Lois de probabilité continues
|
|
- Alfred St-Germain
- il y a 7 ans
- Total affichages :
Transcription
1 Lois de probbilité continues Tble des mtières I Lois de probbilité continues I.1 Principe et définitions I. Exemples de lois continues I..1 Loi uniforme I.. Loi exponentielle II Loi normle centrée réduite 6 II.1 Convergence de l loi binomile II. L loi N(,1) IIIL loi normle N(µ,σ ) 9
2 I Lois de probbilité continues I.1 Principe et définitions On considère une expérience létoire dont les issues ne sont plus dénombrbles : choisir un nombre réel entre et 1; prévoir l durée d un ppel téléphonique; prévoir l ngle d une girouette,... Comment peut-on définir une loi de probbilité sur des résultts regroupés en intervlle? On rppelle qu étblir une loi de probbilité sur un univers fini Ω, consiste à ttribuer ux N vleurs x i de Ω, un réel positif p i tels que : p i 1 pour 1 i N i=n p i = 1 i=1 Le réflexe consiste à poser p i = 1 quelque soit i; on définit lors une loi équiprobble. N Mis comment fire lorsque Ω n est ps fini? Exemple : Un jeu consiste à tirer une flèche sur un cible dont l forme est donnée ci-contre. L prbole est l courbe représenttive de l fonction f définie sur [;1] pr : 1 f(x) = 6x(1 x) On suppose que l flèche tteint toujours l cible et on ppelle x l bscisse du point d impct P sur l cible.on s intéresse à l probbilité de l événement : E :, x,6 Cet événement ser rélisé chque fois que l flèche tombe dns l zone hchurée. On peut lors construire l probbilité de E en considérnt le rpport des deux ires : Or, d une prt A = A E, l ire de l prtie hchurée, A, l ire de l prtie située sous l courbe,u dessus de l xe des bscisses entre les vleurs et 1. 1 f(x)dx et d utre prt A E =,6 A = 1 et A E =,544. Une primitive F de f est F(x) = 3x x 3, f(x)dx.un clcul rpide donne : /11
3 Ainsi, l probbilité de l événement E est-elle : p(e) =,544. On donc défini une loi de probbilité sur un univers infini (cr x peut prendre une infinité de vleurs) pr l reltion : p(x [c;d]) = d c f(x)dx où c < d 1 Définition 1 Soit I = [;b] un intervlle borné de réels vec < b. On considère une fonction f positive sur I telle que l intervlle I de tout intervlle J = [c;d] inclus dns I pr : f(x) dx = 1. On définit une loi de probbilité sur p(x [c;d]) = d c f(x)dx À chque intervlle J inclus dns I, on ttribue donc un réel positif p J tel que : p J 1 p J = 1 (J I) Définition L fonction f insi définie s ppelle densité de l loi de probbilité sur l intervlle I. L distribution des probbilités n est plus discrète mis continue. Cel justifie le nom de loi de probbilité continue. I. Exemples de lois continues On se propose ici de découvrir deux situtions qui permettent de construire deux fonctions de densité, c està-dire deux nouvelles lois. I..1 Loi uniforme Un cmrde choisit,un nombre entier entre 1 et 1. Dns ce cs,l probbilité de retrouver son nombre est de.1 (une chnce sur dix). En revnche, s il choisit un nombre réel entre 1 et 1,l probbilité de le retrouver est qusiment nulle. L question est lors comment modéliser le tirge létoire d un nombre d un intervlle I? On considère un intervlle I = [;b].pour tout nombre x dns I, on considère un intervlle J = [c;d] inclus dns I et contennt x.on construit une loi de probbilité sur I en clculnt le rpport des longueurs des intervlles J et I. Ainsi : p(x J) = longueur de J longueur de I = d c b Plus J est grnd, plus p se rpproche de 1 et plus l événement x J de chnces de se produire.inversement,plus J est petit, moins l événement précédent de chnces de se produire. L loi insi construite est l loi uniforme sur I.On peut l considérer comme l loi équiréprtie pour les lois continues. Définition 3 Une vrible létoire X suit une loi uniforme sur l intervlle [;b] ( < b) 1 lorsque s densité de probbilité f est l fonction constnte égle à b. 3/11
4 En effet, si f(x) = 1 pour x [;b] lors, d p(x [c;d]) = f(x)dx = d c vec p(x [;b]) = f(x)dx = b c b b = 1. On illustre l sitution pr le schém ci-contre (qui rppelle celui de l cible) : Sur un intervlle [;b], l fonction de densité de l loi uniforme est f(x) = 1. L probbilité b que X soit dns un intervlle [c;d] est égl à l ire de l prtie hchurée. 1 b c d b Exemple 1 On choisit un nombre u hsrd dns l intervlle [5;]. L vrible X égle u nombre choisi, suit l loi uniforme sur [5;].On considère les événements A = (X > 1), B = (1 X 16) et C = (8 X 13). Alors : p(a) = 1 5,67,p(B) = p(ā) = p(x 1) = 1 p(a),33,7 et p(c) = 5 15,33 p(b C) = p(b)+p(c) p(b C) = = 8 15 Pour rppeler que les formules connues fonctionnent encore vec les lois continues. Définition 4 L espérnce mthémtique d une vrible létoire X dont l densité de probbilité f est définie sur l intervlle [;b] est : E(X) = xf(x)dx L espérnce est l moyenne des vleurs prises pr X lorsqu on réitère un grnd nombre de fois l expérience dont est issue X.Pour l loi uniforme on le résultt suivnt : Proposition 1 Si X suit l loi uniforme sur [;b] lors E(X) = +b C est l moyenne rithmétique de et b. On démontre ce résultt pr un clcul intégrl simple. En effet si X suit l loi uniforme sur [;b] lors f(x) = 1 b et : I.. Loi exponentielle E(X) = xf(x)dx = x b dx = 1 b [x ]b = +b Les lois exponentielles modélisent les phénomènes dont l durée de vie ne dépend ps de l âge, comme pr exemple celle d un tome rdioctif. Cette propriété est connue sous le nom de durée de vie sns vieillissement. Elle s exprime pr le reltion probbiliste : 4/11
5 P X t (X t+h) = P(X h) pour tous t et h positifs ou nuls. En d utres termes, le probbilité que X dépsse le temps t+h schnt que X déjà dépssé le temps t est l même que l probbilité que X dépsse h quelque soit t et h. On démontre que les vribles létoires qui suivent une loi exponentielle sont les seules qui modélisent une durée de vie sns vieillissement. Définition 5 On considère un réel positif λ. L loi exponentielle est l loi de probbilité d une vrible létoire T définie sur [;+ [ pr l fonction de densité f(t) = λe λt λ p(t ) Une fonction de densité d une loi exponentielle est toujours décroissnte (λ > ) On insi d près les définitions précédentes : p(t [c;d]) = En fisnt tendre d vers +, on obtient : d c λe λt dt = e cλ e dλ ou encore, p(t [c;+ ]) = p(t c) = + c λe λt dt = e cλ p(t c) = c λe λt dt = 1 e cλ Exemple L durée de vie d un composnt électronique, exprimée en nnées, est une vrible létoire T qui suit une loi exponentielle de prmètre λ =,. L probbilité que le composnt dure moins de 8 ns est lors : p(t 8) = 8 L probbilité que le composnt dure plus de 1 ns est lors :,e.t dt = 1 e 8,,798 p(t 1) = + 1,e.t dt = e 1,,135 Proposition Soit T une vrible létoire qui suit une loi exponentielle de prmètre λ >. Alors : E(T) = 1 λ 5/11
6 En reprennt l exemple précédent, E(T) = 1 = 5. Donc en moyenne sur un grnd lot de composnts, l durée, de vie est de 5 ns. Démonstrtion : Il s git de clculer dns un premier temps l intégrle I(α) = Posons g(x) = xλe λx. L fonction g est dérivble sur [;+ [ et on : α xλe λx dxetdeclculer lim α + I(α). d où : Ainsi : I(α) = 1 λ α g (x) = λe λx λ xe λx = λe λx λg(x) g(x) = 1 λ (λe λx g (x)) (λe λx g (x))dx = 1 λ ( e λα λαe λα +1) près clculs. Avec lim α + λαe λα = et lim α + e λα =, il vient lim α + I(α) = 1 λ II Loi normle centrée réduite Dns cette section, on étudie plus précisément l loi normle dns un cs prticulier. On générliser pr l suite. II.1 Convergence de l loi binomile On rppelle que si une vrible létoire X suit une loi binomile B(n,p) lors : X prend les vleurs entières de à n; ( ) n pour k n, p(x = k) = p k k (1 p) n k ; E(X) = n p et V(X) = n p (1 p) Cette distribution des probbilités s illustre pr un digrmme en brres : Répétition de n épreuves identiques et indépendntes les unes des utres, à deux issues possibles, l un étnt ppelée le succès de probbilité p. Illustrtion du cs n = 1 et p =.. L huteur des brres donnent l probbilité des événements X = k On considère l vrible létoire Z définie pr Z = X np np(1 p). Clculons l espérnce puis l vrince de Z. L espérnce est linéire donc : X np E(Z) = E( ) = E(X) E(np) = np npe(1) = cr E(1) = 1 np(1 p) np(1 p) np(1 p) et : X np V(Z) = V( ) = V(X) np(1 p) np(1 p) = 1.. Voir puissnces comprées d une exponentielle et d un polynôme. Pour tous réels et b, E(X +b) = E(X)+b. Pour tous réels et b, V(X +b) = V(X) 6/11
7 En conclusion Z une espérnce nulle et un écrt-type égl à 1. Définition 6 L vrible Z est dite centrée réduite. Qund les vleurs de X décrivent l ensemble des entiers Ω = {,1,,...,n} les vleurs de Z décrivent l l ensemble des nombres réels { np σ, 1 np, np,..., n np } où σ = np(1 p). σ σ σ Ci-dessous, on donne le digrmme en brres de l vrible Z pour différentes vleurs de n. n = 5 n = 1 n = Plus n est grnd, plus les digrmmes dessinent une ire délimitée pr une courbe en cloche, ppelée courbe de Guss.On démontre que cette courbe est l courbe représenttive de l fonction Φ définie pour tout réel x pr : 4.1 Φ(x) = 1 e x π L loi de probbilité discrète de l vrible X (loi binomile) devient une loi continue lorsque n devient grnd de l vrible Z. Cette loi dont l fonction de densité est l fonction Φ, est l loi normle centrée réduite. Cette convergence d une loi vers une utre constitue le théorème suivnt. Théorème 1 Théorème de Moivre Lplce Soit X n une vrible létoire qui suit l loi binomile B(n,p). On pose : Z n = X n np np(1 p). Alors pour tous réels et b, vec < b, on : lim p( Z n b) = n + où Φ est l fonction de Guss définie ci-dessus. Φ(t) dt L démonstrtion est hors progrmme et repose sur une pproximtion (dite de Stirling). II. L loi N(,1) Définition 7 L loi normle centrée réduite est l loi continue dont l fonction de densité est l fonction de Guss Φ. Ainsi,dns le cs où X suit l loi normle N(,1), p( X b) = Φ(t) dt. En prtique le clcul intégrl précédent est impossible cr on ne connît ps une primitive explicite de l fonction Φ. On utilise les fonctionnlités des clcultrices qui permet pr divers lgorithmes d en déterminer une vleur pprochée... Voir cours sur le clcul intégrl 7/11
8 Proposition 3 En utilisnt notmment l symétrie de l courbe,pour tout réel : p( X ) = p( X ); p(x ) = 1 p(x ) Les probbilités des événements ci-dessus peuvent toujours s interpréter en termes d ires : p( X ) p( X ) Exemple 3 On considère une vrible létoire X qui suit l loi normle centrée réduite N(,1). À l clcultrice, on trouve p(x <.6).734.Alors on peut en déduire : p( < X <.6) cr p( < X <.6) = p(x <.6).5 =.34; p(x >.6) cr p(x >.6) = p(x <.6) =.734; p(x.6) cr p(x.6) = 1 p(x <.6) =.676. Exemple 4 On considère l vrible létoire X qui suit une loi binomile B(7;,7). On pose Z = X 49 14,7. D près le théorème de Moivre Lplce, considérnt que le nombre n d essis est ssez grnd, Z suit l loi normle centrée réduite. Déterminons p(46 X 6), c est-à-dire l probbilité que le nombre de succès soit compris entre 35 et 6.On : p(46 X 6) = p( Z 6 49 ) p(,78 Z,869), ,7 14,7 Théorème Soit X une vrible létoire qui suit une loi normle centrée réduite. Alors pour tout réel α dns ];1[, il existe un unique réel positif u α tel que : p( u α X u α ) = 1 α Démonstrtion :D près l symétrie de l courbe,on : p( u X u) = p( X u) = u Φ(x)dx = H(u) où H est une primitive de Φ qui s nnule en.l fonction H est continue et strictement croissnte sur [;+ [ vec lim H(u) = 1.On obtient insi le tbleu de vritions suivnt : u + 8/11
9 u + 1 H(u) ր Lorsque α pprtient à ];1[, 1 α ussi. D près le théorème des vleurs intermédiires, il existe un unique u α dns [;+ [ tel que H(u α ) = 1 α, c est-à-dire, p( u α X u α ) = 1 α. Il fut en prticulier retenir deux vleurs prticulières de α, données pr le tbleu ci-dessous : u,5 = 1,96 u,1 =,58 95%des vleurs 99%des vleurs 1,96 1,96,58,58 III L loi normle N(µ,σ ) Il s git de générliser l notion de loi normle. Définition 8 On considère un réel µ et un réel strictement positif σ. On dit qu une vrible X suit l loi normle N(µ,σ ) si l vrible centrée réduite Z = X µ suit l loi centrée réduite N(,1). σ Dns ce cs, l espérnce de X est µ et son écrt-type est σ. 9/11
10 σ =.4 σ = 1 σ = Pour une même moyenne µ = 15, on voit l évolution de l forme de l courbe en cloche selon les différentes vleurs de σ. Les lois normles à l origine permettent de modéliser de nombreuses études biométriques.il fut comprendre que pour une loi normle N(µ,σ ), plus l vrible est proche de l vleur de µ, plus l probbilité de son pprition est grnde. L dispersion des vleurs est précisée pr σ. En prtique, pour clculer l probbilité d un événement imposé à l vrible X qui suit l loi N(µ,σ ), on utilise les fonctionnlités de l clcultrice. Exemple 5 On suppose que X N(4,4). Clculons l probbilité des événements suivnts : (X 5),(3.5 X 4.5) et (X > 6) À l clcultrice, on obtient : p(x 5),6915,p(3.5 X 4.5),1974 et p(x > 6) = 1 p(x 6),1587 Proposition 4 Soit X une vrible létoire qui suit l loi normle N(µ,σ ). Alors : p(µ σ X µ+σ),683 p(µ σ X µ+σ),954 p(µ 3σ X µ+3σ),997 Cette propriété est connue sous le nom des 1,,3 sigm. 1/11
11 µ σ µ+σ 68,5% des vleurs µ σ µ+σ 95,4% des vleurs µ 3σ 99,7% des vleurs µ+3σ 11/11
Tout ce qu il faut savoir en math
Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion
Plus en détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :
Plus en détailSéquence 8. Probabilité : lois à densité. Sommaire
Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit
Plus en détailLICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER
LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailThéorème de Poincaré - Formule de Green-Riemann
Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailSynthèse de cours (Terminale S) Calcul intégral
Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailsemestre 3 des Licences MISM annnée universitaire 2004-2005
MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................
Plus en détailCours d Analyse IV Suites et Séries de fonctions
Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailUniversité Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO
Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................
Plus en détailCOURS D ANALYSE. Licence d Informatique, première. Laurent Michel
COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................
Plus en détailLicence M.A.S.S. Cours d Analyse S4
Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,
Plus en détailChapitre VI Contraintes holonomiques
55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce
Plus en détailANALYSE : FONCTIONS D UNE VARIABLE RÉELLE
Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailANALYSE NUMERIQUE NON-LINEAIRE
Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailChapitre 1 : Fonctions analytiques - introduction
2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailTurbine hydraulique Girard simplifiée pour faibles et très faibles puissances
Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailSTI2D Logique binaire SIN. L' Algèbre de BOOLE
L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailTechniques d analyse de circuits
Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailIntégrale et primitives
Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailNotes de révision : Automates et langages
Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s
Plus en détailChapitre 11 : L inductance
Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détail3- Les taux d'intérêt
3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailCompte rendu de la validation d'un observateur cascade pour la MAS sans capteurs mécaniques sur la plate-forme d'essai de l'irccyn
Compte rendu de l vlidtion d'un oservteur cscde pour l MAS sns cpteurs mécniques sur l plte-forme d'essi de l'irccyn Mlek GHANES, Alin GLUMINEAU et Roert BOISLIVEAU Le 1 vril IRCCyN: Institut de Recherche
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détail/HVV\VWqPHVFRPELQDWRLUHV
/HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détail1 TD1 : rappels sur les ensembles et notion de probabilité
1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (
Plus en détailLITE-FLOOR. Dalles de sol et marches d escalier. Information technique
LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailMagister en : Génie Mécanique
الجمهورية الجزاي رية الديمقراطية الشعبية République Algérienne Démocrtique et Populire وزارة التعليم العالي و البحث العلمي Ministère de l enseignement supérieur et de l recherche scientifique Université
Plus en détailRégression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006
Régression multiple : principes et eemples d ppliction Dominique Lffly UMR 5 603 CNRS Université de Pu et des Pys de l Adour Octobre 006 Destiné à de futurs thémticiens, notmment géogrphes, le présent
Plus en détailL'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.
ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailLANGAGES - GRAMMAIRES - AUTOMATES
LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailPartie 4 : La monnaie et l'inflation
Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailInfluence du milieu d étude sur l activité (suite) Inhibition et activation
Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailElectrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11
Electrovnne double Dimension nominle 3/8 - DMV-D/11 DMV-DLE/11 7.30 M Edition 11.13 Nr. 223 926 1 6 Technique L électrovnne double DUNGS DMV intère deux électrovnnes dns un même bloc compct : - vnnes d
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailModification simultanée de plusieurs caractéristiques d un bien hédonique : une nouvelle méthode de calcul de la variation de bien-être des ménages
Modifiction simultnée de plusieurs crctéristiques d un bien hédonique : une nouvelle méthode de clcul de l vrition de bien-être des ménges Trvers Muriel * Version provisoire Résumé : De nombreuses situtions
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailAUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*)
Revue d histoire des mthémtiques, 2 (1996), p. 1 66. AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES Bruno BELHOSTE (*) RÉSUMÉ. Dns cet rticle,
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailThèse Présentée Pour obtenir le diplôme de doctorat en sciences En génie civil Option : structure
République Algérienne Démocrtique et Populire Ministère de l enseignement supérieur et de l recherche scientifique Université Mentouri de Constntine Fculté des sciences et sciences de l ingénieur Déprtement
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailSciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot
Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une
Plus en détail