 On appelle suite réelle une application de dans, soit est-à-dire pour une valeur de la variable appartenant à la suite prend la valeur, ie : On notera

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Le modèle de Black et Scholes

Le 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 détail

POKER ET PROBABILITÉ

POKER 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 détail

PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.

PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I. PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples 45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et

Plus en détail

Cryptographie et fonctions à sens unique

Cryptographie et fonctions à sens unique Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions

Plus en détail

315 et 495 sont dans la table de 5. 5 est un diviseur commun. Leur PGCD n est pas 1. Il ne sont pas premiers entre eux

315 et 495 sont dans la table de 5. 5 est un diviseur commun. Leur PGCD n est pas 1. Il ne sont pas premiers entre eux Exercice 1 : (3 points) Un sac contient 10 boules rouges, 6 boules noires et 4 boules jaunes. Chacune des boules a la même probabilité d'être tirée. On tire une boule au hasard. 1. Calculer la probabilité

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Introduction au Calcul des Probabilités

Introduction 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 détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Chapitre 5. Le ressort. F ext. F ressort

Chapitre 5. Le ressort. F ext. F ressort Chapitre 5 Le ressort Le ressort est un élément fondamental de plusieurs mécanismes. Il existe plusieurs types de ressorts (à boudin, à lame, spiral etc.) Que l on comprime ou étire un ressort, tel que

Plus en détail

Feuille TD n 1 Exercices d algorithmique éléments de correction

Feuille TD n 1 Exercices d algorithmique éléments de correction Master Sciences, Technologies, Santé Mention Mathématiques, spécialité Enseignement des mathématiques Algorithmique et graphes, thèmes du second degré Feuille TD n 1 Exercices d algorithmique éléments

Plus en détail

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction 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 détail

Lois de probabilité. Anita Burgun

Lois 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 détail

NOMBRES COMPLEXES. Exercice 1 :

NOMBRES COMPLEXES. Exercice 1 : Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1

Plus en détail

S initier aux probabilités simples «Question de chance!»

S initier aux probabilités simples «Question de chance!» «Question de chance!» 29-11 Niveau 1 Entraînement 1 Objectifs - S entraîner à activer la rapidité du balayage visuel. - Réactiver le comptage par addition jusqu à 20. - Développer le raisonnement relatif

Plus en détail

Chapitre 3 Les régimes de fonctionnement de quelques circuits linéaires

Chapitre 3 Les régimes de fonctionnement de quelques circuits linéaires Chapitre 3 Les régimes de fonctionnement de quelques circuits linéaires 25 Lechapitreprécédent avait pour objet l étude decircuitsrésistifsalimentéspar dessourcesde tension ou de courant continues. Par

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

O, i, ) ln x. (ln x)2

O, 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 détail

Plan général du cours

Plan général du cours BTS GPN 1ERE ANNEE-MATHEMATIQUES-PROBABILITES-DENOMBREMENT,COMBINATOIRE PROBABILITES Plan général du cours 1. Dénombrement et combinatoire (permutations, arrangements, combinaisons). 2. Les probabilités

Plus en détail

UE Ma401. 1.1 probabilité conditionnelle, indépendance, dénombrement

UE Ma401. 1.1 probabilité conditionnelle, indépendance, dénombrement UE Ma401 1 EXERCICES 1.1 probabilité conditionnelle, indépendance, dénombrement Exercice 1 La probabilité pour une population d être atteinte d une maladie A est p donné; dans cette même population, un

Plus en détail

FINANCE Mathématiques Financières

FINANCE Mathématiques Financières INSTITUT D ETUDES POLITIQUES 4ème Année, Economie et Entepises 2005/2006 C.M. : M. Godlewski Intéêts Simples Définitions et concepts FINANCE Mathématiques Financièes L intéêt est la émunéation d un pêt.

Plus en détail