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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 IUT HSE Itroductio aux probabilités et statistiques Variables aléatoires Philippe Jamig Istitut Mathématique de Bordeaux pjamig/ X variable aléatoire de moyee µ de variace σ But : obteir des iformatios sur X à partir d iformatios partielles : u échatillo Defiitio X 1, X 2,, X variables aléatoires U échatillo de taille est ue réalisatio (x 1,, x ) de ces variables La faço d obteir cet échatillo est appelé échatilloage Applicatios aux statistiques IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 1 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 2 / 1 Exemple 1 Ue chaîe de fabricatio produit fours dot 2% sot défectueux, o ote D u four défectueux, M u four qui foctioe Le service de cotrôle-qualitée qui e coaît pas ces chiffres, teste aléatoiremet 100 fours pour estimer la qualitée de l esemble de la fabricatioil obtiet l échatillo (M, M, D, M, M, M, M, D, M, M,, M, D, M ) X variable aléatoire : état d u fouro a P[X = D] = 002 et P[X = M] = 098 Doc X suit ue loi de Berouilli p = 002 L échatillo est la réalisatio de (X 1,, X 100 ) où chaque X i est ue copie idépedate de X Exemple 2 O cosidère ue ure coteat des boules (umérotées, de couleurs distictes,) O souhaite obteir des iformatios sur sa coteace par échatilloage Pour cela, o va piocher boules das l ure X 1 sera la variable aléatoire coteat le résultat du premier tirage, X 2 celle coteat le résultat du deuxième tirage etc Le choix est aléatoire : pas plus de raiso de choisir ue boule qu ue autre (pas le cas, par ex pour les sodages) 2 possibilités : soit o remet la boule après chaque tirage les X i sot tous de même loi et idépedates o dit que l échatilloage est o exhaustif ou o e remet pas la boule : l échatilloage est exhaustif IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 3 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 4 / 1

2 X variable aléatoire de moyee µ de variace σ X 1, X 2,, X, copies idépedates de X (même loi, doc même moyee et variace) x 1, x 2,, x u échatillo de taille associé Defiitio la moyee empirique de l échatillo est la quatité µ = x 1 + x x la variace empirique de l échatillo est la quatité σ 2 σ 2 = (x 1 µ) 2 + (x 2 µ) (x µ) 2 Exemple Soit ue ure coteat 10 boules umérotées de 1 à 10 Soit X la variable aléatoire coteat le résultat d u tirage O cosidère u échatillo aléatoire oexhaustif de taille 5 : (1, 4, 7, 9, 4) La moyee empirique de l échatillo est : µ = La variace empirique de l échatillo est : σ 2 = = = 7, 6 σ 2 = x x x 2 µ 2 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 5 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 6 / 1 Rappelos que pour X, l espérece est et la variace µ = = 5, 5 Iterprétatio : µ est ue réalisatio de la variable aléatoire X X La variace empirique est la réalisatio de la variable aléatoire σ 2 = (55) 2 = 825 X X 2 µ 2 doc µ µ et σ 2 σ 2 R la variable aléatoire (discrète) telle que P[R = x i ] = 1/ (loi uiforme sur l échatillo x 1,, x ) Alors E[R] = µ et Var(R) = σ 2 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 7 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 8 / 1

3 Loi forte des grads ombres Soit (X ) ue suite de variables aléatoires de même moyee µ Alors presque sûremet X 1 + X X µ Iterprétatio : pour assez grad, presque toute réalisatio de X 1 +X 2 + +X µ E particulier, µ µ et σ 2 σ 2 quad est assez grad Exercice Soit X la variable aléatoire mesurat le temps d attete avat d être mis e relatio avec u service après vete O souhaite évaluer le temps d attete moye aisi que la probabilité d attedre ciq miutes ou plus Pour cela o mesure aléatoiremet 20 temps d attete, o a doc u échatillo aléatoire o-exhaustif (x 1,, x 20 ) de taille 20 de la durée d attete X : i x i i x i IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 9 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 10 / 1 Itervalle de Cofiace Exercice 1 Doez ue estimatio du temps d attete moye 2 Doez ue estimatio de la probabilité d attete supérieure à 5 miutes Idicatio : itroduire y i qui vaut 1 si x i 5 et 0 sio Pourquoi la probabilité cherchée est-elle la moyee de y Répose : moyee 7, 85 miutes, proba 0, 8 Théorème cetral limite (TCL) Soiet X 1,, X des variables aléatoires idépedates de même moyee µ et même variace σ 2 Soit S = X 1 + X X et Z = S µ σ Alors Z N (0, 1) e loi, c est-à-dire, pour tous a < b, quad + P(Z [a, b]) b a 1 exp ( x 2 ) dx 2π 2 0 Ceci dit que la moyee de S est µ, sa variace σ et, pour assez grad, S se comporte comme la variable aléatoire gaussiee de moyee µ et de variace σ Das la pratique, o l utilise pour 30 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 11 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 12 / 1

4 Itervalle de Cofiace Itervalle de Cofiace Applicatio à l échatilloage : approche par itervalle de cofiace X ue variable aléatoire d espérace µ icoue et de variace σ 2 coue ou oet soit (x 1, x 2,, x ) u échatillo aléatoire o-exhaustif de taille correspodat à des variables aléatoires idépedates X 1, X 2,, X de même loi que X O e déduit la moyee empirique µ = x x O cherche maiteat u itervalle I α = [ µ η α, µ + η α ] tel que P[µ I α ] 1 α (e gééral, α = 005 voire 001) o veut doc que P[ µ µ > η α ] α O itroduit deux ouvelles variables aléatoires : Y = X X Z = (X 1 µ) + (X 2 µ) + + (X µ) σ µ est ue réalisatio de Y et (TCL) Z suit N (0, 1) σz = Y µ IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 13 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 14 / 1 Itervalle de Cofiace Statistiques bi-dimesioelles µ est ue réalisatio de Y et E[Y ] = [ µ doc ] σz P[ µ µ > η α ] =P[ Y µ > η α ]= P > η α ] ηα = P[ Z > σ Mais Z suit N (0, 1) pour le quel o a des tables (de loi ormale) et o lit u α tel que P[ Z > u α ] = α Par exemple pour α = 001, u α = et pour α = 005, u α = 196 µ a 99% de chaces de se trouver das l itervalle [ µ 25758σ, µ σ ] O e cherche plus à obteir des iformatios sur ue seule variable aléatoire, mais Objectif Détermier si deux variables aléatoires sot reliées Exemples : taille et poids d ue populatio iveau de reveu et espérece de vie Moyee au bac et durée totale des études Si σ est pas cou, o pred σ IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 15 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 16 / 1

5 Statistiques bi-dimesioelles Statistiques bi-dimesioelles O a 2 variables aléatoires X et Y : o pred u échatillo de la variable aléatoire (X, Y ) ( ) x1 x 2 x y 1 y 1 y doc x 1,, x échatillo de X, y 1,, y échatillo de Y Objectif Décider s il existe ue relatio liéaire etre X et Y :a, b tels que Y = ax + b µ X = x x moyee empirique de X σx 2 = x 1 2++x 2 µ 2 X variace empirique de X µ Y moyee empirique de Y, σ Y variace empirique de Y Defiitio La covariace empirique de X et Y est doée par σ X,Y = 1 (x j µ X )(y j µ Y ) j=1 Le coefficiet de corrélatio empirique de X et Y est doée par ρ X,Y = σ X,Y σ X σ Y IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 17 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 18 / 1 Propriétés 1 ρ X,Y 1 ; Statistiques bi-dimesioelles si ρ X,Y = ±1 alors il existe a, b tels que Y = ax + b (ou X = ay + b) Coclusio : si ρ X,Y est trop loi de 1 alors X et Y e sot pas liés µ ax+b = aµ X + b, σ ax+b = aσ X σ ax+b,cy +d = acσ X,Y ρ ax+b,cy +d = ac ac ρ X,Y Statistiques bi-dimesioelles Lorsque ρ X,Y est assez proche de 1, o veut de plus trouver la relatio liéaire O cherche à trouver a, b tq D(a, b) = j=1 (y j ax j b) 2 soit miimal Théorème Il existe u et u seul couple (a, b) tel que D(a, b) soit miimalla droite y = ax + b est doée par 1 Elle passe par le poit (µ X, µ Y ) 2 Elle a pour pete a = σ XY σ σx 2 = ρ Y XY σ X 3 σ doc b = µ Y µ XY σ X = µ σx 2 Y ρ Y XY σ X µ X Defiitio La droite y = ax + b est appelée droite de régressio de l échatillo (x 1,, x ), (y 1,, y ) IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 19 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 20 / 1

6 Statistiques bi-dimesioelles Statistiques bi-dimesioelles Exemple O cherche à savoir s il y a ue corrélatio liéaire etre le ombre de machies à laver et le ombre de déficiets visuels das ue populatio Pour cela, o a l échatillo suivat relevé das u pays d Europe : Aée Machies (e millier) Déficiets (pour 1000 hab) Aée Machies (e millier) Déficiets (pour 1000 hab) Calculos le coefficiet de corrélatio de ces échatillos X le ombre de machies, Y la proportio de déficiets visuels µ X = = 46, 5 µ Y = = 1486 x i µ X -33,5-26,5-23, y i µ Y (x i µ X )(y i µ Y ) x i µ X y i µ Y (x i µ X )(y i µ Y ) σx 2 = 1 14 (xi µ X ) 2 = σy 2 = 1 14 (yi µ Y ) 2 = 3075 σ X,Y = 1 14 (xj µ X )(y j µ Y ) = ρ X,Y = σ X,Y σ X σ Y = 092 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 21 / 1 IUT HSE Itroductio aux probabilités et statistiques Applicatios Variables aux statistiques aléatoires 22 / 1

Statistiques inférentielles

Statistiques inférentielles Statistiques iféretielles LI323 Hugues Richard (otes de cours: Pierre-Heri Wuillemi) Uiversité Pierre et Marie Curie (UPMC) Laboratoire géomique des microorgaismes (LGM) Itroductio Soit ue populatio de

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

Statistiques à deux variables

Statistiques à deux variables Statistiques à deux variables. Approche des séries statistiques à deux variables.. Nuage de poits Sur ue classe de BTSA, le professeur a relevé les moyees de élèves e mathématiques et e agroomie. Les otes

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

Estimation par intervalle de confiance

Estimation par intervalle de confiance 62 CHAPITRE 12 Estimatio par itervalle de cofiace 1. Estimatio de la moyee par itervalle de cofiace 1.1. Calcul de la marge d erreur. O veut maiteat faire ue estimatio par itervalle de cofiace de la moyee

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

IREM Martine Quinio. 5 février 2013

IREM Martine Quinio. 5 février 2013 : 1 IREM 2013 Martie Quiio 5 février 2013 1 La loi de Gauss, ou loi ormale Itroductio : Lire court article C.Villai das Le Mode du 14-15/12 : il compare le traitemet médiatique boso de Higgs et rats OGM

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

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

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

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

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

Utilisation en modélisation. Régression linéaire

Utilisation en modélisation. Régression linéaire Utilisatio e modélisatio Régressio liéaire La régressio est l ue des otios basiques de la statistique et de l aalyse des doées. Gééralemet, le problème cosiste à décrire la dépedace etre deux variables

Plus en détail

1. Notion de «série statistique» 2. VRAI ou FAUX. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P.

1. Notion de «série statistique» 2. VRAI ou FAUX. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P. 351-355) Page 1 1. Notio de «série statistique» Il s agit d ue série de doées recueillies auprès des différetes uités statistiques d u

Plus en détail

Résumé de statistique inductive

Résumé de statistique inductive Uiversité de Bourgoge Faculté de Médecie et de Pharmacie Résumé de statistique iductive NB : les iformatios coteues das ce polycopié e fot e aucu cas office de référece pour le cocours, il s agit uiquemet

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

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

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

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

TD Modélisation Statistique

TD Modélisation Statistique 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,

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

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

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

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

Plus en détail

MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimanche 15 mars 2009 de 14h00 à 17h00

MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimanche 15 mars 2009 de 14h00 à 17h00 MAT 2080 MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimache 15 mars 2009 de 14h00 à 17h00 INSTRUCTIONS 1. Détachez la feuille-réposes à la fi de ce cahier et iscrivez-y immédiatemet votre om,

Plus en détail

MÉTHODES STATISTIQUES EXAMEN INTRA AUTOMNE 2003 Date : Samedi 1 er novembre 2003, de 14h00 à 17h00

MÉTHODES STATISTIQUES EXAMEN INTRA AUTOMNE 2003 Date : Samedi 1 er novembre 2003, de 14h00 à 17h00 Uiversité du Québec à Motréal Départemet de mathématiques Corrigé MAT 080 MÉTHODES STATISTIQUES EAMEN INTRA AUTOMNE 003 Date : Samedi 1 er ovembre 003, de 14h00 à 17h00 Nom : Préom : Code permaet : Groupe:

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

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

1 Echantillonnage préférentiel (importance sampling)

1 Echantillonnage préférentiel (importance sampling) TP 7 : Méthodes de Mote Carlo (II) : réductio de variace Le but de ce TP est d étudier l erreur commise par les méthodes de Mote Carlo vues das le TP précédet. Il peut être traité idépedammet du TP précédet.

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

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

Intervalles de confiance

Intervalles de confiance Itervalles de cofiace H4 H4 Itervalles de cofiace Vocabulaire : u correspod à ue fiabilité (ou cofiace) de 95 %, u correspod à ue fiabilité (ou cofiace) de 99 % 0 ) Echatillo o exhaustif La théorie des

Plus en détail

1 Intervalles de confiance. 2 Tests d hypothèses. 3 La loi du χ 2. X N (µ; σ 2 ) n très grand = la valeur observée x de X µ

1 Intervalles de confiance. 2 Tests d hypothèses. 3 La loi du χ 2. X N (µ; σ 2 ) n très grand = la valeur observée x de X µ Pla du cours 3 RFIDEC cours 3 : Itervalles de cofiace, tests d hypothèses, loi du χ Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Itervalles de cofiace Tests d hypothèses 3 La loi du χ Itervalles

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

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

COURS DE STATISTIQUES INFERENTIELLES Licence d économie et de gestion

COURS DE STATISTIQUES INFERENTIELLES Licence d économie et de gestion COURS DE STATISTIQUES INFERENTIELLES Licece d écoomie et de gestio Laurece GRAMMONT Laurece.Grammot@uiv-st-etiee.fr http://www.uiv-st-etiee.fr/maths/cvlaurece.html September 19, 003 Cotets 1 Rappels 5

Plus en détail

1. Expérience aléatoire. Espace probabilisé. Dénombrement. Probabilités conditionnelles.

1. Expérience aléatoire. Espace probabilisé. Dénombrement. Probabilités conditionnelles. CAPES de Mathématiques TD de probabilités 2009/2010 1. Expériece aléatoire. Espace probabilisé. Déombremet. Probabilités coditioelles. Exercice 1. O jette u dé équilibré deux fois de suite. a) Ecrire l

Plus en détail

Exercice 1 Zé doux, thé 2 points. Exercice 2 T es où, Zed? 2 points

Exercice 1 Zé doux, thé 2 points. Exercice 2 T es où, Zed? 2 points INSA Méthodes Statistiques M8 Exame Fial 03-3 h Sauf idicatio cotraire, o cosidérera das les exercices u risque de première espèce de 5%. Exercice Zé doux, thé poits Au iveau atioal, le score moye sur

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

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

Feuille de travaux pratiques # 3

Feuille de travaux pratiques # 3 Uiversité de Rees 1 Préparatio à l agrégatio Modélisatio - Proba/stat aée 015-016 Feuille de travaux pratiques # 3 1 La méthode de Mote-Carlo La méthode de Mote-Carlo est ue méthode de calcul approché

Plus en détail

STATISTIQUES. En première les statistiques étudiées étaient à une seule variable ; en terminale l étude porte sur deux variables statistiques

STATISTIQUES. En première les statistiques étudiées étaient à une seule variable ; en terminale l étude porte sur deux variables statistiques Tle ES Statistiques H. Kereïs STATISTIQUES E première les statistiques étudiées étaiet à ue seule variable ; e termiale l étude porte sur deu variables statistiques 1. Nuage de poits, poit moe et covariace

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

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

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

Université Lumière Lyon 2 L3-Economie & Gestion

Université Lumière Lyon 2 L3-Economie & Gestion Uiversité Lumière Lyo L3-Ecoomie & Gestio UFR de Scieces Ecoomiques et de Gestio Statistique Iféretielle - Support de cours 1 Estimatio poctuelle & Itervalle de cofiace Rafik Abdesselam Courriel : rafik.abdesselam@uiv-lyo.fr

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

Chantal Menini 14 mai Une définition très générale d une étude statistique peut être : Obtenir une information significative à partir de

Chantal Menini 14 mai Une définition très générale d une étude statistique peut être : Obtenir une information significative à partir de Séries statistiques à deux variables umériques Nuage de poit associé Ajustemet affie par la méthode des moidres carrés Droite de régressio Applicatios L exposé pourra être illustré par u ou des exemples

Plus en détail

MÉTHODES STATISTIQUES EXAMEN FINAL HIVER 2007 Date : Dimanche 29 avril de 14h00 à 17h00

MÉTHODES STATISTIQUES EXAMEN FINAL HIVER 2007 Date : Dimanche 29 avril de 14h00 à 17h00 MAT 080 MÉTHODES STATISTIQUES EXAME IAL HIVER 007 Date : Dimache 9 avril de 14h00 à 17h00 ISTRUCTIOS Détachez la feuille-réposes à la fi de ce cahier et iscrivez-y immédiatemet votre om, votre code permaet

Plus en détail

CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variation

CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variation U.F.R. S.P.S.E. Licece de psychologie L3 PLPSTA0 Bases de la statistique iféretielle UNIVERSITE PARIS X NANTERRE CORRIGE DES EXERCICES : Distributios d'échatilloage - Itervalles de variatio Exercice 1

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

Corrigé Fiche 6 Septembre 2016

Corrigé Fiche 6 Septembre 2016 Corrigé Fiche 6 Septembre 2016 1. Estimatio de la moyee, variace coue, cas gaussie O dispose d u -échatillo X 1,..., X i.i.d. tel que X i suit ue loi ormale N µ, σ 2 ). L objectif est d estimer µ. Supposos

Plus en détail

EXERCICES de Statistiques

EXERCICES de Statistiques EXERCICES de Statistiques Aette Corpart lycée Jea Zay de Thiers EXERCICES sur la LOI NORMALE La variable aléatoire X suit la loi ormale N ( 12 ; 4 ). Calculer les probabilités suivates : P ( X 15 ) ; P

Plus en détail

Introduction aux tests statistiques

Introduction aux tests statistiques Itroductio aux tests statistiques Philippe Boeau 27 septembre 2006 Chapitre 1 Élémets de probabilités Exercice 1 O ote E l esemble des etiers aturels iférieurs ou égaux à 12 et A (respectivemet B et C)

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

Probabilités et statistique. Notes de cours pour MAT 1978

Probabilités et statistique. Notes de cours pour MAT 1978 Probabilités et statistique Notes de cours pour MAT 1978 Adré Giroux Départemet de mathématiques et statistique Uiversité de Motréal 2007 Table des matières 1 Le modèle probabiliste 4 1.1 Le modèle réduit.........................

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

Chapitre 1 : Statistique descriptive univariée

Chapitre 1 : Statistique descriptive univariée Biostatistiques Licece Chapitre : Statistique descriptive uivariée Itroductio Statistique : esemble de méthodes scietifiques destiées à la collecte, la présetatio et l aalyse de doées. Jeux de doées Applicatio

Plus en détail

MOYENNES. Moyenne arithmétique simple x de n éléments n

MOYENNES. Moyenne arithmétique simple x de n éléments n MOYENNES. Moyees : premières formules Moyee arithmétique simple de élémets + +... + +,,...,, Moyee arithmétique podérée de élémets,,...,, muis des coefficiets p, p,..., p, p p + p +... + p + p p+ p+...

Plus en détail

Chapitre 5 : Suites classiques

Chapitre 5 : Suites classiques Chapitre 5 : Suites classiques Objectifs : Révisios sur les suites arithmétiques et géométriques. Révisio du théorème de croissace comparée. Savoir exprimer e foctio de les termes d ue suite récurrete

Plus en détail

Fluctuation et estimation

Fluctuation et estimation Fluctuatio et estimatio Table des matières I Idetificatio de la situatio........................................ II Échatilloage, itervalle de fluctuatio asymptotique........................ II. Itervalle

Plus en détail

Erreur, Probabilité et Statistique. S P 2 σ. X est proportionnelle à l intégrale sur l espace de phase

Erreur, Probabilité et Statistique. S P 2 σ. X est proportionnelle à l intégrale sur l espace de phase Joha Collot Cours de physique expérimetale des hautes éergies du DEA de Physique Théorique Rhôe Alpi http://iswww.ip3.fr/atlas/cours/idex.html Aée : 00 Erreur, Probabilité et Statistique Tous les processus

Plus en détail

T. D. n o 2 Intervalles de confiance-correction

T. D. n o 2 Intervalles de confiance-correction T. D. o 2 Itervalles de cofiace-correctio Exercice 1. Les billes métalliques 1. Nous calculos la moyee µ 10 de l échatillo : µ 10 = 20. Calculos la variace corrigée puis l écart-type corrigé de l échatillo

Plus en détail

Correction Bac ES Liban juin 2010

Correction Bac ES Liban juin 2010 Correctio Bac ES Liba jui 2010 EXERCICE 1 (4 poits) Commu à tous les cadidats 1) A et B sot deux évéemets idépedats et o sait que p(a) = 0,5 et p(b) = 0,2. La probabilité de l évéemet A B est égale à :

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

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

Partie B u. 4 Soit (u n ) la suite définie par : pour tout entier naturel n 0, u

Partie B u. 4 Soit (u n ) la suite définie par : pour tout entier naturel n 0, u Exercice 1 (6 poits) Commu à tous les cadidats O cosidère la foctio f défiie et dérivable sur l itervalle [ 0 ; + [ par : f (x) = 5 l ( x ± 3 ) x. 1. a. O appelle f ' la foctio dérivée de la foctio f sur

Plus en détail

Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction. 4. 2. Lois discrètes..4

Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction. 4. 2. Lois discrètes..4 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Chapitre 4 Lois de Probabilité Sommaire. Itroductio. 4. Lois discrètes..4.. Loi uiforme..4... Défiitio...4... Espérace et variace..5..

Plus en détail

L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM

L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM FACULTE DES SCIENCES ET TECHNIQUES. UHA MULHOUSE L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM Chapitre 2 Séries etières Cotets. Gééralités sur les séries etières 2.. Défiitio

Plus en détail

Le rapport de corrélation : mesurer la liaison entre une variable qualitative et une variable quantitative.

Le rapport de corrélation : mesurer la liaison entre une variable qualitative et une variable quantitative. Le rapport de corrélatio : mesurer la liaiso etre ue variable qualitative et ue variable quatitative. Frédéric Satos CNRS, UMR 599 PACEA Courriel : frederic.satos@u-bordeaux.fr mars 05 Résumé Le rapport

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

BACCALAURÉAT TECHNOLOGIQUE MATHÉMATIQUES. Spécialité : BIOTECHNOLOGIES

BACCALAURÉAT TECHNOLOGIQUE MATHÉMATIQUES. Spécialité : BIOTECHNOLOGIES BACCALAURÉAT TECHNOLOGIQUE Sessio 2016 MATHÉMATIQUES Série : SCIENCES ET TECHNOLOGIES DE LABORATOIRE Spécialité : BIOTECHNOLOGIES Durée de l épreuve : 4 heures Coefficiet : 4 Calculatrice autorisée coformémet

Plus en détail

E(X i ) par linéarité de l espérance.

E(X i ) par linéarité de l espérance. Statistiques appliquées. L3 Iterrogatio Questios de cours. 3 poits 1) Eocer le théorème cetral limite (1 pt). Si (X ) est ue suite de v.a. idépedates et de même loi, admettat des momets d ordre u et deux

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 0-03 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5. Pricipe des tests 6.a. Méthodologie

Plus en détail

Variables aléatoires, Estimation ponctuelle, Principes généraux sur les tests

Variables aléatoires, Estimation ponctuelle, Principes généraux sur les tests Variables aléatoires, Estimatio poctuelle, Pricipes gééraux sur les tests Mémo 215-216 1 Rappels sur les variables aléatoires Défiitio 1.1 (Loi de Beroulli B(π)) C est ue ue variable aléatoire discrète

Plus en détail

2 Variables aléatoires indépendantes

2 Variables aléatoires indépendantes -stat_ii.b 7 Variables aléatoires idépedates. Variables idépedates Exemple de deux variables idépedates O lace quatre fois ue pièce de moaie. O ote X = ombre de piles obteus lors des deux premiers lacers,

Plus en détail

Probabilités, MATH 424 Feuille de travaux dirigés 2. Solutions.

Probabilités, MATH 424 Feuille de travaux dirigés 2. Solutions. Probabilités, MATH 44 Feuille de travaux dirigés. Solutios. 1 Exercices Exercice 1. O jette trois dés o pipés. 1. Calculer la probabilité d obteir au mois u 1.. Que vaut la probabilité d obteir au mois

Plus en détail

MATHEMATIQUES 2. Fonctions de matrices

MATHEMATIQUES 2. Fonctions de matrices SESSION 2004 EPREUVE SPECIFIQUE FILIERE MP MTHEMTIQUES 2 Durée : 4 heures Les calculatrices sot iterdites * * * NB : Le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio

Plus en détail

BACCALAURÉAT GÉNÉRAL

BACCALAURÉAT GÉNÉRAL BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série : ES DURÉE DE L ÉPREUVE : 3 heures COEFFICIENT : 7 Ce sujet comporte 7 pages umérotées de 1 à 7 Ce sujet écessite l utilisatio d ue feuille de papier

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

STATISTIQUE : ESTIMATION

STATISTIQUE : ESTIMATION STATISTIQUE : ESTIMATION Préparatio à l Agrégatio Bordeaux Aée 202-203 Jea-Jacques Ruch Table des Matières Chapitre I. Estimatio poctuelle 5. Défiitios 5 2. Critères de comparaiso d estimateurs 6 3. Exemples

Plus en détail

Cours de Statistique

Cours de Statistique Uiversité Joseph Fourier, Greoble I Licece Scieces et Techologies 2 e aée STA230 : Méthodes Statistiques pour la Biologie Cours de Statistique http ://ljk.imag.fr/membres/berard.ycart/sta230/ Table des

Plus en détail

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6 Corrigés TD Chapitre : Variables aléatoires sur u uivers fii Exercice : Soit X la VAR défiie par le tableau suivat : x i - - 0 p 6 4 6 4 6 i O ote Y = X ) Détermier la loi cooite de X et Y ) Détermier

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

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

Estimation Intervalle de Confiance

Estimation Intervalle de Confiance Estimatio Itervalle de Cofiace Pr Roch Giorgi roch.giorgi@uiv-amu.fr SESSTIM, Faculté de Médecie, Aix-Marseille Uiversité, Marseille, Frace http://sesstim-orspaca.org Itroductio Coaître des valeurs de

Plus en détail

Notes de Cours : STATISTIQUES. Christine Kazantsev http ://www-ljk.imag.fr/membres/frederique.leblanc/

Notes de Cours : STATISTIQUES. Christine Kazantsev http ://www-ljk.imag.fr/membres/frederique.leblanc/ Notes de Cours : STATISTIQUES Frédérique Leblac Christie Kazatsev http ://www-ljk.imag.fr/membres/frederique.leblac/ 27 octobre 2009 1 Chapitre 1 Itroductio O souhaite étudier u caractère X sur ue populatio

Plus en détail

ANOVA Analyse de la Variance

ANOVA Analyse de la Variance Chapitre 8 ANOVA Aalyse de la Variace. Obectif de la méthode Chap 8.. Obectif de la méthode. Approche ituitive 3. Décompositio de la variace 4. ANOVA: le test et le modèle statistique sous-acet O s itéresse

Plus en détail

Feuille d exercices: Calcul matriciel.

Feuille d exercices: Calcul matriciel. Feuille d exercices : Calcul matriciel : Exercice 2 3 ) Soit A = 0 0, motrer que A est la matrice das la 2 6 base caoique de R 3 d ue projectio dot o precisera le oyau et l image 2) Doer la matrice das

Plus en détail

MÉTHODES STATISTIQUES

MÉTHODES STATISTIQUES MAT 080 XAM IAL AUTOM 005 ate : imache 8 décembre 005, de h00 à 7h00 ISTRUCTIOS MÉTHOS STATISTIQUS. étachez la feuille-réposes à la fi de ce cahier et iscrivez-y immédiatemet votre om, votre code permaet

Plus en détail

Baccalauréat S Centres étrangers 10 juin 2016

Baccalauréat S Centres étrangers 10 juin 2016 Baccalauréat S Cetres étragers 0 jui 206 Exercice I (4 poits) Pour chacue des quatre affirmatios suivates, idiquer si elle est vraie ou fausse, e justifiat la répose. il est attribué u poit par répose

Plus en détail

MÉTHODES STATISTIQUES EXAMEN INTRA AUTOMNE 2008 Date : Dimanche 2 novembre 2008 de 14h00 à 17h00

MÉTHODES STATISTIQUES EXAMEN INTRA AUTOMNE 2008 Date : Dimanche 2 novembre 2008 de 14h00 à 17h00 MAT 080 MÉTHODES STATISTIQUES EXAMEN INTRA AUTOMNE 008 Date : Dimache ovembre 008 de 4h00 à 7h00 INSTRUCTIONS. Détachez la feuille-réoses à la fi de ce cahier et iscrivez-y immédiatemet votre om, votre

Plus en détail

ECOLE POLYTECHNIQUE TRAITEMENT STATISTIQUE DES DONNEES GEOLOGIQUES COURS GLQ3402. (Version 2.5; 2000) par Denis Marcotte

ECOLE POLYTECHNIQUE TRAITEMENT STATISTIQUE DES DONNEES GEOLOGIQUES COURS GLQ3402. (Version 2.5; 2000) par Denis Marcotte ECOLE POLYTECHNIQUE TRAITEMENT STATISTIQUE DES DONNEES GEOLOGIQUES COURS GLQ340 (Versio.5; 000) par Deis Marcotte Itroductio 1 1. INTRODUCTION... 1.1 OBJECTIFS DE L'ANALYSE DES DONNÉES... 1. PLACE DU COURS

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

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

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

Commentaires sur l'exercice 1

Commentaires sur l'exercice 1 Commetaires sur l'exercice 1 O pred comme populatio de référece le groupe des quatre efats. Cet exemple, bie que o pertiet du fait du faible effectif de la populatio, permet de mettre e place les otios

Plus en détail

1 ère S Exercices sur le schéma de Bernoulli (1)

1 ère S Exercices sur le schéma de Bernoulli (1) ère Exercices sur le schéma de Beroulli () 8 Le chevalier de Méré, philosophe et homme de lettres, pose le problème suivat au mathématicie Blaise ascal : «Qu est-ce qui est le plus probable : obteir au

Plus en détail

Probabilités et Statistique

Probabilités et Statistique Probabilités et Statistique Jea-Michel JOLION Départemet Géie Idustriel 3ème Aée Versio électroique : http://rfv.isa-lyo.fr/ jolio/stat/poly.html Jue 28, 2005 INSA Lyo - Bât. J. Vere - 69621 Villeurbae

Plus en détail

Composition de Mathématiques D (U)

Composition de Mathématiques D (U) École Normale Supérieure Cocours d admissio 205 Filière MP Compositio de Mathématiques D (U) (Durée : 6 heures) L utilisatio des calculatrices est iterdite Sujet saisi par Michel Quercia (michel.quercia@prepas.org)

Plus en détail