Chapitre 9 La loi binomiale

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre 9 La loi binomiale"

Transcription

1 A) Variables aléatoires 1) Défiitio Chapitre 9 La loi biomiale O appelle variable aléatoire X ue foctio qui associe à tout résultat (évéemet élémetaire) u ombre réel. Pour ue même expériece aléatoire, o peut bie etedu défiir plusieurs variables aléatoires différetes : par exemple, sur u jet de deux dés, l ue serait la somme et l autre le produit des deux chiffres sortis. Exemple : Soit le jeu de dés suivat : quad o fait 6 o gage 100 F, quad o fait 1 o gage 50 F, et de 2 à 5 o perd 40 F. Le gai (égatif si c est ue perte) est ue variable aléatoire, défiie par X({6}) = 100, X({1}) = 50 et X ({2}) = X({3}) = X({4}) = X({5}) = ) Vocabulaire, otatio - Soit X ue variable aléatoire et soit l évéemet élémetaire A : si X(A) = a, o dit que a est la valeur prise par X pour l évéemet A. - O appelle "X = a" l évéemet (pas forcémet élémetaire) qui cotiet tous les résultats pour lesquels X pred la valeur a. Exemple : Das le jeu ci-dessus, calculer la probabilité de l évéemet A = "X = - 40" (A = {2 ; 3 ; 4 ; 5}, p(a) = 4/6 = 2/3.) 3) Loi de probabilité d ue variable aléatoire a) Défiitio Soit u uivers Ω, mui d ue probabilité p, et soit X ue variable aléatoire preat les valeurs x 1, x 2,, x. La loi de probabilité de X est la foctio qui à chaque x i fait correspodre p("x = x i "). Lorsqu'il 'y a pas d ambiguïté, o pourra oter p(x = x i ) ou même p(x i ). b) Exemple Toujours das le même jeu de dés, calculer p("x = 100") et p("x = -40"). (p(x=100) = 1/6 ; p(x=-40) = 4/6) c) Applicatio Soit l'expériece cosistat à lacer deux dés e vue se calculer la somme des deux chiffres obteus. Pour pouvoir faire des calculs, o défiira Ω comme l'esemble des couples de chiffres obteus, et o otera Ω = {11 ; 12 ; 13 ; ; 16 ; 21 ; 22 ;. ; 66}, qui est doc u uivers équiprobable (preuve par la mise e arbre) O défiit alors S comme la variable aléatoire "somme de deux chiffres obteus", avec comme valeurs possibles {2 ; 3 ; 4 ; 5 ; 6 ; 7 ; 8 ; 9 ; 10 ; 11 ; 12}. Le "2" e pouvat être obteu qu'avec le couple 11, sa probabilité sera de 1/36 (car il y a 36 élémets das Ω, vu qu'il y a 6*6 = 36 couples. Page 1/8

2 Le "3" peut être obteu avec 12 et 21, doc p(s=3) = 2/36. Faire le tableau de la loi de probabilité de S. S p(s) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 4) Espérace mathématique d ue variable aléatoire a) Sigificatio L espérace mathématique est l équivalet e probabilités de la moyee podérée par les fréqueces e statistiques. E lagage courat, c est la valeur moyee que predrait cette variable aléatoire sur u très grad ombre d expérieces aléatoires idetiques et idépedates. b) Défiitio L espérace mathématique E(X) d ue variable aléatoire X preat les valeurs x 1, x 2,. x? est le ombre oté E(X) tel que : c) Exemple Toujours le même jeu : E(X) = 100 p(x=100) + 50 p(x=50) 40 p(x=-40) E(X) = 100/6 + 50/6-40*4/6 = ( )/6. E(X) = - 10/6 (o est doc perdat si o joue assez logtemps!). O appelle "équitable" u jeu dot l espérace de gai est égale à zéro. 5) Variace et écart type a) Sigificatio Ceci représete la "dispersio" des valeurs que peut predre la variable aléatoire autour de so espérace. La variace se calcule plus facilemet, mais l'écart-type a l'avatage de s'exprimer das la même uité que la variable aléatoire. b) Défiitios (mêmes otatios que ci-dessus) Variace : V(X) = E(X²) (E(X))² = x 1 ² p(x = x 1 ) + x 2 ² p(x = x 2 ) + + x ² p(x = x ) (E(X))² Écart-type :. Note : o démotre aussi que V(X) = E((X E(X))²). c) Exemple E(X) = x 1 p(x=x 1 ) + x 2 p(x=x 2 ) + + x p(x=x ) Calculer V(X) et σ(x) pour le jeu vu plus haut. E(X²) = 100² p(x=100) + 50² p(x=50) + ( 40)² p(x=-40) E(X²) = ( * 4) / 6 = / 6 = V(X) = (-10 / 6)² = / σ X = V X ,1. Page 2/8

3 B) Expérieces idetiques et idépedates 1) Répétitio d expérieces idetiques et idépedates Preos ue expériece aléatoire au protocole bie défii (par exemple, le jet d u dé). Imagios que l o répète cette expériece fois, sas qu aucue expériece modifie la prévisibilité des résultats des suivates. Cette série d expériece est alors ue répétitio d expérieces idetiques et idépedates. Exemples : Ue série de tirages de boules das u sac sas remise etre pas das cette défiitio, puisqu à chaque fois, l expériece se déroule avec u coteu différet du sac. Ue série de lacer d ue même pièce de moaie correspod bie à la défiitio. 2) Calculs de probabilité avec u arbre podéré Das le cas d ue répétitio d expérieces idetiques et idépedates, la probabilité d ue liste ordoée de résultats est le produit des probabilités de chaque résultat. O peut représeter cette série d expérieces à l aide d u arbre où chaque brache est complétée par la probabilité qu elle a d être emprutée. Exemple : 3 lacers d u pièce de moaie truquée où le pile a 60 % de chaces de se produire et le face 40 % : 60 % P P 60 % P 60 % P 60 % 40 % F 60 % P 60 % 40 % P F 60 % P O peut lire sur ce schéma que la probabilité d obteir le résultat PPF, par exemple, est de 60%*60%*40% = 14,4%. Exercices : a) Calculer la probabilité de chaque séquece et vérifier que leur somme fait bie 100%. b) Étudier de la même faço trois lacers d u dé cubique avec trois faces marquées 1, deux faces marquées 2 et ue face marquée 3. C) Loi et schéma de Beroulli 1) Épreuves et loi de Beroulli O appelle épreuve (ou expériece) de Beroulli ue expériece aléatoire admettat seulemet deux issues dot l ue a pour probabilité p. O peut oter ces issues S (succès) et S ou E (échec). Si S a pour probabilité p, alors S aura forcémet pour probabilité 1 p. Page 3/8

4 Exemples : a) Lacer d ue pièce de moaie o truquée (p = 1 p = 0,5) b) Lacer de la pièce truquée du A2, le succès état pile (p = 0,6 et 1 p = 0,4) c) Lacer d u dé, le résultat état divisible par 3 doe S et E sio. O aura alors p = 2/6 = 1/3 et 1 p = 2/3. Remarque : le lacer d'u dé avec ses 6 possibilités 'est pas ue épreuve de Beroulli. 2) Loi de Beroulli, espérace et variace La loi de Beroulli est la loi de probabilité de la variable aléatoire X telle que X = 1 si S et X = 0 si S. O obtiet alors pour la loi de Beroulli l espérace et la variace suivates : Soit au fial : 3) Schéma de Beroulli. E ( X )= p V ( X )= p(1 p) σ( X )= p (1 p) O appelle schéma de Beroulli ue répétitio fois d épreuves de Beroulli, idetiques et idépedates etre elles. Exemples : Le premier exemple vu e B2) est u schéma de Beroulli. L exemple C1c), s il est répété fois, sera aussi u exemple de schéma de Beroulli. D) La loi biomiale 1) Défiitio La loi biomiale est la loi de probabilité de la variable aléatoire Y = ombre de succès das u schéma de Beroulli compreat épreuves de Beroulli de probabilité p, idetiques et idépedates. Elle e déped doc que des paramètres et p. Y correspod à la somme des variables X du schéma. Y est doc u ombre etier, qui peut varier de 0 à. 2) Coefficiets biomiaux Pour calculer la probabilité d u résultat pour Y, il faut d abord coaître le ombre d issues combiées fiales doat la valeur k à Y, c est à dire le ombre de chemis meat à la valeur k. Ce ombre déped uiquemet de et k,et o l appelle coefficiet biomial que l o ote (aciee otatio : ). La probabilité qu Y pree la valeur k, soit p(y = k) est alors égal à. O démotre que l espérace, la variace et l'écart-type de Y sot : E (Y )= p V (Y )= p(1 p) σ (Y )= p(1 p) Page 4/8.

5 Cas particuliers : Cours de Mathématiques Classe de 1 re STI2D Chapitre 9 La loi biomiale E effet, u seul chemi mèe à tous les succès, et pour avoir u seul succès (ou u seul échec), il faut que ce succès (ou échec) se recotre das ue seule des braches du chemi, qui e comporte. Remarque : Les tableurs et les calculatrices ayat des foctios statistiques ot ue foctio qui permet de calculer les coefficiets biomiaux et les probabilités p(y = ) et p(y ) e loi biomiale. E) Propriétés de la loi biomiale 1) Symétrie des coefficiets biomiaux Pour toutes valeurs de et k avec k compris etre 0 et, o a : E effet, les résultats S et E jouat u rôle symétrique, o aura autat de chemis pour aboutir à k fois le résultat S qu à aboutir à k fois le résultat E, qui correspod à k le résultat S. 2) Triagle et relatio de Pascal k = Pour tous etiers aturels et k tels que k <, o a :. D où le triagle de Pascal (cou e Chie depuis logtemps, mais popularisé e Occidet par Pascal). 3) Comptage et formule géérale des coefficiets biomiaux a) Factorielles et Permutatios O appelle factorielle de et o ote! la valeur de l expressio ( 1) ( 2) (2) (1), c est à dire le produit des etiers aturels compris etre 1 et. Il est facile de voir que ce ombre représete le ombre de permutatios possibles d u esemble ordoé compreat objets, qu o ote E effet, le premier peut être choisi parmi possibilités, le secod das les 1 restats, etc..., et le produit de ces possibilités exclusives l ue de l autre doe bie!. O a doc. Page 5/8

6 b) Arragemets Cours de Mathématiques Classe de 1 re STI2D Chapitre 9 La loi biomiale O appelle arragemet de k objets choisis parmi le ombre de possibilités pour rager ces k objets pris das u esemble de objets. O ote ce ombre. O peut avec le même raisoemet que ci-dessus voir que ce ombre est égal à Par coséquet,. c) Combiaisos et formule géérale des coefficiets biomiaux Si l o veut calculer le ombre de combiaisos (o ordoées) de k objets pris parmi, ce qui correspod au coefficiet biomial, il suffit alors de diviser le ombre d arragemets de ces objets par le ombre de permutatios de k objets. O a alors : O peut aussi écrire : soit d) Applicatios. Calculer les coefficiets suivats par la méthode du triagle de Pascal ou par la formule ci-dessus : Retrouver les propriétés des coefficiets biomiaux à l aide de la formule géérale. F) Loi biomiale et échatilloage 1) Rappels de secode E échatilloage, o cosidère ue populatio où l'o étudie la présece d'u caractère C de proportio p. O y prélève aléatoiremet et avec remise u échatillo de taille. O y calcule la fréquece f du caractère das l'échatillo et o aimerait e déduire u itervalle de cofiace sur la valeur de p (exemple d'utilisatio : les sodages). O a vu e Secode que pour > 24 et p compris etre 0,2 et 0,8 f a 95% de chaces d'apparteir à l'itervalle [ p 1 ; p+ 1, et que réciproquemet, si o e coaît que f et o p, o peut ] Page 6/8

7 déduire de la valeur de f que p aura 95% de chaces d'être das l'itervalle [ f 1 ; f + 1 ]. 2) Itervalle de fluctuatio e loi biomiale La loi biomiale, lorsqu'elle est applicable, permet de préciser cet itervalle de fluctuatio. E effet : Soit X la variable aléatoire qui compte le ombre de préseces du caractère C, de fréquece p das la populatio, das u échatillo de taille. Alors X suit la loi biomiale de paramètres et p. L'itervalle de fluctuatio à 95% des valeurs probables de X est alors [ a ; b ] où a est le plus grad etier aturel tel que p(x a) 0,025 et b le plus petit etier tel que p(x b) 0,975. Remarque : O peut aussi dire pour a que : "a est le plus petit etier aturel tel que p(x > a) > 0,025", et dire pour b que : "b est le plus grad etier aturel tel que p(x > b) < 0,025". Das la pratique, o utilisera la première défiitio et la méthode suivate : Pour trouver a, o part de 0 et o augmete jusqu'à dépasser 0,025 Pour trouver b o part de et o dimiue jusqu'à descedre au-dessous de 0, C'est plus facile parce que les calculatrices ous doet la valeur de p(x k) et o p(x > k). Exemples : a) Soit p = 0,15 et = 20 (ici, o 'est plus obligé d'avoir > 24 et p etre 0,2 et 0,8!). Calculer les bores de l'itervalle à 95%. b) Soit p = 0,47 et = Même questio. Page 7/8

8 Probabilités Fiche de révisio Espérace mathématique d ue variable aléatoire X L espérace mathématique est l équivalet e probabilités de la moyee podérée par les fréqueces e statistiques. C est la valeur moyee que predrait cette variable aléatoire sur u très grad ombre d expérieces aléatoires idetiques et idépedates. Elle se calcule par la formule : Variace et écart-type d ue variable aléatoire X Ils représetet la "dispersio"des valeurs que peut predre la variable aléatoire autour de so espérace. L avatage de l écart-type est d être exprimé das la même uité que la variable. σ X = V X Loi de Beroulli (sur ue épreuve de Beroulli de probabilité p) E ( X )= p V ( X )= p(1 p) σ( X )= p (1 p) Loi biomiale C'est la loi de probabilité du ombre de succès das u schéma de Beroulli de épreuves de Beroulli idépedates et idetiques de probabilité p) p( X =k )=( k ) pk (1 p) k E ( X )= p V ( X )= p (1 p) σ ( X )= p(1 p) Loi biomiale et itervalle de cofiace à 95% : I =[ a ; b ] où : a est le plus grad etier aturel tel que p(x a) 0,025 p( X [ a ; b])=95 % et b est le plus petit etier tel que p(x b) 0,975. ( 0 ) ( = ) =1 (1 E(X) = x 1 p(x = x 1 ) + x 2 p(x = x 2 ) + + x p(x = x ) V(X) = E((X E(X))²) = (x 1 - E(X))² p(x = x 1 ) + (x 2 - E(X))² p(x = x 2 ) + + (x - E(X))² p(x = x ) V(X) = E(X²) (E(X))² = x 1 ² p(x = x 1 ) + x 2 ² p(x = x 2 ) + + x ² p(x = x ) (E(X))² Coefficiets biomiaux et Triagle de Pascal : ) ) +1 = = ( 1 ( k) ( = k) ( k) ( + k+1) ( = k+1 = k = ) ( k ) =! k!( k)! Page 8/8

Loi binomiale. Loi de Bernoulli

Loi binomiale. Loi de Bernoulli Loi biomiale Loi de Beroulli O s itéresse ici à la réalisatio ou o d u évéemet. Autremet dit, o étudie les expérieces aléatoires qui ot que deux issues possibles : Obteir Pile ou Face Doer aissace à u

Plus en détail

- Représenter un schéma de Bernoulli par un arbre pondéré. - Reconnaître des situations relevant de la loi binomiale

- Représenter un schéma de Bernoulli par un arbre pondéré. - Reconnaître des situations relevant de la loi binomiale www.mathselige.com STI2D - P2 - LOI IOMIALE COURS (/5) Le travail sur les séries statistiques et les probabilités meé e classe de secode se poursuit avec la mise e place de ouveaux outils. Les scieces

Plus en détail

I. Probabilités : petit bilan de 2 nde

I. Probabilités : petit bilan de 2 nde ère S FICHE Variables aléatoires I. Probabilités : petit bila de de EXECICE TYPE (voir évaluatio diagostique d etrée e ère S) Eocé O fait tourer ue roue équilibrée comme ci-dessous séparées e 8 secteurs

Plus en détail

Probabilités générales

Probabilités générales Chapitre 4 termiale s Probabilités géérales Les probabilités (rappels) : ) Quelques otios de vocabulaire : Nous allos étudier selo quelle mesure u fait proveat du hasard peut être prévisible a) Ue expériece

Plus en détail

TD 4 : Variables aléatoires discrètes

TD 4 : Variables aléatoires discrètes MA40 : Probabilités TD 4 : Variables aléatoires discrètes Exercice Soit N u etier aturel supérieur ou égal à.. Motrer les égalités suivates : N k k N N + ) N k k N N + ) N + ). Ue ure cotiet ue boule blache

Plus en détail

Probabilités élémentaires

Probabilités élémentaires 1. Exemple... p2 4. Lois de probabilité... p7 2. Vocabulaire... p4 5. Variables aléatoires... p8 3. Espaces probabilisés fiis... p4 Copyright meilleuremaths.com. Tous droits réservés 1. Exemple Probabilités

Plus en détail

Opérations sur les variables aléatoires Lois limites

Opérations sur les variables aléatoires Lois limites Opératios sur les variables aléatoires Lois limites A. Idépedace de deux variables aléatoires. Exemple 1. Pour améliorer le stockage d u produit u supermarché fait ue étude sur la vete de packs de 6 bouteilles

Plus en détail

Résumé : Probabilités Niveau : Bac Sciences de l informatique Réalisé par : Prof. Benjeddou Saber

Résumé : Probabilités Niveau : Bac Sciences de l informatique Réalisé par : Prof. Benjeddou Saber Résumé : Niveau : Bac Scieces de l iformatique Réalisé par : Prof. Bejeddou Saber Tableau récapitulatif sur le déombremet: Type du tirage : Simultaé Successif sas remise Successif avec remise U tirage

Plus en détail

Expérience aléatoire - modélisation - langage des probabilités

Expérience aléatoire - modélisation - langage des probabilités T.S Probabilités coditioelles L 5 I Expériece aléatoire - modélisatio - lagage des probabilités Ue expériece aléatoire est ue expériece liée au hasard. Les mathématiques itervieet pour apporter u modèle

Plus en détail

PROBABILITÉS. Définition : Une variable aléatoire X est une fonction définie sur un univers Ω et à valeur dans!.

PROBABILITÉS. Définition : Une variable aléatoire X est une fonction définie sur un univers Ω et à valeur dans!. PROBABILITÉS E 654, Blaise Pascal (63 ; 66) etretiet avec Pierre de Fermat (60 ; 665) des correspodaces sur le thème des jeux de hasard et d'espérace de gai qui les mèet à exposer ue théorie ouvelle :

Plus en détail

Éléments de probabilité.

Éléments de probabilité. Élémets de probabilité.. Gééralités Les probabilités s'occupet de phéomèes aléatoires, c'est à dire qui sot liés au hasard. Défiitio : O appelle expériece aléatoire, ue expériece dot les résultats, o tous

Plus en détail

COURS N 6 : Estimations

COURS N 6 : Estimations COURS N 6 : Estimatios O peut rappeler que les biostatistiques ot pour objectif de predre e compte la variabilité iteridividuelle, de résumer et décrire des doées et de comparer des échatillos. Nous avos

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

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

I Exercices I I I-1 3 Coefficients binomiaux et triangle de Pascal... I I I I I I

I Exercices I I I-1 3 Coefficients binomiaux et triangle de Pascal... I I I I I I Chapitre Loi biomiale TABLE DES MATIÈRES page - Chapitre Loi biomiale Table des matières I Exercices I-................................................ I-................................................

Plus en détail

Échantillonnage. I Rappels sur les lois usuelles 2

Échantillonnage. I Rappels sur les lois usuelles 2 BTS DOMOTIQUE Échatilloage 2008-2010 Échatilloage Table des matières I Rappels sur les lois usuelles 2 II Approximatios de la loi biomiale 2 II.1 Approximatio par la loi de poisso................................

Plus en détail

TS DEVOIR n 3 lundi 13 novembre lim x. 1. Lire dans le tableau les limites de f en et en +. En déduire une asymptote à la courbe de f.

TS DEVOIR n 3 lundi 13 novembre lim x. 1. Lire dans le tableau les limites de f en et en +. En déduire une asymptote à la courbe de f. TS DEVOIR 3 ludi 3 ovembre 207 sur 4,5 poits Calculer les trois ites suivates : a) 3x 4 x x 2 x b) 2si( x) x x c) 8x 5 x 2 x 3 2 sur 3,5 poits Soit f ue foctio défiie sur dot o doe ci-dessous le tableau

Plus en détail

1 lois usuelles. 2 Estimation. 1.1 Loi Binomiale. 1.2 Loi de Poisson. 1.3 Loi normale. 2.1 Estimation ponctuelle de la moyenne

1 lois usuelles. 2 Estimation. 1.1 Loi Binomiale. 1.2 Loi de Poisson. 1.3 Loi normale. 2.1 Estimation ponctuelle de la moyenne 1 lois usuelles 11 Loi Biomiale B(, p) q = 1 p p(x = k) = C k p k q k Espérace E(X) = p Variace : V ar(x) = pq Écart type : σ = pq 12 Loi de Poisso P(λ) : loi de Poisso de paramètre λ > 0 : X(Ω) = N λ

Plus en détail

POLYNESIE Série S Juin 2001 Exercice

POLYNESIE Série S Juin 2001 Exercice OLYNESIE Série S Jui 00 Exercice gros rouges et 3 petits rouges Ue boîte cotiet 8 cubes : gros verts et petit vert petit jaue U efat choisit au hasard et simultaémet 3 cubes de la boîte (o admettra que

Plus en détail

Dénombrement Site MathsTICE de Adama Traoré Lycée Technique Bamako

Dénombrement Site MathsTICE de Adama Traoré Lycée Technique Bamako Déombremet Site MathsTIE de Adama Traoré Lycée Techique Bamako A) Parties d u esemble : Soit la représetatio sagittale des esembles E, A et B E 9 8 4 6 0 3 A B ) Existe-t-il des élémets de A qui e sot

Plus en détail

STATISTIQUES - ESTIMATION

STATISTIQUES - ESTIMATION STATISTIQUES - ESTIMATION I Echatilloage et estimatio : itroductio O se situe ici das 2 domaies des statistiques qui sot ceux de l «échatilloage» et de l «estimatio». Ces 2 domaies ot des cotextes d applicatio

Plus en détail

B E et Bi Bj pour i j et si A est un evenement de E alors p(a) p(a B ) p(a B )... p(a B ) p(b ) p(a /B ) p(b ) p(a /B )... p(b ) p(a /B ).

B E et Bi Bj pour i j et si A est un evenement de E alors p(a) p(a B ) p(a B )... p(a B ) p(b ) p(a /B ) p(b ) p(a /B )... p(b ) p(a /B ). Rappel : (E,p(E),p) est u espace probabilisé fii. O a: p(e), p( ), p(a) p(a), p(a B) p(a) p(b) p(a B) Probabilité coditioelle : A et B sot deux évèemets tels que p(b). p(a B) p(a / B) et doc p(a B) p(b)

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

CHAPITRE 4 Paramètres d'une série statistique

CHAPITRE 4 Paramètres d'une série statistique Cours de Mathématiques Classe de secode Statistiques CHAPITRE 4 Paramètres d'ue série statistique A) Diverses sortes de séries statistiques 1) Défiitio Ue série statistiques est u esemble de ombres, représetat

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

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

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

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

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

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

Exercice 1 (10 points)

Exercice 1 (10 points) Devoir surveillé 2 L usage de la calculatrice est autorisé La qualité de la présetatio et de la rédactio de la copie sera prise e compte das so évaluatio Sauf metio du cotraire, toute répose doit être

Plus en détail

Corrigé du DS n 1. Exercice 1 (6 points)

Corrigé du DS n 1. Exercice 1 (6 points) Exercice 1 (6 poits) Corrigé du DS 1 Das cet exercice, les probabilités demadées serot doées sous forme décimale, évetuellemet arrodies à 10 - près. Lors d ue equête réalisée par l ifirmière auprès d élèves

Plus en détail

Terminales S Devoir maison n 3 -A faire pour le jeudi 6 novembre 2014

Terminales S Devoir maison n 3 -A faire pour le jeudi 6 novembre 2014 Termiales S Devoir maiso -A faire pour le jeudi 6 ovembre 0 eercice : probabilités coditioelles et suite Alice débute au jeu de fléchettes. Elle effectue des lacers successifs d ue fléchette. Lorsqu elle

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

LA LOI DES GRANDS NOMBRES ET LE THÉORÈME DE LA LIMITE CENTRALE

LA LOI DES GRANDS NOMBRES ET LE THÉORÈME DE LA LIMITE CENTRALE LA LOI DES GRANDS NOMBRES ET LE THÉORÈME DE LA LIMITE CENTRALE MATTHIEU KOWALSKI 1. INTRODUCTION La démarche statistique cosiste à observer ue expériece aléatoire das le but de mieux coaître ses caractéristiques.

Plus en détail

II - Estimation d'un paramètre par intervalle de confiance

II - Estimation d'un paramètre par intervalle de confiance II - Estimatio d'u paramètre par itervalle de cofiace 1 ) - Gééralités sur la costructio O veut estimer u paramètre (moyee, proportio ) d'u caractère das ue populatio P. Ue estimatio poctuelle à partir

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

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

Master Eseec Statistique pour l expertise - partie2

Master Eseec Statistique pour l expertise - partie2 Master Eseec Statistique pour l expertise - partie2 Christia Laverge Uiversité Paul Valéry - Motpellier 3 http://moodle-miap.uiv-motp3.fr http://www.uiv-motp3.fr/miap/es (UPV) Eseec 1 / 57 Lois limites

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

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

Chapitre 11 Loi binomiale. Table des matières. Chapitre 11 Loi binomiale TABLE DES MATIÈRES page -1

Chapitre 11 Loi binomiale. Table des matières. Chapitre 11 Loi binomiale TABLE DES MATIÈRES page -1 Chapitre Loi biomiale TABLE DES MATIÈRES page - Chapitre Loi biomiale Table des matières I Exercices I-................................................ I-................................................

Plus en détail

Exercices d oraux de la banque CCP Corrigés BANQUE PROBABILITÉS

Exercices d oraux de la banque CCP Corrigés BANQUE PROBABILITÉS Exercices d oraux de la baque CCP 204-20 - Corrigés BANQUE PROBABILITÉS EXERCICE 96 (a La variable aléatoire X est régie par ue loi biomiale E effet, expérieces idetiques et idépedates (car les tirages

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire Méthodes Statistiques

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire Méthodes Statistiques UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Aée uiversitaire 2014 2015 L2 Écoomie Cours de B. Desgraupes Méthodes Statistiques Séace 07: Tests de coformité II Table des matières 1 Tests sur

Plus en détail

i. En déduire une mesure de l angle ( BD, PΩ ).

i. En déduire une mesure de l angle ( BD, PΩ ). Polyésie septembre EXERCICE Pour chacue des propositios suivates, idiquer si elle est vraie ou fausse et doer ue démostratio de la répose choisie Ue répose o démotrée e rapporte aucu poit O cosidère la

Plus en détail

1 Un peu de vocabulaire

1 Un peu de vocabulaire Statistiques - Échatilloage Cours Objectifs du chapitre Passer d u mode de représetatio des doées à u autre (doées brutes, tableau d effectifs, représetatio graphique) Calculer la moyee, la médiae, les

Plus en détail

1 Dénombrement. 1.1 Principe. Définition : 1.2 Combinaisons. Définition :

1 Dénombrement. 1.1 Principe. Définition : 1.2 Combinaisons. Définition : Probabilités : coditioemet et idéedace Termiale S Déombremet. Pricie O raelle que le cardial d u esemble fii E, oté Card(E), rerésete so ombre d élémets. Si E 0,0 alors Card(E). Notre but est de détermier

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

Espérance et variance d une variable aléatoire. x Total p(x=x) 1/4 2/4 1/4 1

Espérance et variance d une variable aléatoire. x Total p(x=x) 1/4 2/4 1/4 1 Espérace et variace d ue variable aléatoire Variable aléatoire Ue variable aléatoire X est ue correspodace etre u esemble de valeurs xi (e.g., le ombre de garços das des familles de efats) et la probabilité

Plus en détail

INÉGALITÉS DE MARKOV ET DE CHEBISHEV LOI FAIBLE DES GRANDS NOMBRES

INÉGALITÉS DE MARKOV ET DE CHEBISHEV LOI FAIBLE DES GRANDS NOMBRES Iégalités de Markov et de Chebishev - Loi faible des grads ombres versio du 11 avril 2014 35 8 INÉGALITÉS DE MARKOV ET DE CHEBISHEV LOI FAIBLE DES GRANDS NOMBRES 1 Iégalité de Markov. 8.1 Iégalité de Markov.

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

x 0 h a (x) ln (2 a ) h a 2 a Justifier, par le calcul, le signe de h' a (x) pour x appartenant à ] 0 ; + [. b. Rappeler la limite de ln x x

x 0 h a (x) ln (2 a ) h a 2 a Justifier, par le calcul, le signe de h' a (x) pour x appartenant à ] 0 ; + [. b. Rappeler la limite de ln x x EXERCICE (6 poits) Commu à tous les cadidats Soit f la foctio défiie sur l itervalle ] ; + [ par f () = l Pour tout réel a strictemet positif, o défiit sur ] ; + [ la foctio g a par g a () = a O ote C

Plus en détail

Bac Blanc Terminale L - Février 2017 Correction de l Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2017 Correction de l Épreuve de Spécialité Mathématiques (durée 3 heures) Bac Blac Termiale L - Février 2017 Correctio de l Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) 1. Depuis le 28 jui 2007, la ville de Bordeaux a été classée au patrimoie modial

Plus en détail

Probabilités : Loi binomiale

Probabilités : Loi binomiale Probabilités : Loi biomiale Christophe ROSSIGNOL Aée scolaire 204/205 Table des matières Répétitio d expérieces idetiques et idépedates 2. Défiitio................................................. 2.2

Plus en détail

Exercices de dénombrement

Exercices de dénombrement DOMAINE : Combiatoire AUTEUR : Atoie TAVENEAUX NIVEAU : Itermédiaire STAGE : Grésillo 0 CONTENU : Exercices Exercices de déombremet Exercice Combie y a-t-il de sous-esembles d u esemble de cardial? Exercice

Plus en détail

CORRIGES DE TRAVAUX DIRIGES DE MATH TERMINALES C,D,E. Structure : Probabilités JE RAPPELLE QUE C

CORRIGES DE TRAVAUX DIRIGES DE MATH TERMINALES C,D,E. Structure : Probabilités JE RAPPELLE QUE C Cette fiche a été téléchargée sur le site http://sila.e-mosite.com CORRIGES DE TRAVAUX DIRIGES DE MATH TERMINALES C,D,E. Structure : Probabilités k JE RAPPELLE QUE C k Exercice Le ombre total de possibilités

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

Corrigé du baccalauréat ES Asie 23 juin 2016

Corrigé du baccalauréat ES Asie 23 juin 2016 Corrigé du baccalauréat ES Asie jui 16 A.. M. E.. EXERCICE 1 Commu à tous les cadidats 6 poits Das u repère orthoormé du pla, o doe la courbe représetative C f d ue foctio f défiie et dérivable sur l itervalle

Plus en détail

Echantillon : Collection d'individus prélevés dans la population statistique.

Echantillon : Collection d'individus prélevés dans la population statistique. SONDAGE (ECHANTILLONNAGE) POPULATION STATISTIQUE N idividus possédat ue modalité yi de la (ou des) variable(s) y ( i N) PARAMETRES valeur cetrale dispersio corrélatio µ σ² ρ moyee variace coef. corr. ECHANTILLON

Plus en détail

X 1 = { X si X est impair 0 sinon

X 1 = { X si X est impair 0 sinon Corrigé ECRICOME 998 par Pierre Veuillez Das tout le problème, X désige ue variable aléatoire défiie sur u espace probabilisé (Ω, A, P et à valeurs das N et E(X l espérace de X si elle eiste. O ote A l

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

BA + DB. Métropole La Réunion septembre 2008

BA + DB. Métropole La Réunion septembre 2008 étropole La Réuio septembre 008 EXERCICE 4 poits Commu à tous les cadidats Das ue kermesse u orgaisateur de jeu dispose de roues de 0 cases chacue. La roue comporte 8 cases oires et cases rouges. La roue

Plus en détail

EXERCICES SIMULATION LOIS DISCRETES

EXERCICES SIMULATION LOIS DISCRETES EXERCICES SIMULATION LOIS DISCRETES EXERCICE 1 : 1) Ecrire u programme qui revoie le lacer d u lacer de dé équilibré 2) Trasformer le programme précédet pour qu il simule ue série de 100 lacers d u dé

Plus en détail

. En déduire la limite de f 1 en +. F 1 (x) = e 2 2 4

. En déduire la limite de f 1 en +. F 1 (x) = e 2 2 4 Atilles-Guyae septembre 5 EXERCICE 6 POINTS Commu à tous les cadidats 6 poits Soit u etier aturel o ul. O cosidère la foctio f défiie et dérivable sur l esemble des ombres réels par f (x) = x e x O ote

Plus en détail

CH V : Variables aléatoires - généralités

CH V : Variables aléatoires - généralités CH V : Variables aléatoires - gééralités I. Notio de variable aléatoire réelle Soit (Ω, A ) u espace probabilisable. O dit que X est ue variable aléatoire réelle défiie sur (Ω, A ) si : (i) X est ue applicatio

Plus en détail

SUITES NUMERIQUES. q n. pour q. n + Une suite numérique est une fonction associant à tout nombre entier naturel n, un nombre réel u(n) : u :

SUITES NUMERIQUES. q n. pour q. n + Une suite numérique est une fonction associant à tout nombre entier naturel n, un nombre réel u(n) : u : SUITES NUMERIQUES Coteus : Capacités attedues : Commetaires : Suites Limite d ue suite défiie par so terme gééral Notatio lim u Suites géométriques : - somme de termes cosécutifs d ue suite géométrique

Plus en détail

b) Calculer la dérivée de la fonction. La fonction est dérivable sur comme quotient de deux fonctions dérivables sur.

b) Calculer la dérivée de la fonction. La fonction est dérivable sur comme quotient de deux fonctions dérivables sur. DST 6 Correctio Exercice 1 (5 poits) (Asie, jui 11) Le pla est rapporté à u repère orthoormal. 1) Étude d ue foctio. O cosidère la défiie sur l itervalle par. O ote la foctio dérivée de la foctio sur l

Plus en détail

Variables aléatoires finies Présentation

Variables aléatoires finies Présentation Variables aléatoires fiies Présetatio. Défiitio élémetaire (tombola).... Le prix de vete d'u billet de la tombola... 3 3. Espérace mathématique d ue variable aléatoire fiie... 4 4. Variace et écart type

Plus en détail

2 Propriétés élémentaires des probabilités

2 Propriétés élémentaires des probabilités Uiversité de Reims Champage Ardee UFR Scieces Exactes et Naturelles Aée uiversitaire 2013-2014 MA 0804 - Master 1 CM1 Espaces probabilisés 1 Déitio Pour déir u espace probabilisé, o a besoi d'u esemble

Plus en détail

3.1 Loi de Bernouilli Loi Binomiale Loi géométrique Loi de Pascal (loi négative binomiale)...3

3.1 Loi de Bernouilli Loi Binomiale Loi géométrique Loi de Pascal (loi négative binomiale)...3 3- Lois de distributio discrètes -1 Chapitre 3 : Lois de distributio discrètes 3.1 Loi de Berouilli...1 3. Loi Biomiale...1 3.3 Loi géométrique... 3.4 Loi de Pascal (loi égative biomiale)...3 3.5 Loi hypergéométrique...4

Plus en détail

stratégie au jeu de pile ou face

stratégie au jeu de pile ou face page 4 stratégie au jeu de pile ou face par M. Régis o tter eau, M. Laure t ottereau, M. Bejami Reaud, M. Fraçois Pitie, élèves de S du lycée Buffo de Paris ( 7 ), établissemet jumelé avec le lycée La

Plus en détail

Éléments de probabilités

Éléments de probabilités Chapitre 1 Élémets de probabilités 1.1 Notio d expériece aléatoire Défiitio 1 Ue expériece, dot o coait les issues possibles, est appelé expériece aléatoire s il est impossible de savoir à l avace quelle

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

TD1. Dénombrements, opérations sur les ensembles.

TD1. Dénombrements, opérations sur les ensembles. Uiversité Pierre & Marie Curie Licece de Mathématiques L3 UE LM345 Probabilités élémetaires Aée 2014 15 TD1. Déombremets, opératios sur les esembles. 1. Combie de faços y a-t-il de classer 10 persoes à

Plus en détail

ANOVA avec un facteur aléatoire

ANOVA avec un facteur aléatoire Chapitre 7 ANOVA avec u facteur aléatoire Jusqu à maiteat, o a supposé que les modalités du facteur étudié ot été choisies parce qu elles étaiet itrisèquemet itéressates. Le modèle à effets fixes porte

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

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

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

Correction du baccalauréat S Pondichéry 16 avril 2009

Correction du baccalauréat S Pondichéry 16 avril 2009 Correctio du baccalauréat S Podichéry 6 avril 009 EXERCICE 7 poits La foctio f est défiie sur l itervalle [0 ; + [ par : f (x)=xe x. Partie. a. O remarque que, pour tout x> 0, f (x)= x x e. x lim x + x

Plus en détail

Intervalles de fluctuations et intervalles de confiance

Intervalles de fluctuations et intervalles de confiance Complémets e statistique. Préparatio au Capes. Uiversité de Rees 1. 2017. Complémets e Statistique Préparatio au Capes Uiversité de Rees 1 Itervalles de fluctuatios et itervalles de cofiace Table des matières

Plus en détail

Distributions d échantillonage

Distributions d échantillonage Chapitre 3 Distributios d échatilloage 3.1 Gééralités sur la otio d échatilloage 3.1.1 Populatio et échatillo O appelle populatio la totalité des uités de importe quel gere prises e cosidératio par le

Plus en détail

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

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

- diagramme de Caroll. Exemple 1 : On lance 2 dés. 2 e dé 1 er dé

- diagramme de Caroll. Exemple 1 : On lance 2 dés. 2 e dé 1 er dé TS Le déombremet est l art de compter (Il y e a souvet aux cocours) (cardial d u esemble fii : ombre de ses élémets Exemple : si E est u esemble fii à élémets, o dit que le cardial de E est égal à et o

Plus en détail

Intervalles de fluctuations et intervalles de confiance

Intervalles de fluctuations et intervalles de confiance Complémets e statistique. Préparatio au Capes. Uiversité de Rees 1. 2015. Complémets e Statistique Préparatio au Capes Uiversité de Rees 1 Itervalles de fluctuatios et itervalles de cofiace Table des matières

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

M : Zribi 4 ème Sc Exercices. Série 34

M : Zribi 4 ème Sc Exercices. Série 34 Série ème Sc Exercices Exercice : Ue ure cotiet au départ 0 boules blaches et 0 boules oires idiscerables au toucher. O tire au hasard ue boule de l'ure : - si la boule tirée est blache, o la remet das

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

NOTION DE PROBABILITÉ Site MathsTICE de Adama Traoré Lycée Technique Bamako

NOTION DE PROBABILITÉ Site MathsTICE de Adama Traoré Lycée Technique Bamako I Itroductio : NOTION DE PROBABILITÉ Site MathsTIE de Adama Traoré Lycée Techique Bamako ) Exemple : O lace fois e l air u dé o pipé (ormal), x et y fot u pari Si 66 apparaît alors x gage 600Frs Si ou

Plus en détail

DAEUB EXAMEN PREMIERE SESSION 2013/2014

DAEUB EXAMEN PREMIERE SESSION 2013/2014 DAEUB EXAMEN PREMIERE SESSION 2013/2014 LE SUJET EST COMPOSE DE TROIS EXERCICES INDEPENDANTS. LE CANDIDAT DOIT TRAITER TOUS LES EXERCICES. Les calculatrices sot autorisées. Les portables doivet être éteits.

Plus en détail

CHAINES DE MARKOV. de variables aléatoires définies sur le même espace probabilisé, TPà, valeurs dans un ensemble fini E telles que, pour tout n tout

CHAINES DE MARKOV. de variables aléatoires définies sur le même espace probabilisé, TPà, valeurs dans un ensemble fini E telles que, pour tout n tout COURS CHAIES DE MARKOV Défiitio O appelle chaîe de Marov toute suite de variables aléatoires défiies sur le même espace probabilisé, TPà, valeurs das u esemble fii E telles que, pour tout tout i, i,, i

Plus en détail

Contrôle du vendredi (45 minutes) 1 ère S1. II. (3 points) (E). Résoudre dans l équation sin 3x

Contrôle du vendredi (45 minutes) 1 ère S1. II. (3 points) (E). Résoudre dans l équation sin 3x 1 ère S1 Cotrôle du vedredi --01 ( miutes) Préom et om : ote : / 0 II ( poits) 1 Résoudre das l équatio si (E) Il est pas demadé d écrire l esemble des solutios I ( poits) f e foctio de cos et si O doera

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

Estimations. Les Moyennes des échantillons suivent une loi normale : = m et d' écart - type σ X

Estimations. Les Moyennes des échantillons suivent une loi normale : = m et d' écart - type σ X Estimatios Problématique. A partir d'observatios faites sur u échatillo, o se propose de tirer des coclusios sur la populatio toute etière. Aisi cotrairemet à la logique déductive, qui va du gééral au

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

Cours Dénombrement Analyse combinatoire 1 / 11 A Chevalley

Cours Dénombrement Analyse combinatoire 1 / 11 A Chevalley 2016 Déombremet, aalyse combiatoire leth Chevalley 1. Rael sur les esembles : 1.1. Défiitio Soiet E, des esembles x sigifie «x est u élémet de» ou «x aartiet à». O désige ar l esemble vide qui a aucu élémet.

Plus en détail

9 0 6 Variables aléatoires discrètes

9 0 6 Variables aléatoires discrètes BCPST2 9 5 0 6 Variables aléatoires discrètes Exercice 1: Loi de Poisso 1 ) Soit X ue variable aléatoire discrète. O ote XΩ) = {x ; N}. O pose, pour tout de N : p = PX = x ) et s = p k. O découpe l'itervalle

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

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