M1-Math.-Ens. UE7 : Probabilités-Statistiques
|
|
- Solange Larivière
- il y a 7 ans
- Total affichages :
Transcription
1 UNSA-USTV-IUFM M1-Math.-Ens. UE7 : Probabilités-Statistiques Examen du 7 juin 2012 Durée : 3 h Calculatrices autorisées ; documents et tout autre matériel électronique interdits. Ne pas hésiter à traiter les questions dans l ordre de son choix. Ne pas hésiter à utiliser les résultats d une question antérieure. Nous vous demandons de bien prendre soin de justifier vos solutions en employant le formalisme des probabilités. Exercice n o 1 : Questions de cours ( 1,5 pts Soit (Ω, A, P un espace probabilisé (A est la tribu des «événements», X une variable aléatoire réelle définie sur Ω. a R, ω Ω qui admet une densité f. On considère les 6 objets mathématiques suivants (pour la probabilité conditionnelle, on suppose que P ([X a] 0 : X ; X(ω ; [X a] ; f ; P [X a] (encore noté P(. [X a] ; x P(X x. Indiquer l appartenance de chacun de ces six objets à l un des ensembles suivants (s il y a plusieurs choix, prendre le plus petit ensemble : R ; [0, 1] ; A ; F(A; [0, 1] ; F(Ω; [0, 1] ; F(R; R ; C(R; R ; F(Ω; R. Pour cela, vous vous contenterez de mettre des croix dans les cases appropriées du tableau donné en annexe 1. (Aucune justification n est demandée. On rappelle que pour deux ensembles A et B, F(A; B désigne l ensemble des applications de A dans B ; C(R; R désigne l ensemble des fonctions continues de R dans R. Un bonne réponse est comptée 1/4 point, une mauvaise réponse (y compris si l ensemble choisi n est pas le plus petit enlève 1/4 point (le minimum que l on peut obtenir à l exercice restant quand-même 0. Exercice n o 2 : Les quatre tiroirs (3 pts Un professeur de mathématiques recherche la clef de sa voiture dans l un des 4 tiroirs que possède son scriban. On suppose que la probabilité que la clef soit dans l un des 4 tiroirs est p, où p ]0, 1[ est donné. Notez bien qu il est possible que la clef ne soit dans aucun des 4 tiroirs, puisque p < 1. On suppose de plus que les chances de trouver sa clef dans un des 4 tiroirs sont égales. On notera T i l événement «la clef est dans le tiroir i». Le professeur a ouvert les trois premiers tiroirs sans y trouver la clef. Quelle est la probabilité que la clef. se trouve dans le 4 ème tiroir? 4 4 Réponse : On a P( T i P(T i car les T i sont évidemment disjoints puisque la clef ne peut pas être dans deux tiroirs différents. D où pour i 1, , P (T i p 4. 3 Posons A T 3 i. Alors Ā T i et donc P(A 1 3p 4. D autre part, il est clair que T 4 A. Donc, P(A T 4 P(T 4. On trouve ce qui est la probabilité cherchée. P A (T 4 P(A T 4 P(A P(T 4 P(A p 4 3p Exercice n o 3 : Une somme de longueur variable (5 pts Le nombre N de versements d indemnités effectués par une compagnie d assurance en une semaine est 2011/2012 Master cohabilité Nice-Toulon 1/6 IUFM Célestin Freinet
2 donné par une variable aléatoire d espérance n 0. Pour i N, on suppose que le montant du i-ème versement est une variable aléatoire discrète Y i définie sur un espace probabilisé (Ω, F, P à valeur dans N. On suppose que les variables aléatoires Y i sont de même loi et ont une même espérance µ. On fait l hypothèse que les variables aléatoires Y i sont indépendantes, et sont indépendantes de N. Soit U Y 1 + Y Y N la variable aléatoire qui représente les versements totaux effectués par la compagnie en une semaine. La variable aléatoire U est donc définie sur (Ω, F, P par U(ω Y 1 (ω + Y 2 (ω + + Y N(ω (ω (si N(ω 0, on pose U(ω 0. Le but de l exercice est de montrer que E(U n 0 µ. On admettra que pour une série double à termes positifs (u i,j (i,j N 2 on a i0 ( j0 u i,j j0 ( i0 u i,j où les séries peuvent éventuellement être divergentes (on a alors Quelle série doit converger pour que U admette une espérance? Réponse : Par définition de l espérance, il s agit de la série kp(u k. 2. Montrer que pour tout k 0, P(U k (P(N n P(Y Y n k. Réponse : Comme les [N n], n N forment un système complet d événements on peut écrire P (U k P([N n] [U k] Mais on a l égalité [N n] [U k] [N n] [Y Y n k]. On obtient le résultat de la question grâce à l indépendance des Y i et de N. 3. Pour n N, comment peut-on trouver sans grand calcul la valeur de kp(y Y n k en fonction de n et de µ? Justifier votre réponse en citant bien la ou les propriétés utilisées. Réponse : On reconnaît dans la série E(Y Y n. En utilisant la linéarité de l espérance, on trouve que la valeur cherchée est E(Y E(Y n nµ (formule valable aussi si n En déduire que E(U n 0 µ. Réponse : Comme les sommes considérées sont à termes positifs, on peut écrire (sans préjuger au départ de la convergence de la série de droite kp(u k µ k (P(N n P(Y Y n k ( P(N n k P(Y Y n k np(n n µe(n n 0 µ, ce qui montre la convergence de la série de droite et le résultat. Exercice n o 4 : Loi exponentielle (3,5 pts On dispose d un lot d ampoules électriques, toutes de fabrication identique. On suppose que la durée de vie (exprimée en heures de chaque ampoule est une variable aléatoire de loi exponentielle de paramètre λ, c est à dire admettant la densité x f(x I [0,+ [ (xλe λx. 2011/2012 Master cohabilité Nice-Toulon 2/6 IUFM Célestin Freinet
3 1. On note X (variable aléatoire la durée de vie d une ampoule. Quelle est la probabilité qu une ampoule s éteigne avant un temps T de fonctionnement? Application numérique : prendre T 200 et λ 0, 001. Réponse : Il s agit d évaluer ici la probabilité de l événement [X < T ]. Par définition de la densité, on obtient : P(X < T Application numérique : P(X < 200 0, 18. T T f(xdx f(xdx 0 [ e λx] T 0 1 e λt. 2. Montrer qu avec ce type d ampoule, il n est pas malhonnête de revendre des ampoules usagées mais en état de marche. Vous utiliserez les probabilités conditionnelles pour votre démonstration. Réponse : On reprend les notations de la question précédente : supposons que l on ait utilisé une ampoule pendant une durée T > 0 et qu elle soit toujours en état de marche, c est à dire que l événement [X T ] soit réalisé. On veut savoir qu elle est la probabilité qu elle puisse encore fonctionner pendant une durée S suplémentaire. On sait que P(X T e λt d après la question précédente. On obtient en tenant compte du fait que [X S +T ] [X T ] et d après les propriétés algébriques de la fonction exponentielle : P([X T ] [X S + T ] P [X T ] (X S + T P(X T P(X S + T P(X T e λ(t +S e λt e λs P(X S. Sachant qu elle est usagée mais en état de marche, la probabilité qu elle puisse encore fonctionner pendant une durée S est la même que si l ampoule était neuve. (C est une propriété de la loi exponentielle qui modélise les phénomènes dit «sans vieillissement». 3. On allume 2 ampoules en même temps dans une pièce à l instant 0. On note X 1 et X 2 les durées de vies - variables aléatoires supposées indépendantes - des deux ampoules. Déterminer en fonction de T > 0 et λ, la probabilité pour que la pièce ne soit pas dans le noir à l instant T. Applications numérique : prendre T 200 et λ 0, 001. Réponse : La pièce ne sera pas dans le noir à l instant T si et seulement si l une des deux ampoules au moins est en état de marche. Il s agit donc ici d évaluer la probabilité de l événement [X 1 T ] [X 2 T ] (ou non exclusif. On obtient, en tenant compte de l indépendance des deux variables aléatoires : P([X 1 T ] [X 2 T ] P([X 1 T ] + P([X 2 T ] P([X 1 T ] [X 2 T ] P([X 1 T ] + P([X 2 T ] P([X 1 T ] P([X 2 T ] 2e λt e 2λT. (On pouvait aussi calculer la probabilité de l événement complémentaire on trouve : (1 e λt 2. Applications numérique : P([X 1 200] [X 2 200] 0, 967. Exercice n o 5 : Stock de CD (3 pts 2011/2012 Master cohabilité Nice-Toulon 3/6 IUFM Célestin Freinet
4 À l occasion d un concert de musique organisé dans une salle de spectacle, on décide de fabriquer en direct un CD des chansons des artistes qui participent à la manifestation. Le CD sera vendu à l issu du concert (et uniquement à ce moment là. On estime que chaque personne présente à la manifestation a 30% de chance d acheter ce CD. Le nombre de personnes qui seront présentes à la manifestation est de Pour la suite, on donnera des résultats approchés grâce au tableau de la loi normale donné en annexe. On veillera à bien traduire les énoncés grâce au formalisme des probabilités. 1. Pour i {1,..., 4000}, décrire la variable aléatoire X i qui caractérise le choix de la i-ème personne d acheter ou pas le CD. 2. Quelle est la probabilité que les organisateurs vendent au moins 1100 CD? 3. Quel est le nombre maximum de CD que les organisateurs doivent fabriquer pour être sûrs à 95% d écouler la totalité du stock? Réponse : 1. Pour chaque entier i {1,..., 4000} on définit la variable aléatoire X i qui vaut 1 si la i ème personne présente au concert achète le CD et qui vaut 0 sinon. D après l énoncé, on a E(X i 0.3. Comme X i est une variable alétoire de Bernouilli, on déduit aussi V(X i 0.3( On suppose de plus que les variables aléatoires X i sont indépendantes. 2. La probabilité cherchée est ( 4000 ( 4000 P X i 1100 P X i 4000 E(X i V(Xi ( 4000 P X i 4000 E(X i V(Xi Comme les variables aléatoires X i sont indépendantes et indentiquement distribuées et comme de plus n , np et n(1 p , on peut estimer cette probabilité en utilisant le théorème de la limite centrale et en remplaçant loi normale U centrée réduite. On a donc ( 4000 P X i 1100 P(U 3.45 P(U , 97% X i 4000 E(X i 4000V(Xi par la ( On cherche le plus grand N N tel que P X i N 95%, c est à dire le plus grand N N tel que ( 4000 P X i 4000 E(X i N % V(Xi En approximant 4000 X i 4000 E(X i 4000 V(Xi par U comme précédemment, on est amené à chercher le plus grand N tel que, avec π la fonction de répartition de la loi normale centrée réduite, ( ( N , 3 N , 3 1 π 0, 95 π 0, 05, , , 21 Grâce au tableau de la loi normale on a π(1, 65 0, 95 et donc on obtient, compte tenu de la parité de la fonction densité, π( 1, 65 0, 05. On cherche donc le plus grand N tel que et donc N N , , , 2011/2012 Master cohabilité Nice-Toulon 4/6 IUFM Célestin Freinet
5 Exercice n o 6 : Durée de vie d un appareil (4 pts La durée de vie d un certain type d appareil est modélisée par une variable aléatoire suivant une loi normale d espérance µ et d écart-type inconnus. Les spécifications impliquent que 5 % de la production ait une durée de vie inférieure à 120 jours et que 80 % de la production des appareils ait une durée de vie entre 120 et 200 jours. 1. En vous servant de la table de la loi normale donnée en annexe, donner une valeur approchée à l unité près de µ et de. Explicitez votre démarche. 2. Quelle est la probabilité d avoir un appareil dont la durée de vie soit comprise entre 200 jours et 230 jours? Réponse : 1. Soit X la variable aléatoire qui modélise la durée de vie du type d appareil considéré. On sait d après l énoncé que X suit une loi normale de paramètres µ et, i.e, X N (µ,. On sait alors que (X µ/ suit une loi normale centrée réduite dont on peut lire certaines valeurs de la fonction de répartition, que nous noterons π, à l aide de la table de la loi normale donnée en annexe. D après l énoncé on a aussi les deux propriétés suivantes : P(X < 120 0, 05 et P(120 X 200 0, 8. On en déduit alors que P(X 200 P (X < 120 0, 8 soit P(X 200 0, 85. Comme X µ N (0, 1, on a les résultats suivants (avec π fonction de répartition de N (0, 1 : ( ( 120 µ 200 µ π 0, 05 et π 0, 85. La lecture de la table de la loi normale et la prise en compte de la parité de la densité, nous donne alors approximativement 120 µ 1, 64, 200 µ 1, 03 La résolution de ce système donne finalement 29, 96 et µ 169, 14 que l on arrondi respectivement à 30 et à On a, en notant U (X µ/, ( P(200 < X < 230 P < X µ < P(U < 2, 03 P(U < 1, 03 0, , , /2012 Master cohabilité Nice-Toulon 5/6 IUFM Célestin Freinet
6 Annexes Ne pas oublier d insérer cette feuille dans votre copie. Annexe 1 Mettre des croix dans les cases appropriées pour indiquer dans quel ensemble appartiennent les objets mathématiques en début de ligne. S il y a plusieurs choix possibles prendre le plus petit ensemble. R [0, 1] A F(A, [0, 1] F(R; R C(R; R F(Ω; [0, 1] F(Ω; R X(ω X f [X a] x P([X x] P [X a] ( ou P(. [X a] 1 Table de la variable aléatoire Normale réduite Annexe 2 : Table de la variable aléatoire Normale centrée, réduite Fournit la probabilité P(X x pour X N(0,1 P(X! x x x , , , , , , , , , , /2012 Master cohabilité Nice-Toulon 6/6 IUFM Célestin Freinet
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 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 détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en 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 détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en 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 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 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 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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en 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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en 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 détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en 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 détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en 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 détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en 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 détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailEI - EXERCICES DE PROBABILITES CORRIGES
EI 1 EI - EXERCICES DE PROBABILITES CORRIGES Notations 1 Les coefficients du binôme sont notés ( n p 2 Un arrangement de n objets pris p à p est noté A p n 3 Si A est un ensemble fini, on notera A ou card
Plus en 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 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 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 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 détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailIntroduction au Calcul des Probabilités
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en 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 détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en 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 détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailProbabilités. 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 détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en 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 détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en 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 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 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 détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en 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 détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailFonctions 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 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 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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en 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 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 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 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 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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en 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 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 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 détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailLa maison Ecole d ' Amortissement d un emprunt Classe de terminale ES. Ce qui est demandé. Les étapes du travail
La maison Ecole d ' Amortissement d un emprunt Classe de terminale ES Suites géométriques, fonction exponentielle Copyright c 2004 J.- M. Boucart GNU Free Documentation Licence L objectif de cet exercice
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en 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 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 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 détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en 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 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 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 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 détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
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 détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détailmathématiques mathématiques mathématiques mathématiques
mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
Plus en 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 détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détail