TD Modélisation Statistique

Dimension: px
Commencer à balayer dès la page:

Download "TD Modélisation Statistique"

Transcription

1 Licece 3 Mathématiques TD Modélisatio Statistique Ex 1. Soit X ue variable aléatoire réelle de desité f cotiue et de foctio répartitio F. 1. Calculer la foctio de répartitio de Y = αx + β pour α, β R, et celle de Z = e X. E déduire leurs desités (pour α Retrouver les desités de Y et Z e utilisat la formule du chagemet de variable. Ex 2. Soiet Y 1 et Y 2 deux variables aléatoires réelles de desités respectives f 1 et f 2 cotiues, et X ue variable de Beroulli de paramètre p idépedate de Y 1 et Y 2. Détermier la desité de la variable aléatoire Y = Y 1 X + Y 2 (1 X. Ex 3. U vecteur Gaussia stadard (X, Y de R 2 est u vecteur aléatoire de desité f(x, y = 1 2π exp ( x2 + y 2, x, y R O cosidère les coordoées polaires e posat X = R cos(t et Y = R si(t avec R 0 et T [0, 2π[. Motrer que les variables aléatoires R et T sot idépedates et préciser leurs s. 2. Soit (U, V u couple de variables aléatoires idépedates uiformes sur [0, 1]. Déduire de la questio précédete que le couple ( (X, Y = 2 l(u cos(2πv, 2 l(u si(2πv, est u vecteur Gaussie stadard de R 2. Ex 4. Soit X N (0, 1, o rappelle que la foctio caractéristique de X est doée par ϕ X (t = exp( t 2 /2, t R. 1. Calculer la foctio caractéristique d'u vecteur Gaussie stadard X = (X 1,..., X k. 2. E déduire la foctio caractéristique d'u vecteur Gaussie quelcoque Y N (m, Σ. O pourra utiliser que Y = m + Σ 1/2 X. Ex 5. Motrer qu'il existe u vecteur Gaussie X = (X 1, X 2, X 3 qui vérie: 1. Quelle est la de X 1 X 2 + 2X 3? 1 i < j 3, E(X i = 0, E(X 2 i = 1, E(X i X j = 1/2. 2. Trouver a R tel que X 1 + ax 2 et X 1 X 2 soiet idépedates. 3. X admet-il ue desité? si oui laquelle? Ex 6. Soit X N (0, 1 et Y ue v.a. idépedate de X telle que P(Y = 1 = P(Y = 1 = 1/2. O pose Z = XY. 1. Quelle est la de Z? 2. Quelle est la de X + Z? E déduire que (X, Z 'est pas u vecteur Gaussie. 1

2 Ex 7. Soit X N (0, 1 et a > 0. o pose Y a := X1{ X < a} X1{ X a} 1. Motrer que Y a est ue variable aléatoire Gaussiee. 2. Motrer qu'il existe b > 0 tel que b 0 x2 e x2 /2 dx = 2π/4. 3. Calculer cov(x, Y b. Le vecteur (X, Y b est-il u vecteur Gaussie? Ex 8. Soit 1 < ρ < 1, o pose Σ = [ 1 ρ ρ 1 ]. 1. Motrer qu'il existe u vecteur Gaussie X = (X 1, X 2 cetré et de matrice de variace Σ. 2. O pose Y 1 = (X 1 + X 2 et Y 2 = (X 1 X 2. Doer la de Y = (Y 1, Y Les variables Y 1 et Y 2 sot-elles idépedates? 4. Justier que Y admet ue desité sur R 2 et la calculer. Ex 9. Soit X ue variable aléatoire réelle de desité f et de foctio répartitio F. 1. Motrer que 1{X x} ps = 1{F (X F (x}. 2. Déduire la de F (X lorsque F est cotiue. 3. Soit X 1,..., X u échatillo iid de même que X. Motrer que, si F est cotiue, la de 1 K := sup 1{X i x} F (x e déped pas de F. x R Ex 10. Soit U ue variable aléatoire de uiforme sur ]0, 1[. 1. Détermier la de Y = log(u et Z = ta ( π(u π/2. 2. Motrer das le cas gééral que, pour F ue foctio de répartitio, la variable aléatoire a pour foctio de répartitio F. X := F (U = if{x R : F (x U} Ex 11. Soit X 1,..., X u échatillo de variables aléatoires réelles iid de foctio de répartitio F. 1. Rappeler la déitio de la foctio de répartitio empirique F. 2. Soit x R, quelle est la de F (x? 3. Soiet x, y deux réels, calculer la covariace cov(f (x, F (y. 4. E utilisat le théorème cetral limite vectoriel, doer la asymptotique de ( F (x F (x. F (y F (y Ex 12. f. O observe réalisatios x 1,..., x d'u échatillo de variables aléatoires réelles iid de desité 1. Rappeler l'expressio de l'estimateur à oyaux f de f obteu avec le oyau Gaussie et la feêtre h > 0. K(s = 1 ( exp s2, s R, 2π 2 2

3 2. Calculer R xf (xdx. Que représete cette itégrale. 3. Soit Y ue variable aléatoire de uiforme sur {x 1,..., x } et ɛ ue variable aléatoire idépedate de Y de N (0, h 2. Calculer la desité de Z := Y + ɛ. Commeter. 4. Proposer ue méthode pour simuler ue variable aléatoire dot la desité est l'histogramme mobile g (x = 1 2h 1{x i ]x h, x + h]}. Ex 13. Soit X ue variable aléatoire de foctio de répartitio F quelcoque. 1. Rappeler la déitio d'u quatile d'ordre α ]0, 1[. 2. Motrer que F (α est bie u quatile d'ordre α. 3. Doer u exemple de foctio de répartitio pour laquelle la médiae q 0.5 'est pas uique. 4. Doer u exemple pour lequel le premier quartile q 0.25 vérie simultaémet les iégalités strictes P(X q 0.25 > 0.25 et P(X q 0.25 > Ex 14. Soit X 1,..., X u échatillo de variables aléatoires réelles iid de foctio de répartitio F et de desité f. O cosidère les variables ordoées X (1... X (. 1. Calculer la foctio de répartitio de X (, puis celle de X (1. 2. Motrer que si f est à support compact [a, b], alors X (1 et X ( coverget e probabilité vers a et b respectivemet quad. 3. Motrer que presque sûremet, X (1 <... < X (. 4. Soiet a 1,..., a des réels diérets, motrer que pour ɛ > 0 susammet petit ( P {a i < X (i a i + ɛ} = 0 si les a i e sot pas ordoées das l'ordre croissat. 5. Soit S l'esemble des permutatios de {1,..., }, motrer que si a 1 <... < a, alors pour ɛ suisammet petit, ( P {a i < X (i a i + ɛ} = ( P σ S {a i < X σ(i a i + ɛ}. 6. E déduire la desité f X(1,...,X ( du -uplet (X (1,..., X ( par la formule 1 f X(1,...,X ( (a 1,..., a = lim ɛ 0 + ɛ P( X (1 ]a 1, a 1 + ɛ],..., X ( ]a, a + ɛ]. Ex 15. Soit U 1,..., U u échatillo de variables aléatoires iid de uiforme sur ]0, 1[. O s'itéresse au comportemet asymptotique du quatile empirique d'ordre α ]0, 1[, U ( α. 1. Calculer la desité de la k-ième statistique d'ordre U (k. 2. Soit X 1,..., X +1 des variables aléatoires idépedates de expoetielle de paramètre 1, motrer que pour tout k = 1,..., + 1, S k = k X i suit ue Gamma Γ(k, 1 de desité γ k (x = 3. Motrer que S k /S +1 a même que U (k. xk 1 (k 1! e x, x > 0. 3

4 4. Détermier la limite e de ( S α α / α. 5. E remarquat que α ( α lim = α et lim α = 0, motrer d'après la questio précédete que ( S α α N (0, α et ( S+1 S α (1 α N (0, 1 α. 6. E déduire que puis que (α S +1 S α (1 α S α N ( 0, α(1 α, Y := ( α S +1 S ( α (1 α S N α 0, 1 α α. 7. E remarquat que U ( α = α/(1+y / (cf. questio 3, motrer qu'il existe ξ compris etre 0 et Y / tel que α Y U ( α = α (1 + ξ E coclure que Z := ( U ( α α N (0, α(1 α. 9. Soit F ue foctio de répartitio. Justier que F (U ( α a même que la statistique d'ordre X ( α d'u échatillo iid X 1,..., X ayat pour foctio de répartitio F. 10. O suppose maiteat que F admet u uique quatile d'ordre α, oté q α, et que F est strictemet croissate et cotiuemet diéretiable sur u voisiage de q α. Motrer que ( ( X( α q α N α(1 α 0, F (q α 2. Ex 16. Soiet X et Y deux variables aléatoires o costates de carré itégrable. 1. Rappeler la déitio de cov(x, Y et cor(x, Y. 2. Motrer que pour tout α, β R, cov(αx + β, Y = α cov(x, Y. 3. Calculer cor(αx + β, Y e foctio de cor(x, Y pour α 0. Ex 17. O cosidère deux échatillos de variables (X 1,..., X et (Y 1,..., Y. O ote (R 1,..., R (resp. (S 1,..., S les rags des variables X i (resp. Y i das chaque échatillo. O suppose que les X i et les Y i sot tous diérets, de telle sorte que les rags vot de 1 à. O rappelle que le coeciet de corrélatio de Spearma γ etre les échatillos (X 1,..., X et (Y 1,..., Y correspod à la corrélatio liéaire etre leurs rags. 1. Doer la formule déissat γ. 2. Motrer que la moyee empirique de l'échatillo (R 1,..., R vaut ( + 1/2 et que sa variace empirique vaut ( 2 1/ E déduire que γ = 12 ( 2 1 R i S i Soit D i = R i S i. Motrer que 12 R is i = ( + 1( D2 i. 5. E déduire que γ = 1 6 D2 i (

5 Ex 18. Soit (X, Y u couple de variables aléatoires de variaces ies. 1. Rappeler la déitio de la meilleure approximatio liéaire L(Y X = a X + b. 2. Motrer que E(aX + b = E(Y et cov(y (ax + b, X = 0 si et seulemet si (a, b = (a, b. Ex 19. Soit (X 1, Y 1,..., (X, Y des réalisatios idépedates d'u couple de variables aléatoires (X, Y o costates et de variaces ies. 1. Doer la déitio de la droite des moidres carrés y = a x + b et rappeler les valeurs de a et b. 2. Motrer que a et b coverget presque sûremet e précisat leurs limites. Ex 20. Soit (X i, Y i, i = 1,..., ( 2 des réalisatios idépedates d'u vecteur aléatoire (X, Y. O suppose que Y = a X + b + ɛ où ɛ est cetré et idépedat de X et o ote Y 1 X 1 1 Y =. R et W =.. R 2. Y X 1 1. Ecrire sous forme matricielle la relatio: i = 1,...,, Y i = a X i + b + ɛ i, e posat θ = (a, b. 2. O suppose maiteat que X a pour desité f X. Motrer que W W est presque sûremet iversible. 3. Doer ue expressio matricielle du miimiseur ˆθ de θ Y Wθ 2 = (Y Wθ (Y Wθ, θ R Exprimer les valeurs ˆθ 1 et ˆθ 2 e foctio de X, Y, ˆσ(X, Y etc... Ex 21. O déit la variace coditioelle par var(y X = E(Y 2 X E(Y X 2. Motrer l'égalité var(y = var ( E(Y X + E ( var(y X. Ex 22. Soit X et ɛ deux variables aléatoires idépedates de variaces ies. O déit Y = g(x + ɛ où g est ue foctio cotiue borée. 1. O suppose que E(ɛ = 0, motrer que E(Y X = g(x. 2. Que vaut E(Y X si E(ɛ = m 0? Ex 23. avec ρ ] 1, 1[. Soit (X, Y u couple de variables aléatoires de desité joite 1 ρ 2 ( f XY (x, y = exp 1 x 2π 2( 2 + y 2 + 2ρxy, x, y R, 1. Motrer que f XY est ue desité (poser (u, v = ( 1 ρ 2 x, y + ρx, puis passer e coordoées polaires. 2. Justier que E X k < pour tout k N. Calculer E(X et var(x. 3. Doer ue coditio écessaire et susate pour que X et Y soiet idépedates. 4. Calculer l'espérace coditioelle φ (x = E(Y X = x. Commeter. 5

6 Ex 24. Soit (X 1, Y 1,..., (X, Y des réalisatios idépedates d'u couple de variables aléatoires (X, Y de desité joite f XY cotiue et de desités margiales f X et f Y. O suppose que f X (x > 0 pour tout x R. 1. Soit ɛ > 0, exprimer P ( X x ɛ sous la forme d'ue itégrale, puis e foctio de F X, la foctio de répartitio de X. Justier que P ( X x ɛ > Proposer u estimateur de P ( X x ɛ. 3. Proposer u estimateur de E ( Y 1{ X x ɛ}. 4. Soit A u évéemet de probabilité strictemet positive. Rappeler la formule de E(Y A. 5. E déduire u estimateur de E(Y X x ɛ. Motrer qu'il correspod à u estimateur de Nadaraya-Watso particulier, e précisat les valeurs du oyau et de la feêtre. 6. Calculer lim ɛ 0 E(Y X x ɛ. Commeter. Ex 25. Pour calibrer u radar, o relève les erreurs de mesure sur 70 essais. La moyee des erreurs vaut 0, 27 et l'écart-type Proposer u moye de tester au iveau α = 0.05 asymptotiquemet si les erreurs de mesure sot cetrées. 2. Commet est calculée la p-value du test? Ex 26. O eectue 100 lacés de dé et o obtiet les résultats suivat Proposer u moye de tester au iveau α = 0.05 si le dé est pipé. 2. Commet est calculée la p-value du test? Ex 27. Soiet X, Y deux variables aléatoires idépedates de de Poisso de paramètre Calculer la de X sachat X + Y = pour Proposer ue méthode pour tester expérimetalemet ce résultat pour = 4. Ex 28. Soit X 1,..., X u échatillo. 1. Rappeler la déitio de la statistique de Spearma S utilisée pour le test H 0 : "les X i sot idépedats" cotre H 1 : "les X i sot stochastiquemet croissats". 2. Doer ue autre expressio de la statistique e utilisat l'exercice 17. Commeter. Ex 29. Soit (X, Y u couple de variables aléatoires cotiues de desité f XY sur R 2 et tel que X est stochastiquemet supérieure à Y. 1. Exprimer les foctios de répartitio F X et F Y e foctio de la desité joite f XY. Quelle iégalité ces foctios vériet-elles? 2. Motrer que si X et Y sot idépedates alors P(Y X Motrer (sas supposer l'idépedace que pour tout z R, E déduire que P(X Y F Y F X. P(Y z P(Y X 0 + P(X z. 6

7 Ex 30. Soit X 1,..., X des variables aléatoires iid. Motrer que les suites suivates sot stochastiquemet croissates: 1. S i = i j=1 X2 j, i = 1,..., 2. Y i = X i + log(i, i = 1,..., 3. Z i = ixi 2, i = 1,...,. Ex 31. Soit X 1,..., X des variables aléatoires iid de desité f. Le tau de Kedall est déi par τ = 1 4 ( 1 j=i+1 1{X i < X j } Motrer que les X i sot presque sûremet tous diérets et rappeler la déitio des rags R i de l'échatillo das ce cas. 2. Exprimer la statistique τ e foctio de R 1,..., R. 3. Doer la du vecteur R = (R 1,..., R. E déduire que la de τ e déped pas de f. 7

TD10. Loi des grands nombres, théorème central limite.

TD10. Loi des grands nombres, théorème central limite. Uiversité Pierre & Marie Curie Licece de Mathématiques L3 UE LM345 Probabilités élémetaires Aée 2014 15 TD10. Loi des grads ombres, théorème cetral limite. 1. Soit (U ) 1 ue suite de variables aléatoires

Plus en détail

Convergence en loi. Théorème de la limite centrale.

Convergence en loi. Théorème de la limite centrale. Uiversité Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 10 (semaie du 2 au 6 décembre 2013 Covergece e loi. Théorème de la limite cetrale. Covergece e loi 1. Soiet (X N ue

Plus en détail

Variables aléatoires : loi et espérance (suite).

Variables aléatoires : loi et espérance (suite). Uiversité Pierre et Marie Curie 2-2 Probabilités et statistiques - LM345 Feuille 5 Variables aléatoires : loi et espérace (suite).. Soit X ue variable aléatoire. Détermier pour quelles valeurs de λ R la

Plus en détail

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015 Uiversité Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Aée 2014-15 Exame du 13 mai 2015 Le sujet comporte 2 pages. L épreuve dure 2 heures. Les documets, calculatrices et téléphoes

Plus en détail

Divers exercices de probabilité

Divers exercices de probabilité Divers exercices de probabilité Traiter e priorité les quatre premiers exercices de chaque sectio. 1 Probabilité Exercice 1.1 Mo voisi a deux efats. 1- Le plus jeue est ue fille, quelle est la probabilité

Plus en détail

Préparation au Capes de Mathématiques Probabilités - Problème sur les médianes - Correction

Préparation au Capes de Mathématiques Probabilités - Problème sur les médianes - Correction Préparatio au Capes de Mathématiques Probabilités - Problème sur les médiaes - Correctio Prélimiaires Soit X ue v.a.r. de type 1 et F sa f.d.r.. O pose, pour tout de Z, p = P (X = ) et P = k p. O a : Z

Plus en détail

Introduction aux théorèmes limites et aux intervalles de confiance

Introduction aux théorèmes limites et aux intervalles de confiance Chapitre 5 Itroductio aux théorèmes limites et aux itervalles de cofiace Objectifs du chapitre. Savoir approcher ue loi biomiale par ue loi de Poisso ou ue loi ormale. 2. Savoir approcher ue loi e appliquat

Plus en détail

Suites de variables aléatoires.

Suites de variables aléatoires. Uiversité Pierre et Marie Curie 200-20 Probabilités et statistiques - LM345 Feuille 8 Suites de variables aléatoires.. Soit Ω, F, P u espace de probabilités. Détermier pour chacue des covergeces suivates

Plus en détail

TD1 - Suites numériques

TD1 - Suites numériques IUFM du Limousi 2008-09 PLC1 Mathématiques S. Viatier Exercices TD1 - Suites umériques Exercice 1 Soit α > 0, étudier la covergece des suites déies par u = ( ) 1 + si α, v = 3 + cos α ( ) 1 + α. 3 + Idicatio

Plus en détail

MAP 311: Aléatoire PC 8 Marc Lelarge 20 juin 2016

MAP 311: Aléatoire PC 8 Marc Lelarge 20 juin 2016 MAP 3: Aléatoire PC 8 Marc Lelarge 0 jui 06 Exercice Soit (X ) ue suite de v.a. idépedates et de même loi. itégrable, de moyee m et de variace σ > 0. O défiit: O suppose que X est de carré ˆm = X + + X,

Plus en détail

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Mardi 3 mai : 14 h - 18 h. Les calculatrices sont interdites

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Mardi 3 mai : 14 h - 18 h. Les calculatrices sont interdites SESSION 216 PCMA2 EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES Mardi 3 mai : 14 h - 18 h N.B. : le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio de la rédactio.

Plus en détail

Chapitre 6 Théorèmes de convergence

Chapitre 6 Théorèmes de convergence Chapitre 6 Théorèmes de covergece 1. La covergece e loi O a déjà recotré ue covergece e loi lors de l approximatio d ue loi biomiale par ue loi de Poisso. Ce problème se place das u cadre plus gééral où

Plus en détail

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques CHAPITRE 2 : Estimatio o-paramétrique 1. Estimateurs empiriques Soit u échatillo i.i.d. de durées T i i1,..., de foctio de survie S Défiitio: L estimateur empirique de la foctio de survie est S x 1 i1

Plus en détail

x + (2 α) y = 0 3 L donc P

x + (2 α) y = 0 3 L donc P 1 Corrigé ESC 009 par Pierre Veuillez Exercice 1 O cosidère les matrices A, B, D, P, E de M (R) suivates : ( ) 5 1 4 ( ) A B 3 3 1 3 0 7 D P 3 3 ( ) { x (1 α) x y 0 1) a: (A αi) 0 y x + ( α) y 0 ( 1 )

Plus en détail

Covariance et ajustement affine par la méthode des moindres carrés

Covariance et ajustement affine par la méthode des moindres carrés Uiversité de Poitiers - 205-206 A. Moreau Algèbre - Géométrie M MEEF Covariace et ajustemet affie par la méthode des moidres carrés Das tout le documet, la lettre désige u etier aturel o ul. Les deux parties

Plus en détail

Lycée secondaire Série D exercices Prof : Selmi.Ali Mareth Thème : Suites réelles 4 ième Math. ; 9) U n = 2! ! U n.

Lycée secondaire Série D exercices Prof : Selmi.Ali Mareth Thème : Suites réelles 4 ième Math. ; 9) U n = 2! ! U n. Lycée secodaire Série D exercices Prof : Selmi.Ali Mareth Thème : Suites réelles 4 ième Math Exercice Das chacu des cas suivats, calculer la limite de la suite ( U ) lorsque + ) U = 3 + ; ) U = si π =

Plus en détail

Exercices sur le chapitre «Variables aléatoires»

Exercices sur le chapitre «Variables aléatoires» Araud de Sait Julie - MPSI Lycée La Merci 2015-2016 1 Pour démarrer Exercices sur le chapitre «Variables aléatoires» Exercice 1 (Recostitutio de paires) O fixe deux etiers aturels 1 r. U placard cotiet

Plus en détail

Z = 1 4i. z = On multiplie par le conjugué du dénominateur S = 5. = b + i. z 2 = z 1. 2 = 3 i 2. = 6 + 2i 4. { 3 + i. 2 ; 3 i }

Z = 1 4i. z = On multiplie par le conjugué du dénominateur S = 5. = b + i. z 2 = z 1. 2 = 3 i 2. = 6 + 2i 4. { 3 + i. 2 ; 3 i } Nom :........................ DS Préom :..................... Devoir o 7 Mars 6.../... Le soi et la rédactio serot pris e compte das la otatio. Faites des phrases claires et précises. Le barème est approximatif.

Plus en détail

Plan du cours. Rappels de probabilité. Axiomes des probabilités. Définition de la probabilité

Plan du cours. Rappels de probabilité. Axiomes des probabilités. Définition de la probabilité Pla du cours Rappels de probabilité Défiitios Axiomes Variable aléatoire Foctio de répartitio Momets R. Flamary, R. Herault, A. Rakotomamojy 9 octobre 4 Exemples de lois Loi uiforme Loi ormale Loi uiforme

Plus en détail

Feuille d Exercices : Suites, suite!

Feuille d Exercices : Suites, suite! ECS 1 Dupuy de Lôme Semaie du 6 décembre 004 Feuille d Exercices : Suites, suite! Exercice 1 : Pour tout etier, o défiit u = 1. Motrez que u est mootoe.. Motrez que v est géométrique. k= 3. E déduire l

Plus en détail

SÉRIES DE FONCTIONS SUITES ET PC*2. 13 octobre octobre octobre 2004

SÉRIES DE FONCTIONS SUITES ET PC*2. 13 octobre octobre octobre 2004 3 octobre 2004 Exemple 2. O se doe a I et q C(I, K). L équatio différetielle liéaire : y (x) q(x) y(x) = 0 avec les coditios y(a) = α, y (a) = β SUITES ET SÉRIES DE FONCTIONS PC*2 3 octobre 2004 Admet

Plus en détail

Convergences et approximations

Convergences et approximations Covergeces et approximatios Probabilités : Chapitre 5 Das tout ce chapitre, les démostratios serot faites das le cas des variables discrètes et des variables à desité. I Iégalité de Bieaymé-Tchebychev

Plus en détail

Autour de la loi de Poisson

Autour de la loi de Poisson Agrégatio Itere de Mathématiques Thierry Champio séace du 25 ovembre 2016 Autour de la loi de Poisso Notatios - Itroductio Das tout ce problème, (Ω, T, P) est u espace probabilisé. Toutes les variables

Plus en détail

est la fréquence empirique des succès lors des 10 premières expériences.

est la fréquence empirique des succès lors des 10 premières expériences. Pierre Veuillez Statistiques iféretielle Sources, et pour e savoir plus : http://www.math-ifo.uiv-paris5.fr/smel 1 Problématique : Exemple ue ure cotiet des boules rouges et blaches dot o e coaît pas la

Plus en détail

TS Devoir Commun de Mathématiques N 3 Lundi17/11/2014

TS Devoir Commun de Mathématiques N 3 Lundi17/11/2014 TS Devoir Commu de Mathématiques N Ludi7//04 La présetatio, la rédactio et la rigueur des résultats etrerot pour ue part sigificative das l évaluatio de la copie Le sujet est composé de 4 eercices idépedats

Plus en détail

Texte Filtre de Kalman-Bucy

Texte Filtre de Kalman-Bucy Page 1. Texte Filtre de Kalma-Bucy 1 e modèle U avio se déplace etre Paris et odres. Il suit ue trajectoire théorique appelée trajectoire omiale dot les coordoées sot coues de tous. a trajectoire de l

Plus en détail

LES MOINDRES CARRÉS. Table des matières. 1. Justification de la méthode des moindres carrés

LES MOINDRES CARRÉS. Table des matières. 1. Justification de la méthode des moindres carrés LES MOINDRES CARRÉS OLIVIER CASTÉRA Résumé. La méthode des moidres carrés repose sur u fodemet probabiliste sérieux. Table des matières 1. Justificatio de la méthode des moidres carrés 1 2. Caractéristiques

Plus en détail

TD n o 1 : suites numériques

TD n o 1 : suites numériques MAT232 : séries et itégrales gééralisées Uiversité Joseph Fourier 23-24 Greoble TD o : suites umériques Rappel importat : il existe u cours de L e lige, ititulé M@ths e Lge, à l adresse : http://ljk.imag.fr/membres/berard.ycart/mel/

Plus en détail

E i, alors P (E) = lim. i=1 P (E i ) i=1 P (B i )P (A B i ) P (A T ) = n. a f X(x)dx (cas continu)]. d k dt k X (t) t=0

E i, alors P (E) = lim. i=1 P (E i ) i=1 P (B i )P (A B i ) P (A T ) = n. a f X(x)dx (cas continu)]. d k dt k X (t) t=0 Formulaire Probabilités et statistique NE RIEN ECRIRE SUR CES FEUILLES SVP p. Calcul de probabilités. Axiomes (a) Positivité: P (E) 0, (b) Normalisatio: P (Ω) =, (c) Addivité: Si E F = Ø, alors P (E F

Plus en détail

Quelques notions élementaires de probabilités et statistiques

Quelques notions élementaires de probabilités et statistiques Chapitre 6 Quelques otios élemetaires de probabilités et statistiques 6.1 Probabilités U uivers Ω est u esemble modélisat les réalisatios possibles d ue expériece. U esemble A P(Ω) modélise la otio d évéemet

Plus en détail

Éléments de correction de la feuille d exercices # 3

Éléments de correction de la feuille d exercices # 3 Uiversité de Rees L SVE Probabilités et statistiques aée 25-26 Élémets de correctio de la feuille d exercices # 3 Exercice Exemple de loi discrète Soit X ue variable aléatoire discrète preat les valeurs

Plus en détail

CONVERGENCE ET APPROXIMATION

CONVERGENCE ET APPROXIMATION 11-2- 2010 J.F.C. Cov. p. 1 CONVERGENCE ET APPROXIMATION I CONVERGENCE EN PROBABILITÉ 1. Défiitio 2. Ue coditio suffisate de covergece e probabilité 3. La loi faible des grads ombres 4. Ue coséquece de

Plus en détail

CONCOURS BLANC 1 SCI 2

CONCOURS BLANC 1 SCI 2 CONCOURS BLANC SCI Durée : 4 heures Aucu istrumet de calcul est autorisé Aucu documet est autorisé Les étudiats sot ivités à soiger la présetatio de leur copie EXERCICE : CCP 05 CCP : cocours commus polytechiques

Plus en détail

Estimation paramétrique

Estimation paramétrique Retour au pla du cours Soit Ω, A, P u espace probabilisé et X ue v.a. de Ω, A das E, E. La doée d u modèle statistique c est la doée d ue famille de probabilités sur E, E, {P θ, θ Θ}. Le modèle état doé,

Plus en détail

Compléments sur les suites Suites adjacentes

Compléments sur les suites Suites adjacentes DERNIÈRE IMPRESSION LE 7 février 07 à 6:3 Complémets sur les suites Suites adjacetes I Ecadremet d ue suite EXERCICE ) Motrer que pour tout k N et pour tout x [k ; k+], o a : k+ k+ k x dx k ) O pose u

Plus en détail

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1 IUT HSE Itroductio aux probabilités et statistiques Variables aléatoires Philippe Jamig Istitut Mathématique de Bordeaux PhilippeJamig@gmailcom http://wwwmathu-bordeaux1fr/ pjamig/ X variable aléatoire

Plus en détail

Corrigé : EM Lyon 2005

Corrigé : EM Lyon 2005 Corrigé : EM Lyo 5 Optio écoomique Eercice :. Par défiitio de E, la famille (I,J,K) est ue famille géératrice de E. Cette famille est-elle libre? O cherche tous les réels a, b et c tels que : ai +bj +ck

Plus en détail

Séries entières. Préparation au Capes de Mathématiques

Séries entières. Préparation au Capes de Mathématiques Séries etières Préparatio au Capes de Mathématiques I - Covergece des séries etières Notatios Pour tout élémet r de R +, o ote D r = fz 2 C / jzj < rg et D r = fz 2 C / jzj rg Déitio 1 O appelle série

Plus en détail

Lois normales et autres lois dérivées

Lois normales et autres lois dérivées Lois ormales et autres lois dérivées - Lois ormales a) - Défiitio O dit qu'ue variable aléatoire réelle X suit la loi ormale (ou gaussiee) de paramètres et, otée N ( ; ), si elle admet pour desité la foctio

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable. k n) X k (1 X) n k.

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable. k n) X k (1 X) n k. Exo7 Suites et séries de foctios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable

Plus en détail

Séance 2 : Estimateurs convergents, non biaisés et exhaustifs.

Séance 2 : Estimateurs convergents, non biaisés et exhaustifs. Exercice Séace 2 : Estimateurs covergets, o biaisés et exhaustifs. Soiet les variables aléatoires X i i =,..., i.i.d. Motrez que S 2 = X i X 2 est u estimateur o biaisé de σ 2, où σ 2 = V ar[x ]. O utilise

Plus en détail

Correction de l exercice 1

Correction de l exercice 1 IUT Orsa Iformatique S3 Correctio de l exercice. Ω est l esemble des résultats possibles de l experiece aléatoire lacer u dé à faces : Ω {,, 3,,, }, et Ω.. Si k Ω sort, le gai du jeu est k euros. Doc la

Plus en détail

Épreuve écrite d analyse et probabilités

Épreuve écrite d analyse et probabilités Épreuve écrite d aalyse et probabilités Notatios et défiitios Le problème traite de certaies propriétés cocerat les racies de polyômes dot les coefficiets sot aléatoires. Das tout le problème, l espace

Plus en détail

Exercice 2 (Séries de fonctions - 7 points)

Exercice 2 (Séries de fonctions - 7 points) INSA Toulouse, STPI, IMACS 2 mercredi 18 décembre 212 Correctio exame d'aalyse I (coquilles probables) Exercice 1 (Séries etières - 5 poits) Calculer le rayo de covergece et le domaie de covergece simple

Plus en détail

Vendredi 20 octobre CONTRÔLE DE MATHEMATIQUES N 2 Classe de TERM 07. En salle 206, deux heures de 8 h à 10 h : LES SUITES et PROBABILITES.

Vendredi 20 octobre CONTRÔLE DE MATHEMATIQUES N 2 Classe de TERM 07. En salle 206, deux heures de 8 h à 10 h : LES SUITES et PROBABILITES. Vedredi 0 octobre 07. CONTRÔLE DE MATHEMATIQUES N Classe de TERM 07. E salle 06, deux heures de 8 h à 0 h : LES SUITES et PROBABILITES. La première feuille de ce devoir doit être ue feuille double. Lisez

Plus en détail

Probabilités : programme pour le concours EDHEC AST1

Probabilités : programme pour le concours EDHEC AST1 : programme pour le cocours EDHEC AST1 1 Espaces de probabilité Défiitio. O fixe u esemble Ω qui sera esuite appelé l uivers. O appelle tribu, ou σ-algèbre sur Ω tout esemble F de parties de Ω (aisi F

Plus en détail

D- Convergence de variables aléatoires

D- Convergence de variables aléatoires D-1 Notatios O cosidère ( ) N (évetuellemet (Y ) N ) ue suite de variables aléatoires défiies sur l espace probabilisé (Ω, A, ) et X (évetuellemet Y ) ue variable aléatoire défiie sur le même espace. O

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice 1 - Loi d u dé truqué - Deuxième aée - 1. X pred ses valeurs das {1,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque

Plus en détail

Correction Exercices Chapitre 08 - Couples de variables aléatoires réelles discrètes

Correction Exercices Chapitre 08 - Couples de variables aléatoires réelles discrètes 08. O dispose de boîtes umérotées de à. La boîte k cotiet k boules umérotées de à k. O choisit au hasard ue boîte, puis ue boule das cette boîte. Soit X le uméro de la boîte et Y le uméro de la boule..

Plus en détail

Master 1 Métiers de l Enseignement, Mathématiques - ULCO, La Mi-Voix, 2012/2013

Master 1 Métiers de l Enseignement, Mathématiques - ULCO, La Mi-Voix, 2012/2013 Master Métiers de l Eseigemet, Mathématiques - ULCO, La Mi-Voix, 202/203 ANALYSE 2 Fiche de Mathématiques 4 - Séries umériques Soit E u espace vectoriel sur le corps K = R ou C Pour toute famille fiie

Plus en détail

1 Variables aléatoires

1 Variables aléatoires Variables aléatoires E[X] = + xf X (x)dx E[g(X)] = + g(x)f X (x)dx V ar(x) = E[X ] E[X] Cov(X, X ) = E[X X ] E[X ]E[X ] V ar(ax + b) = a V ar(x) V ar(x ± X ) = V ar(x ) + V ar(x ) ± Cov(X, X ) Iégalité

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. u k

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. u k SÉRIES NUMÉRIQUES K désige le corps R ou C. Gééralités. Défiitios Défiitio. Série Soit (u ) 0 ue suite umérique (i.e. à valeurs das K). O appelle série de terme gééral u la suite (S ) 0 où 0, S = u k Cette

Plus en détail

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple.

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple. Théorie des tests : Rappel très simplifié sur u exemple. Aexe I Test de l efficacité d u remède sur des malades atteit d u rhume. p 0 : probabilité de guérir das les huit jours avec u placebo p 1 : probabilité

Plus en détail

APPLICATIONS LINEAIRES Exercices

APPLICATIONS LINEAIRES Exercices EXERCICE : APPLICATIONS LINEAIRES Exercices ) Motrer que l applicatio f : f : est liéaire x, y, z x z, y z ) Soit ue matrice AM et soit f l applicatio qui à toute matrice X M associe la matrice Y défiie

Plus en détail

1. Après avoir décomposé la fraction rationnelle, décider, en utilisant la dénition de la. convergence d'une série numérique, si la série

1. Après avoir décomposé la fraction rationnelle, décider, en utilisant la dénition de la. convergence d'une série numérique, si la série Outils Mathématiques 3 PCSTM L) Aée 00/0 Uiversité de Rees UFR Mathématiques Chapitre : Séries umériques Exercice... Après avoir décomposé la fractio ratioelle, décider, e utilisat la déitio de la xx +

Plus en détail

Université Denis Diderot (Paris VII) MP 3. Quelques exercices corrigés Suites et séries numériques

Université Denis Diderot (Paris VII) MP 3. Quelques exercices corrigés Suites et séries numériques Uiversité Deis Diderot (Paris VII) 006-007 MP 3 Quelques exercices corrigés Suites et séries umériques Das les pages qui suivet ous proposos la correctios de quelques exercices de la feuille sur les suites

Plus en détail

i la moyenne empirique de X n n v =

i la moyenne empirique de X n n v = Corrigé Statistiques iféretielle par par Pierre Veuillez Itervalle de cofiace. Exercice Détermier ue valeur approchée de la loi de la moyee empirique : E X E X, V X V X doc X N E X, V X Exercices. Variace

Plus en détail

Séance 5 : Exercices récapitulatifs sur l estimation ponctuelle

Séance 5 : Exercices récapitulatifs sur l estimation ponctuelle Math-F-207 Corrigé Séace 5 Exercice 1 Séace 5 : Exercices récapitulatifs sur l estimatio poctuelle Les élémets d ue populatio possèdet u caractère X qui suit ue loi de desité f (x e x2 /2 2π où > 0. Pour

Plus en détail

TD 2 : Suites numériques réelles

TD 2 : Suites numériques réelles Uiversité Paris-Est Mare-la-Vallée Licece L Maths/Ifo d semestre 0/0 Aalyse TD : Suites umériques réelles Exercice Cours) Motrer que si ue suite réelle u ) N coverge, alors toute sous-suite de u ) coverge

Plus en détail

ESTIMATION Exercices

ESTIMATION Exercices ESTIMATION Exercices EERCICE : Les variables aléatoires cosidérées das cet exercice sot défiies sur u espace probabilisable, AP, Soit a u réel strictemet positif et ue variable aléatoire de loi uiforme

Plus en détail

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 1

CONCOURS COMMUN POLYTECHNIQUE (ENSI) FILIERE MP MATHEMATIQUES 1 SESSION 22 CONCOURS COMMUN POLYTECHNIQUE ENSI FILIERE MP MATHEMATIQUES EXERCICE : ormes équivaletes. Soit f E. f est de classe C sur [,]. Doc la foctio f est cotiue sur le segmet [,] et par suite la foctio

Plus en détail

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations Pla du cours 2 RFIDEC cours 2 : Échatillos, estimatios poctuelles Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Lois des grads ombres 2 Théorème cetral-limite 3 Estimatio poctuelle à partir d échatillos

Plus en détail

Semaine septembre

Semaine septembre B - 205-206 Programmes de Khôlles Semaie 2-28 septembre Logique et esembles Quatificateurs, absurde, cotraposée Esembles, sous-esembles, P(E), relatios esemblistes. Nombres Récurrece : simple, double,

Plus en détail

( 2) e x. x + d x. Donner une interprétation graphique de cette intégrale.

( 2) e x. x + d x. Donner une interprétation graphique de cette intégrale. EXERCICE : (6 poits) Commu à tous les cadidats Les deux parties de cet exercice sot idépedates. Partie A O cosidère l équatio différetielle (E) : y ' + y e x. ) Motrer que la foctio u défiie sur l esemble

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

Partie I - Suites et intégrales

Partie I - Suites et intégrales SESSION 16 Cocours commu Cetrale MATHÉMATIQUES. FILIERE MP I.A - Étude d ue itégrale à paramètres Partie I - Suites et itégrales I.A - 1 Soit φ : [, + [ ], + [ R de sorte que pour tout réel x, fx = Φx,t.

Plus en détail

Cours de Mathématiques : Polynômes et Suites

Cours de Mathématiques : Polynômes et Suites Uiversité de Cergy-Potoise Départemet de Mathématiques L MIPI - S2 205/206 Cours de Mathématiques : Polyômes et Suites - Polycopié d Exercices Chapitre : Nombres complexes Exercice a) Détermier la partie

Plus en détail

SERIES NUMERIQUES réelles ou complexes

SERIES NUMERIQUES réelles ou complexes UE7 - MA5 : Aalyse SERIES NUMERIQUES réelles ou complexes I. Gééralités Défiitio Etat doée ue suite (u ) de ombres réels ou complexes, o appelle série de terme gééral u la suite (S ) défiie par : () S

Plus en détail

Parmi les malades, il y 4 non vaccinés pour un vacciné. Quelle est la probabilité pour un non vacciné de tomber malade?

Parmi les malades, il y 4 non vaccinés pour un vacciné. Quelle est la probabilité pour un non vacciné de tomber malade? Exercice : 4 d ue populatio a été vaccié Parmi les vacciés, o compte de malades 2 Parmi les malades, il y 4 o vacciés pour u vaccié Quelle est la probabilité pour u o vaccié de tomber malade? (O otera

Plus en détail

C.1- Lois discrètes- Loi uniforme

C.1- Lois discrètes- Loi uniforme C- Lois usuelles C.1- Lois discrètes- Loi uiforme Loi d ue variable aléatoire X preat ses valeurs das {1,,} avec la même probabilité: 1 P ( X = x ) = x {1,,... } Ex : E=«lacer d u dé régulier» X=uméro

Plus en détail

Chapitre 2 : Statistique descriptive bivariée

Chapitre 2 : Statistique descriptive bivariée Biostatistiques Licece Chapitre 2 : Statistique descriptive bivariée Itroductio Deux variables X et Y mesurées sur u même échatillo : commet mesurer leur relatio? Taille de l échatillo : Doées : (x, y

Plus en détail

Variables aléatoires. Exercices

Variables aléatoires. Exercices Variables aléatoires Exercices 04-05 Les idispesables Loi d ue variable aléatoire, espérace et variace O répète idéfiimet le lacer d u dé équilibré à 6 faces Soit la variable aléatoire doat la valeur du

Plus en détail

REDUCTION DES ENDOMORPHISMES ET DES MATRICES Exercices

REDUCTION DES ENDOMORPHISMES ET DES MATRICES Exercices REDUCTION DES ENDOMORPHISMES ET DES MATRICES Exercices EXERCICE 1 : Soit E u espace vectoriel et u L(E) tel que u u +u = 0 Motrer que Sp (u) {0, 1, } EXERCICE : 1) Soit A ue matrice carrée telle que A

Plus en détail

Analyse 5 SUITES REELLES

Analyse 5 SUITES REELLES Aalyse chap 5 /6. GENERALITES SR LES SITES. Défiitios Défiitio : e suite est ue foctio, défiie sur ue partie D de. O ote () =, o lit «idice». O dit que est le terme gééral de la suite, ou terme de rag.

Plus en détail

Calcul des probabilités 2 (M-2.1)

Calcul des probabilités 2 (M-2.1) Calcul des probabilités (M-.) I. Probabilités sur u esemble fii. Défiitios Défiitio Ue expériece aléatoire est ue expériece dot il est impossible de prévoir l issue (mais o coaît toutes les issues possibles)

Plus en détail

Calculs algébriques. Équations et systèmes. Sommes. [http://mp.cpgedupuydelome.fr] édité le 17 août 2017 Enoncés 1

Calculs algébriques. Équations et systèmes. Sommes. [http://mp.cpgedupuydelome.fr] édité le 17 août 2017 Enoncés 1 [http://mpcpgedupuydelomefr] édité le 7 août 07 Eocés Calculs algébriques Équatios et systèmes Exercice [ 06 ] [Correctio] Observer que x 3 0 + 4 + 3 0 4 est solutio d'ue équatio de la forme x 3 αx + β

Plus en détail

Corrigé. D08M On dénit la suite de polynômes (T n) n N de R[X] par : BCPST2 16/12/2014 T 2 = 2XT 1 T 0 = 2X 2 1 T 3 = 2XT 2 T 1 = 4X 3 3X

Corrigé. D08M On dénit la suite de polynômes (T n) n N de R[X] par : BCPST2 16/12/2014 T 2 = 2XT 1 T 0 = 2X 2 1 T 3 = 2XT 2 T 1 = 4X 3 3X Corrigé BCPST 6//4 D8M O déit la suite de polyômes T N de RX] par : T, T X et N, T + XT + T Pour tout de N, T s'appelle le -ième polyôme de Tchebychev. Calculer les polyômes T et T 3. T XT T X T 3 XT T

Plus en détail

DS 2 Correction. (question de cours 2 points) Énoncer le théorème de Rolle. 1 n n n. lim u n = 1.

DS 2 Correction. (question de cours 2 points) Énoncer le théorème de Rolle. 1 n n n. lim u n = 1. icolas.laillet@imj-prg.fr DS 2 Aalyse Exercice 1 (questio de cours 2 poits Éocer le théorème de Rolle. Soiet a, b deux réels avec a < b, soit f ue foctio à valeurs réelles, cotiue sur [a, b] et dérivable

Plus en détail

1 Propriétés - Suites monotones

1 Propriétés - Suites monotones Uiversité d Aix-Marseille Licece de Mathématiques Semestre 06-07 Aalyse Plache - Suites umériques Propriétés - Suites mootoes Exercice Soiet les suites défiies, pour tout, par u = et v = Vérifier qu elles

Plus en détail

Exercices corrigés sur les séries entières

Exercices corrigés sur les séries entières Exercices corrigés sur les séries etières Eocés Exercice Détermier le rayo de covergece des séries etières a z suivates : a l, a l, a, a e /3, a +!, a arcsi + π 4. Exercice Détermier le rayo de covergece

Plus en détail

SUITES et SERIES DE FONCTIONS

SUITES et SERIES DE FONCTIONS UE7 - MA5 : Aalyse SUITES et SERIES DE FONCTIONS I Suites de foctios à valeurs das È ou  Etat doé u esemble E, ue suite de foctios umériques défiies sur E est la doée, pour tout etier, d'ue applicatio

Plus en détail

Intégration et probabilités ENS Paris, TD8 Formule du changement de variable Corrigé. 0 Petite question

Intégration et probabilités ENS Paris, TD8 Formule du changement de variable Corrigé. 0 Petite question Itégratio et probabilités ENS Paris, -3 TD8 Formule du chagemet de variable Corrigé Petite questio Soit µ ue mesure positive sur (,B()) et g : + ue foctio mesurable.. O suppose que pour toute foctio mesurable

Plus en détail

Annexe : Leçon 10 - Échantillonnage

Annexe : Leçon 10 - Échantillonnage Aexe : Leço 10 - Échatilloage Clémet BOULONNE pour la sessio 01 I Niveau, prérequis, référeces Niveau BTS Prérequis Probabilités, lois discrètes et cotiues Référeces [1,,, 4, 5] II Coteu de la leço 1 Approximatio

Plus en détail

Filière Sciences de Matières Physiques (SMP4) Module Mathématiques : Analyse (S4) Cours d Analyse

Filière Sciences de Matières Physiques (SMP4) Module Mathématiques : Analyse (S4) Cours d Analyse UNIVERSITÉ MOHAMMED V - AGDAL Faculté des Scieces Départemet de Mathématiques Filière Scieces de Matières Physiques (SMP4) Module Mathématiques : Aalyse (S4) Cours d Aalyse Séries umériques Suites et Série

Plus en détail

Développement en série de Fourier

Développement en série de Fourier [http://mp.cpgedupuydelome.fr] édité le septembre 6 Eocés Développemet e série de Fourier Exercice [ 95 ] [Correctio] Soit f ue foctio cotiue périodique. O suppose que la série de Fourier de f coverge

Plus en détail

Devoir de statistiques: CORRIGE

Devoir de statistiques: CORRIGE CPP - la prépa des INP ( ème aée). Bordeaux, 6/04/04. Devoir de statistiques: CORRIGE durée h Doées: O rappelle que si Z suit ue loi N (0, ), o a P(Z.96) 0, 975 et P(Z.65) 0, 95. Exercice. θ et O cosidère

Plus en détail

Etude asymptotique de suites de solutions d une équation

Etude asymptotique de suites de solutions d une équation [http://mp.cpgedupuydelome.fr] édité le 5 mai 206 Eocés Etude asymptotique de suites de solutios d ue équatio Exercice [ 02289 ] [Correctio] Soit u etier aturel et E l équatio x + l x = d icoue x R +.

Plus en détail

Chaînes de Markov jeudi 7 novembre 2013

Chaînes de Markov jeudi 7 novembre 2013 Chaîes de Markov jeudi 7 ovembre 203. Opératios sur les chaîes de Markov. Soit (X ) N et (Y N ) deux chaîes de Markov d espaces d états respectifs X et Y, et de matrices de trasitios respectives P et Q.

Plus en détail

CONCOURS COMMUN 2001

CONCOURS COMMUN 2001 CONCOURS COMMUN 2 DES ECOLES DES MINES D ALBI, ALES, DOUAI, NANTES Epreuve de Mathématiques toutes filières PARTIE A PROBLEME A Soit a R + Pour t >, g a t e a l t Quad t ted vers par valeurs supérieures

Plus en détail

Lois normales. Intervalle de fluctuation. Estimation.

Lois normales. Intervalle de fluctuation. Estimation. Lois ormales. Itervalle de fluctuatio. Estimatio.. Loi ormale cetrée réduite... p. Théorème de Moivre-Laplace... p 3. Loi ormale (µ ; σ²)... p3 Copyright meilleuremaths.com. Tous droits réserwidevec{}vés

Plus en détail

CONCOURS D ADMISSION Filière MP (Durée de l épreuve : 3 heures) (L usage d ordinateur ou de calculette est interdit).

CONCOURS D ADMISSION Filière MP (Durée de l épreuve : 3 heures) (L usage d ordinateur ou de calculette est interdit). A 2003 Math MP ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES. ÉCOLES NATIONALES SUPÉRIEURES DE L AÉRONAUTIQUE ET DE L ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,

Plus en détail

CORRIGÉ : MATH 2 ; MP ; Mines-ponts_2015

CORRIGÉ : MATH 2 ; MP ; Mines-ponts_2015 CORRIGÉ : MATH ; MP ; Mies-pots_05 A Norme d opérateur d ue matrice ) est u espace vectoriel ormé de dimesio fiie et S est u fermé boré de, c est doc u compact de L applicatio x Mx est u edomorphisme de

Plus en détail

Méthodes de Monte-Carlo et réduction de la variance

Méthodes de Monte-Carlo et réduction de la variance Méthodes de Mote-Carlo et réductio de la variace Itroductio et otatios : Ce TP aborde présete diverses méthodes d'estimatio des itégrales. Ces méthodes ot comme outil pricipal la méthode de Mote-Carlo.

Plus en détail

Résumé 10 : Probabilités I

Résumé 10 : Probabilités I http://mpbertholletwordpresscom Résumé 10 : Probabilités I Ω sera u esemble abstrait, c est-à-dire sas structure particulière P(Ω désige l esemble de tous les sous-esembles de Ω, y compris le sous-esemble

Plus en détail

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008 Sup Galilée - Maths pour l Igéieur Corrigé du Partiel du 9 Novembre 008 Étude d ue suite récurrete Soit u 0 ]0, [ O cosidère la suite (u ) défiie par u + u 3 u ) Justifier que la suite u est borée O motre

Plus en détail

Corrigé Epreuve B Agro Véto 2010

Corrigé Epreuve B Agro Véto 2010 Corrigé Epreuve B Agro Véto 21 Corrigé proposé par Martie Giestet BCPST2 Féelo dessis de Bruo Aselme Féelo Partie A Loi gamma 1. a) Par croissaces comparées, lim t!+1 t 1 e t=2 =, doc il existe u réel

Plus en détail

Correction de la question de cours 1

Correction de la question de cours 1 Math I Aalyse Exame du 9 décembre 2007 Durée 2 heures Aucu documet est autorisé. Les calculatrices, téléphoes portables et autres appareils électroiques sot iterdits. Il est iutile de recopier les éocés.

Plus en détail

4 ème aée Maths Limites Cotiuité et dérivabilité Octobre 9 A LAATAOUI Eercice : La figure ci cotre est la représetatio graphique d ue foctio f défiie et cotiue sur IR O ote que (ζf) admet au voisiage de

Plus en détail

1 Présentation du jeu.

1 Présentation du jeu. Présetatio du jeu.. Les règles du jeu. Le touroi est u jeu comportat ue suite de maches (appelées duels ) opposat deux joueurs, jamais plus. Les joueurs vot etrer e jeu successivemet, tat qu aucu d etre

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont autorisées. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont autorisées. * * * SESSION 006 EPREUVE SPECIIQUE ILIERE MP MATHEMATIQUES Durée : 4 heures Les calculatrices sot autorisées * * * NB : Le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio

Plus en détail