EXERCICES. VARIABLES ALÉATOIRES : une et deux dimensions
|
|
- Cécile Petit
- il y a 7 ans
- Total affichages :
Transcription
1 EERCICES VARIABLES ALÉATOIRES : une et deux dimensions. Une variable aléatoire possède une densité constante sur l intervalle (-c, c) et sa variance est. Calculez la constante c, la moyenne, la médiane, la fonction de répartition et les percentiles(aussi appelés quantiles) suivants p = 0.05, 0.0, 0.5, Le pourcentage A d un certain additif dans un carburant détermine son prix de vente. Si A est inférieur à 70%, le carburant se vend 0.5/litre et s il est supérieur à 70%, le carburant se vend 0.58/litre. Calculez le revenu moyen/litre en supposant que A est distribué uniformément. 3. Une variable x a une densité de probabilité fx( x ) définie par : cx 0 x c> 0 fx( x) = c (4 x) x 4 0 ailleurs Calculez : c, moyenne, variance, écart-type, fonction de répartition et les percentiles d ordre p = 0.05, 0.5, 0.50, 0.75, Une variable aléatoire x a une densité de probabilité f(x) x défini par : c exp( x) x 0 c> 0 fx( x) = 0 x< 0 Calculez : c, moyenne, variance, écart-type, fonction de répartition, médiane (percentile d ordre 0.50), 90-ième percentile, 99-ième percentile. 5. Un manufacturier d appareils de télévision offre une garantie d un an sur la lampe-écran. Il estime que le temps (ans) avant la première panne est une variable T dont la densité de probabilité f () t est définie par T /4exp( t/4) t 0 ft () t = 0 t< 0 Quel pourcentage des appareils sera réparé durant la période de garantie? b. Si une vente rapporte un profit de 00$ et que le coût de réparation est de 00$, quel est le profit moyen réalisé par le manufacturier? 6. Le temps (heures) avant la première panne d une lampe-écran d un appareil de télévision est une variable T dont la fonction de répartition FT () t est définie par : exp( ct) t 0 c> 0 FT() t = 0 t< 0 où c est une constante. Calculez la densité de probabilité de T. b. On sait que 50% des lampes-écrans tombent en panne en moins de 500 heures. Quelle est la probabilité que la première panne arrive après 3000 heures?
2 7. Le moteur d une voiture neuve est garanti pour an. La durée de vie (ans) T du moteur est une variable exponentielle de moyenne égale à 3 ans. Le profit réalisé par la vente de la voiture est de 000$ et le coût de réparation est >50 pour que E(P) = 0 Quel est le profit moyen? b. Jusqu à quelle limite pourrait-on étendre la garantie sans perdre de l argent? c. Refaire les calculs (a) et (b) avec une moyenne de ans et une moyenne de 4 ans. 8. Un manufacturier d appareils de télévision offre une garantie de un an. Le temps d utilisation avant la première panne est une variable exponentielle avec une moyenne de 0000 heures. Il en coût 300$ pour fabriquer l appareil, 50$ pour le réparer et il est vendu 400$. Quel est le profit moyen du manufacturier si l on suppose que les appareils sont en usage continu (par exemple dans les aérogares)? 9. Une molécule dans un gaz possède une vitesse V qui est une variable aléatoire de densité avexp( v ) v 0, a > 0 fv( v) = 0 v < 0 Déterminez la constante a b. Déterminez la fonction de répartition de V. c. L énergie cinétique E d une molécule est donnée par E = mv / Calculez P(E < 8m). 0. Un ingénieur doit régler une machine automatique qui produit r objets à l heure. La proportion d articles défectueux θ s accroît avec r. Il y a un profit de.00$ pour chaque article non-défectueux. On sait que la proportion de défectueux obéit à la densité 0.00r (0.00) r θ 0<θ< f( θ= ) 0 ailleurs Si on fixe r et θ, montrez que le profit par heure est égal à r ( θ). b. Si on fixe r, montrez que le profit moyen par heure est égal à (000r - 0r )/ (00 + r). c. Montrez que le profit par heure moyen maximum est atteint avec r = 5. Un lot de 0 articles contient 3 articles défectueux. On tire (sans remise) les articles un à la fois et on examine à chaque tirage si l article est défectueux ou non. soit la variable aléatoire représentant le nombre d articles tirés afin d obtenir un deuxième article défectueux ; trouvez la fonction de masse de probabilité p (x), sa moyenne et son écarttype.. Une boîte de N articles contient D (D < N) articles qui sont défectueux. On tire les articles un à la fois et on vérifie si l article est défectueux ou non. Trouvez la probabilité que la γ ième ( γ D) articles défectueux soit trouvé au nième tirage ( n N).
3 3 3. Une famille de densité de probabilité utilisée pour représenter la distribution des revenus, la taille des villes, la taille des entreprises, etc s appelle la loi de Pareto. Elle est définie par la fonction de densité 0 x <θ k > 0 f ( ;, ) k xkθ = kθ x θ k x + a. Déterminez une expression explicite (sans signe d intégration) pour la fonction de répartition Fxkθ ( ;, ). b. Calculez P( < < 3) si k = et θ =. c. Déterminez une expression explicite pour le p-ième percentile x p. d. Calculez la médiane si k = et θ =. e. Si k >, déterminez une expression pour la moyenne et calculez si θ = et k =. f. Si k >, déterminez une expression pour l écart-type. 4. Le temps d attente (en minutes) pour être servi à un guichet est une variable aléatoire continue T ayant une fonction de densité ft (): t 0 t < 0 ft () t = / 0 t < 3 t 4 t Déterminez la fonction de répartition F T. b. Calculez PT [ > T > ]. c. Calculez la moyenne et la médiane de T. d. Calculez l écart-type de T. 5. Une variable a une densité de probabilité f ( x ) définie par : a. Déterminez la constante c. 3 fx( x) = 0 b. Calculez la fonction de répartition F ( x ). c. Calculez la variance. d. Calculez le 90 e percentile. x c< x< c ailleurs 3
4 4 6. On prend au hasard un point à l intérieur d une sphère de rayon r. La probabilité que ce point appartient à une région sphérique est proportionnelle au volume de cette région. Soit la distance du point choisi au centre de la sphère. a. Déterminer la fonction de répartition de b. Déterminer la fonction de densité de. 7. Une variable aléatoire suit la loi double exponentielle si sa densité de probabilité f ( ;, ) x αβ est: α x exp( ) x α β β f ( x; αβ, ) = x α exp( ) x α β β où α et β sont deux paramètres tels que <α<, β> 0. a. Déterminez la fonction de répartition F (x; α,β). b. Calculez la moyenne et l écart-type de c. Déterminez une expression pour le p-ième percentile de et calculer l écart interquartile (différence entre le 75 ième percentile et le 5 ième percentile) d. Calculez le coefficient d aplatissement β de. Rappel : β = (μ 4 / σ 4 ) 3 où μ 4 = E( μ ) 4 μ = E() (moyenne de ) σ = (E( μ ) ) 0.5 (écart type de ) 8. Soit une variable aléatoire continue qui satisfait la condition suivante P[ > x] = ( µ x+ )exp( µ x) x 0, µ> 0 Déterminez la fonction de répartition F ( x ; µ ). Déterminez la fonction de densité f ( x ; µ ). Calculez la moyenne de Calculez l écart-type de. 9. Soit py, ( xy, ) une fonction de probabilité conjointe définie par le tableau suivant : y 0 x - /6 /6 /6 0 /6 /6 /6 /6 /6 6/6 Calculez les fonctions de probabilités suivantes : marginale de, conditionnelle de Y si =0, conditionnelle de Y si =, conditionnelle de si Y = Calculez P( = -, 0 Y < ). Les variables et Y sont-elles indépendantes? Calculer le coefficient de corrélation linéaire entre et Y. 4
5 5 0. Un vecteur aléatoire V = ( Y, ) a pour fonction de masse de probabilité p v x θ x= 0,,, K x y x y p = &&& V( xy, ) x!exp( θ) p ( p) si y = 0,, K, x y 0 ailleurs a. Déterminez : loi de probabilité marginale de, loi de probabilité conditionnelle de Y étant donné = x b Déterminer la loi marginale de Y. c. Calculez : moyenne de, écart-type de, moyenne de Y, écart type de Y. d. Les variables et Y sont-elles indépendantes?. On désigne par un nombre choisi au hasard sur l intervalle (0. ) et par la suite un nombre Y est choisit au hasard sur l intervalle (0, x) où x est la réalisation de Déterminez la densité marginale de et la densité conditionnelle de Y si = x. b. Calculez P( + Y > ). c. Déterminez la densité de Y f Y (y). d. Calculez : moyenne de, moyenne de Y, écart type de, écart type de Y, coefficient de corrélation entre et Y.. Pour chacune des densités conjointes f, ( xy, ) calculez : C, les densités marginales, les y moyennes, les variances et le coefficient de corrélation. Préciser si les variables sont indépendantes. 0 x 000 c/000 f, Y( xy, ) = 0 y 0 0 ailleurs 0 x,0 y, c f ( xy, ) = x y. 0 ailleurs, Y, Y 0 x c(5 x y /) f ( xy, ) = 0 y. 0 ailleurs cxyexp( x y ) f, Y( xy, ) = xy, 0. 0 ailleurs 5
6 6 3. Deux variables aléatoires ont une densité conjointe de probabilité kx ( + y ) 0 x a, 0 y b f, Y( xy, ) = 0 ailleurs Calculez la constante k. Calculez P[0 < < a/,0 < Y < b /]. Calculez les densités marginales. Les variables sont-elles indépendantes? 4. Soit,, 3 trois variables aléatoires indépendantes de moyenne µ et de variance σ et Y = + Z = a + b 3 Calculez le coefficient de corrélation linéaire entre Y et Z. 5. Soit une variable dénotant l heure de la journée où une marchandise est envoyée et Y l heure de la journée où la marchandise est reçue. La densité conjointe de (, Y ) est définie par 0 x< y 4 88 f, Y( xy, ) = 0 ailleurs a. Calculez la densité marginal de et celle de Y. b. Calculez les densités conditionnelles Y = y et Y = x.. c. Calculez la probabilité que la réception de la marchandise ait lieu au plus tard 6 heures après son envoi. 6. On note par la pression du pneu avant droit et Y la pression du pneu avant gauche d une voiture. On suppose que la densité conjointe de ( Y, ) est définie par c( x+ y) 0 x 30, 0 y 30 f, Y( xy, ) = 0 ailleurs où c est une constante. Calculez la constante c. b. Quelle est la probabilité que la pression du pneu avant droit soit inférieure à la pression du pneu avant gauche. c. Les variables sont-elles indépendantes? 6
7 7 7. La densité conjointe f Y, de deux variables et Y est définie par 4xy 0 x,0 y,0 x + y f, Y( xy, ) = 0 autrement a. Calculez P[ + Y 0.5 ]. b. Calculez la densité marginale de. c. Les variables sont-elles indépendantes? 8. Soit une variable aléatoire discrète ayant la distribution suivante 3 p (x) a. Calculez la moyenne µ et la variance σ de b.. Donnez la liste de tous les échantillons distincts de taille n = 3 (il y en a 7). c. Calculez la distribution d échantillonnage de = /3( + + ). d. Calculez la moyenne et la variance de. e. Vérifiez que Var ( ) = var () / Dans une banque, un caissier électronique permet de retirer des billets, de 50$ ou 00$ à l aide d une carte magnétique. Il se peut aussi que le client ne puisse retirer d argent si le compte n est pas approvisionné ou si le client à fait une erreur de manipulation. Le nombre de clients utilisant l appareil dans un intervalle de 5 minutes est une variable aléatoire dont la masse de probabilité p ( x ) est 0 p (x) Le montant total Y retiré en 5 minutes est une variable dont la masse de probabilité conditionnelle est p Y = (y) = 0. si y = 0 = 0.7 si y = = 0. si y = Montrez que y p Y = 0 (y) p Y = (y) Les variables aléatoires et Y sont-elles indépendantes? Justifiez votre réponse. Calculez la probabilité P( =, Y = 00) Calculez la probabilité P( Y = 0). Calculez le nombre moyen de clients utilisant l appareil en une heure. 7
8 8 30. Deux signaux et Y indépendants sont émis selon une distribution uniforme durant un intervalle de temps T (fixe). Calculez la probabilité que la réception soit brouillée si un bouillage apparaît dès que la différence de temps entre les deux signaux est inférieure ou égale à b ou 0 < b< T. 3. Soit la densité conjointe de probabilité ( x+ y) f, Y( x, y) = cxy exp x, y 0 λ Montrez que C = λ - 4. x / λ x x / λ y / λ y y / λ F, Y( xy, ) = e e e e λ λ. P( + Y.> λ) = 8/3e = La densité de probabilité conjointe de deux variables (, Y ) est définie par : 3 x, x x y f, Y( x, y ) = 4. 0 ailleurs Calculez i. Les densités marginales de et Y. ii. Le coefficient de corrélation linéaire entre et Y. Les variables et Y sont-elles indépendantes? 33. On considère l expérience de jeter deux tétraèdres distincts dont les 4 faces sont numérotées,, 3, 4. Soit la variable dénotant le numéro de la face sur laquelle repose le premier tétraèdre et la variable dénotant le numéro de la face sur laquelle repose le second tétraèdre. Calculez la masse de probabilité conjointe de (, ) Calculez la masse de probabilité conjointe de (, Y) où Y = max(, ). Calculez la masse de probabilité marginale de et celle de Y Les variables et Y sont-elles indépendantes? 34. Deux procédés de fabrication indépendants produisent des cylindres évidés et des pistons pour un assemblage. Le diamètre extérieur des pistons est représenté par une variable distribuée uniformément sur l intervalle (98.5, 00.5) tandis que le diamètre intérieur des cylindres est représenté par une variable Y distribuée uniformément sur l intervalle (99, 0). Calculez la probabilité d effectuer l insertion du piston dans le cylindre. 8
9 9 35. Une variable continue suit une distribution logistique de paramètres de localisation α et d échelle β a pour fonction de répartition F ( x; αβ, ) définie par : x α F ( x; αβ, ) = /(+ exp ( )) β < x <, <α<, β> 0 Déterminez la densité de probabilité f ( x; αβ, ). Montrez que : f ( x; αβ, ) = F ( x; αβ, )( F ( x; αβ, )) β Montrez que la variable Y = ( x α)/ β est distribuée selon la loi logistique de paramètre de location 0 et de paramètre d échelle. On montre que EY ( ) = 0 et ET( Y) = π. Déterminez E( ) et ET( ). 3 p Montrez que le p-ième percentile (0< p < ) x p de x est : xp =α+βln p. 36. La quantité de chaleur Q dégagée par un conducteur de résistance R (ohn) traversé par un courant I (amp) durant un temps T (minutes) est : Q = 0.4 I RT Les variables I, R, T sont indépendantes à et leurs moyennes et écart-types sont données dans le tableau variable moyenne écart-type I 0 0. R T Calculez la moyenne et l écart-type de Q. 37. L inégalité de Tchebycheff et le rapport signal-bruit Une inégalité célèbre due à Tchebycheff s énonce comme suit : σ P[ µ ] pour toute variable aléatoire de moyenne µ= E( ) et d écart-type ET( ) =σ. En particulier P µ 4.5σ 0.95 P µ 0σ 0.99 Démontrez que l inégalité de Tchebycheff peut se formuler ainsi : x P µ δ σ µ δ µ pour toute variable de moyenne µ 0. 9
10 0 37. (suite) Déduire de l inégalité précédente que l erreur relative de l estimation de µ par sera petite avec une probabilité élevée si le quotient µ / σ est grand. Le quotient µ / σ est appelé le rapport signal-bruit et sa réciproque σ / appelée le coefficient de variation. À partir de quelles valeur du rapport signal-bruit peut-on affirmer que : x p µ <δ = µ α pour α = 0.0, 0.05, 0.0 et δ = 0., 0.5 Calculez le rapport signal-bruit pour les distributions suivantes : ab., i. Uniforme (constante) sur l intervalle [ ] ii. Exponentielle de paramètre λ. µ est 0
11 RÉPONSES a) c = 3 b) E() = 0 c) F ( x) = 0 si x < 3 = ( x+ 3)/ 3 si 3 x 3 = si x 3 d) , , , $ 3 a) c = 0.5 b) E() = c) σ = /3 d) F(x) = 0 si x < 0 = x / 8 si 0 < x < = (/8)(4-x) si < x < 4 = si x > 4 e) p = 0.05 p = 0.63, p = 0.5 p =.4, p = 0.5 p =.00 p = 0.75 p =.59, p = 0.99 p = a) c = b) c) d) - ln (-p) e) p = 0.5 p = 0.69, p = 0.90 p =.30, p = 0.99 p = a) 0. b) 55.76$ 6 a) c e c t b) c = c) a) 99,3$ b) à l infini c) 90.63$ et $ $ 9 a) a = b) -exp (-v ) c) -e -6 p (x) = (/0) (x-)(0-x) x =, 3, 4,,9 moyenne de = E() = 5.5 écart type de = ET() =.4 p (x) = [Comb(D, γ -)*Comb (N D, x γ + ) / Comb( N, x )]* [(D - γ + )/(N x + )] où Comb(a, b) = nombre de combinaisons de b parmi a = a! / b! (a-b)! a, b entiers 3 a) F ( xk ;, θ ) = ( θ/ x) k x θ b) 5 / 36 c) p = θ ( p ) /k d) e) E() = k θ /(k-) k > f) σ = k 0.5 (k-) - (k ) -0.5 θ k > 4 a) F ( t) = 0 t < 0 T = t 0 t < = 3 t t b) /8 c) d) 3
12 5 a) b) 0 x < 3 x + F ( x) = x x c) E() = 0 Var () = 3/5 d) i) F ( ) = ( xr /) 0 x r 3 ii) f ( x x ) = x 0 x r 3 r 7 a) 8 a) ( α x) F ( x) = exp si x α β ( x α) = exp si x α β b) E() = α écart type de = ET() = β () 0.5 c) p = α + β ln(p) si 0 < p < 0.5 d) 3 = α - β ln(p) si 0.5 < p < IQ = écart interquartile = (p=0.75) (p=0.5) =.38 β F x e x µ ( ; µ ) = x ( +µ ) 0 µ b) ( ; µ ) =µ x f x xe c) E() = / μ d) ET() = / μ 9 a) p (x) = 4/6 si x = - = 3/6 si x = 0 = 9/6 si x = p Y = 0 (y) = /3 si y = 0,, p Y = (y) = /9 si y = 0 = /9 si y = = 6/9 si y = p Y = (x) = /9 si x = - = /9 si x = 0 = 6/9 si x = b) /8 c) Non d) 0.0
13 3 0 a) p (x) = θ x e - θ / x! x = 0,,, loi de Poisson de paramètre θ b) p Y (Y) = (pθ) y e - pθ / y! y = 0,,, loi de Poisson de paramètre pθ p Y = x (y) = Comb(x, y) p y (-p) x y loi binomiale de paramètres (x, p) où Comb(x, y) = x! / (y! (x y)!) : nombre de combinaisons de y dans x c) E() = θ Var () = θ E(Y) = pθ Var(Y) = pθ d) Non a) f (x) = 0 < x < f Y = x (y) = / x 0 < y < x b) c) f Y (y) = - ln(y) 0 < y < d) E() = ½ ET() = () -0.5 E(Y) = ¼ ET(Y) = (7) 0.5 / a) c = /0 f (x) = / < x <000 f Y (y) = /0 0 < y < 0 E() = 500 Var() = E(Y) = 5 Var (Y) = 8.33 coefficient de corrélation = ρ = 0 b) c = f (x) = (-x) 0 x < f Y (y) = y 0 < y < les variables sont indépendantes E() = /3 Var() = /8 E(Y) = /3 Var(Y) = /8 coefficient de corrélation = ρ = 0.5 c) c = /4 f (x) = (9-x)/4 0 < x < f Y (y) = (8-y) /4 0 < y < les variables sont dépendantes f Y = y (x) = (5-0.5y x) /( 8 y) 0 < x <, 0 < y < f Y = x (y) = (5-0.5y x) /( 9 x) 0 < x <, 0 < y < E() = 9/ Var() = 4344 E(Y) = 0/ Var(Y) = 46/44 E(Y) = 6/7 coefficient de corrélation = ρ = les variables sont dépendantes d) c = 4 f (x) = x exp( x ) x > 0 f Y (x) = y exp( y ) y > 0 E() = E(Y) = (π / ) 0.5 Var() = Var(Y) = (4 π) / 4 coefficient de corrélation = ρ = 0 les variables sont indépendantes 3
14 4 3 a) k = 3 / [ab (a + b )] b) /6 c) f (x) = kb (b + x ) / 3 0 < x < a f Y (y) = kb (a + y ) / 3 d) non, les variables sont dépendantes 4 ρ= 5 a) b) a ( a + b ) f ( x) = (4 x)/88 0 x 4 f ( y) = y /88 0 y 4 Y f Y = y( x) = /4 0 x y f = xy ( ) = /4 x x y 4 Y c) < y < b 6 a) c =/5000 b) 0.50 c) non 7 a) /6 b) f (x) = x( - x) 0 < x < c) non 8 a) E() =. Var() = 0.49 d) E( ) =. Var( ) = 0.63 = Var(x) / 3 9 b) non c) 0. d) 0.35 e) [ (b/t))] 3 a) i i 3 f ( x) = ( x ) 4 x 3 fy ( y) = y 0 y a) ii coefficient corrélation = 0 b) non 33 a) p, = ( x, x) = /6 x =,, 3, 4 x =,, 3, 4 b) Y 3 4 / /6 / /6 /6 3/6 0 4 /6 /6 /6 4/6 c) p (x) = ¼ x =,, 3, 4 p Y (y) = /6 si y = = 3/6 si y = = 5/6 si y = 3 = 7/6 si y = 4 d) non 4
15 c) α δ d) i 3 (b + a) /(b - a) (loi uniforme) ii) (loi exponentielle) 5
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 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 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 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 détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en 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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en 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 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 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 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/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 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 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 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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
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 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 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 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 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 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 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 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 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en 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 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 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 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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
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 détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détailComprendre le rechapage. Les pneus rechapés sont aussi sûrs et durables que n importe quel pneu neuf similaire
Comprendre le rechapage Pourquoi rechaper? Excellent rapport qualité-prix Que vous soyez un automobiliste à la recherche de façons d étirer le budget familial ou un gestionnaire de flotte qui achète des
Plus en détailModélisation des risques
2 Modélisation des risques 2. Introduction L objectif de ce chapitre est de présenter les modèles de base utilisés pour décrire le comportement aléatoire d un risque en actuariat pour une période xe. Les
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 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 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 détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailLe modèle de régression linéaire
Chapitre 2 Le modèle de régression linéaire 2.1 Introduction L économétrie traite de la construction de modèles. Le premier point de l analyse consiste à se poser la question : «Quel est le modèle?». Le
Plus en détailFONCTIONS 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 détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
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 détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en 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 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 détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
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 détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
Plus en détailMATHEMATIQUES TES 2012-2013 Corrigés des devoirs
MATHEMATIQUES TES 2012-2013 Corrigés des devoirs DS1 26/09/2012 page2 DV 09/10/2012 page 6 DS 24/10/2012 page 8 DV 30/11/2012 page 14 DV 14/12/2012 page 16 BAC BLANC 18/01/2013 page 17 DV 05/02/2013 page
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en 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 détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailProbabilités et 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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en 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 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 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 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 détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailContinuité 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détailComment sélectionner des sommets, des arêtes et des faces avec Blender?
Comment sélectionner des sommets, des arêtes et des faces avec Blender? VVPix v 1.00 Table des matières 1 Introduction 1 2 Préparation d une scène test 2 2.1 Ajout d objets dans la scène.........................................
Plus en détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
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 détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
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 détailExercices - 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 détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en 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 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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en 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 détailTP 3 diffusion à travers une membrane
TP 3 diffusion à travers une membrane CONSIGNES DE SÉCURITÉ Ce TP nécessite la manipulation de liquides pouvant tacher les vêtements. Le port de la blouse est fortement conseillé. Les essuie tout en papier
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 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 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 détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
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 détailLES PROBABILITÉS DE GAINS
LES PROBABILITÉS DE GAINS JOUER À DES JEUX DE HASARD La seule chose que tous les jeux de hasard ont en commun, c est que le fait de gagner ou de perdre se fait de façon aléatoire. Même si le rêve de gagner
Plus en détail