Cours (Terminale) Probabilités (révisions 1 ère )

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Cours (Terminale) Probabilités (révisions 1 ère )"

Transcription

1 Cours (Termale) Probabltés (révsos ère ) Quelques rappels et complémets sur les esembles Uo de deux esembles O appelle «uo de deux esembles E et F» l esemble oté E F dot les élémets sot costtués des élémets de E et de ceux de F. Exemple : s E { ab ; ;6; π } et F { 7; π ; ae ; } alors E F { abe ; ; ;6;7; π } Itersecto de deux esembles. O appelle «tersecto de deux esembles E et F» l esemble oté E F dot les élémets sot costtués des élémets apparteat à la fos à E et à F. Exemple : s E { ab ; ;6; π } et F { 7; π ; ae ; } alors E F { a; π } Parte (ou sous-esemble) d u esemble. O appelle «parte (ou sous-esemble) d u esemble E» tout esemble A dot tous les élémets apparteet à E. Cette apparteace se tradut par l écrture A O dstgue deux partes partculères : E que l o peut lre «A est clus das E» La parte vde, otée ou { } (mos fréquet), qu e cotet aucu élémet ; La parte plee correspodat à l esemble E lu-même. Exemple : s E { ab ; ;6; π } alors A { a} et B { 6; a; π } sot deux partes de E (l y e a 6 au total e comptat E et. Saurez-vous les retrouver? Saurez-vous trouver le ombre de partes d u esemble comportat élémets?). Par alleurs o a c : A B. Vocabulare des probabltés Expérece aléatore O appelle «expérece aléatore» ue expérece dot le résultat e peut (de faço absolue ou das la lmte de os capactés et de os coassaces) être prévu. PaaMaths [-6] Novembre 2006

2 Exemples : le jet d u dé, le trage d ue carte das u paquet mélagé, le jet d ue pèce de moae, le trage d ue boule das ue ure coteat tros boules dscerables au toucher et de couleurs dfféretes, etc. Issue et uvers O appelle «ssue», ou «évéemet élémetare», u résultat d ue expérece aléatore. O appelle «uvers» l esemble des ssues possbles de l expérece aléatore. Notes : () u uvers doé est doc assocé à ue expérece aléatore doée. O dot toujours garder présete à l esprt cette assocato ; (2) ue ssue est doc ue parte (ou sous-esemble) de l uvers assocée à l expérece aléatore (seul pot partculer : cette parte e comporte qu u seul élémet!). Par exemple : (a) Jet d u dé. { } et { } l esemble Ω { ; 2;3; 4;5;6} ; 4 sot des ssues de cette expérece aléatore et l uvers assocé est (b) Jet d ue pèce de moae. {PILE} et {FACE} sot les deux seules ssues possbles Ω PILE, FACE. L uvers assocé est { } Evéemet O appelle «évéemet» tout sous-esemble (ou parte) A de l uvers. O dt qu u évéemet est «réalsé» lorsque le résultat de l expérece aléatore est l u des évéemets élémetares de A. L uvers correspod à «l évéemet certa» et l esemble vde à «l évéemet mpossble». Par exemple : cosdéros l expérece du jet d u dé (l uvers est Ω { ; 2;3; 4;5;6} ). Sot l évéemet A «obter u ombre par». S l ssue correspod au ombre 4, l évéemet A est réalsé. S l ssue est le ombre, l évéemet A est pas réalsé. Les ssues réalsat l évéemet A sot doc : { 2 }, { 4 } et { } O a doc : A { 2;4;6} L évéemet «obter u chffre féreur à 6» est l évéemet certa pusque l o obtet asémet A { ;2;3;4;5;6} Ω. L évéemet «obter u chffre supéreur à 7» est l évéemet mpossble! ( A ) Evéemet cotrare Sot A u évéemet de l uvers Ω assocé à ue expérece aléatore. O appelle «évéemet cotrare (ou complémetare) de l évéemet A» l évéemet costtué des ssues de l uvers qu apparteet pas à A. O ote cet évéemet A. 6. PaaMaths [2-6] Novembre 2006

3 O vérfe asémet à l ade de cette défto que l o a les proprétés suvates : Exemple : Ω Ω A AΩ A A Avec Ω { ; 2;3; 4;5;6}, A { 2;4} et B { ;2;3;6} A { ;3;5;6} et B { 4;5}. Probablté o obtet : Sot ue expérece aléatore assocée à l uvers { x x x x } Ω, 2, 3,...,. Défr ue «probablté» sur Ω c est assocer à chaque élémet x de l esemble Ω u réel oté p (ou p( x )) apparteat à l tervalle [ ] O dt que «0;, ces réels vérfat : p+ p2 + p p p est la probablté assocée à l ssue { } Remarque : l égalté précédete peut être écrte x». p, le symbole Σ correspodat à la lettre grecque majuscule «sgma». S o a p p2 p3... p, o dt que «la probablté est équréparte» ou que l o se trouve das ue «stuato d équprobablté». O a alors : p p2 p3... p Exemples : (a) E effectuat le jet d u dé o ppé u certa ombre de fos, o costate que les fréqueces d apparto des sx faces : Sot voses de 6 ; Ot ue somme égale à. Ω ; 2;3; 4;5;6, o peut défr ue probablté sur Ω grâce à l égalté : E posat { } p p2 p3 p4 p5 p6. 6 (b) O peut caractérser u dé ppé e doat les probabltés d apparto des faces suvates : p, p 2, p 3, p 4, p 5 et p PaaMaths [3-6] Novembre 2006

4 Probablté d u évéemet Sot ue expérece aléatore assocée à l uvers { x x x x } ue probablté. Sot A u évéemet de Ω. La «probablté de l évéemet A», otée p ( A) Ω,,,..., sur lequel o a déf 2 3, est égale à la somme des probabltés des ssues de l expérece aléatore réalsat A. S la probablté est équréparte o retedra : ombre d'ssues réalsat A p ( A) ombre total d'ssues Exemples : (a) Cosdéros le dé ppé déf c-dessus. Sot l évéemet A : «la face est pare». O a mmédatemet : A { 2;4;6}. D après la défto précédete, l vet : p( A) p2 + p4 + p (b) Das le cas d u dé o ppé, o a : p p2 p3 p4 p5 p6. 6 Proprétés S o cosdère à ouveau A { 2;4;6}, l vet : ombre d'ssues réalsat A 3 p ( A) ombre total d'ssues 6 2 Résultat que l o retrouve évdemmet e utlsat : 3 p( A) p2 + p4 + p Sot ue expérece aléatore assocée à l uvers { x x x x } ue probablté. Sot A et B deux évéemets de Ω. p Ω et p ( ) 0 ( ) S A et B vérfet A B p( ) p( ) A + A alors o a : p( A) p( B) Ω,,,..., sur lequel o a déf 2 3 Exemple : O cosdère u jeu de 32 cartes et o tre au hasard ue carte das ce jeu. O demade les probabltés des évéemets suvats : A : «Obter u ro» B : «Ne pas obter u ro» O est das ue stuato d équprobablté et le ombre total d ssues correspod au ombre total de trages possbles, c est à dre au ombre total de cartes, sot 32. PaaMaths [4-6] Novembre 2006

5 Les ombre d ssues correspodat à l évéemet A vaut 4 pusque le jeu comporte 4 ros. 4 Il vet doc : p ( A) L évéemet B est l évéemet cotrare de l évéemet A! O a doc : B A. p A p A p A + p B. L égalté ( ) ( ) D où : p( ) p( ) + ous permet alors d écrre : ( ) ( ) 7 B A 8 8 Evéemets «A et B» et «A ou B» Sot ue expérece aléatore assocée à l uvers Ω. Sot A et B deux évéemets. L évéemet «A et B» est l évéemet composé des ssues réalsat à la fos A et B. Il s agt dot de la parte A B de l uvers Ω. S A B, o dt que les évéemets «A et B sot compatbles». L évéemet «A ou B» est l évéemet composé des ssues réalsat au mos l u des évéemets A et B. Il s agt doc de la parte A B de l uvers Ω. Exemple : Repreos l exemple du jeu de 32 cartes et cosdéros cette fos les deux évéemets : A : «Obter ue dame» B : «Obter u cœur» L évéemet «A et B» correspod au trage d ue carte qu est à la fos ue dame et u cœur. L évéemet A B correspod doc au trage de la dame de cœur et l vet mmédatemet : p ( A B) 32 L évéemet «A ou B» correspod au trage d ue carte qu est sot ue dame, sot u cœur. Il y a exactemet cartes possbles : les 8 cœurs (dot la dame de cœur) auxquels l covet d ajouter les dames de trèfle, carreau et pque. O e dédut : p ( A B) 32 Proprétés Sot ue expérece aléatore assocée à l uvers { x x x x } ue probablté. Sot A et B deux évéemets de Ω. Ω,,,..., sur lequel o a déf 2 3 p ( A B) p( A) + p( B) p( A B) Remarques : Comme pour tout évéemet A o a A A et A AΩ, l égalté précédete ous redoe e posat B A : p( A) + p( A) ; S A et B sot deux évéemets compatbles, o a : p( A B) p( A) + p( B) PaaMaths [5-6] Novembre 2006

6 Exemple : Repreos la stuato précédete. 4 8 O a faclemet : p ( A) et p ( B) Il vet doc : p( A B) p( A) + p( B) p( A B) O retrouve le résultat obteu précédemmet. PaaMaths [6-6] Novembre 2006

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats.

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats. rbre de déombremet et arbre de probablté Pla du documet. O présete tout d'abord la règle du produt pour les arbres de déombremet avec, e cas partculer, le cardal d'u produt cartése d'esembles fs.. O présete

Plus en détail

Probabilités. est la i ième valeur possible. L ensemble des issues auxquelles on associe la même valeur x

Probabilités. est la i ième valeur possible. L ensemble des issues auxquelles on associe la même valeur x Probabltés A) Varable aléatore et lo de probablté Varable aléatore Défto : O cosdère l'esemble E des ssues d'ue expérece aléatore Défr ue varable aléatore X sur cet esemble, c est assocer u ombre à chaque

Plus en détail

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, )

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, ) Polyése Ju 00 Sére S xercce Le pla complexe est rapporté à u repère orthoormal drect ( O; uv, ) Prérequs Parte A Resttuto orgasée de coassaces Sot u ombre complexe tel que = a+ b où a et b sot deux ombres

Plus en détail

Ch.6ÊPROBABILITÉS _ partie 1

Ch.6ÊPROBABILITÉS _ partie 1 LFA / remère S COURS Gesto de doées Mme MAINGUY I Raels / Lo de robablté Ch6ÊPROBABILITÉS _ arte ere S défto O aelle exérece aléatore toute exérece ayat luseurs ssues (ou évetualtés) ossbles et dot o e

Plus en détail

3- LES TIRAGES PROBABILISTES D'ECHANTILLONS

3- LES TIRAGES PROBABILISTES D'ECHANTILLONS 3- LES TIRAGES PROBABILISTES D'EHATILLOS Das de ombreuses alcatos ratques du calcul des robabltés, o retrouve u ou luseurs des schémas de trages robablstes d'échatllos que ous allos exoser. Le cadre gééral

Plus en détail

Pondichéry Avril 2014 Série S Exercice.

Pondichéry Avril 2014 Série S Exercice. Podchéry Avrl 04 Sére S Exercce Le pla complexe est mu d u repère orthoormé ( O; uv, ) Pour tout eter aturel, o ote A le pot d affxe z déf par : O déft la sute ( ) z z 0 = et + = + z 4 4 r par r = z pour

Plus en détail

I. Moyenne, variance et écart-type d une série statistique

I. Moyenne, variance et écart-type d une série statistique I Moyee, varace et écart-type d ue sére statstque Sére statstque dscrète : Eemple d ue sére statstque dscrète : Preos le cas d ue classe de élèves qu réalset u devor oté sur 5 La sére statstque dscrète

Plus en détail

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES SCHEMA DE BERNOULLI ET LOI BINOMIALE EXEMPLES Nveau : termale Pré-requs : Espace probablsé Varable aléatore réelle sur u espace probablsé f Lo de probablté de X Espérace mathématque Varace O se place das

Plus en détail

LEÇON N 6 : Loi de Poisson, loi normale.

LEÇON N 6 : Loi de Poisson, loi normale. LEÇON N 6 :. Pré-requs : Probabltés : défto, calculs et probabltés codtoelles ; Lo bomale cf. leço o 5) ; Noto de varables aléatores dscrètes et cotues cf. leços o 4 et 7), et proprétés assocées : espérace,

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

Divisibilité et congruences. Corrigés d exercices

Divisibilité et congruences. Corrigés d exercices Dvsblté et cogrueces Corrgés d exercces Les exercces du lvre corrgés das ce docuet sot les suvats : Page 445 : N 1, 5 Page 459 : N 45 Page 449 : N 10 Page 460 : N 51, 5, 55, 57 Page 451 : N 16 Page 461

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 00 SBN : 978---54754- Commet calculer ue tolérace ertelle 75 Nous avos doc u toléracemet par tervalle sur les exgeces foctoelles

Plus en détail

MATERIEL UTILISE : CALCULATRICE AUTORISEE OUI NON

MATERIEL UTILISE : CALCULATRICE AUTORISEE OUI NON BAC BLANC MATIERE : MATHEMATIQUES OBLIGATOIRE CLASSE de : Termale S SALLE : Grade Permaece PROFESSEUR : Mle GUIHENEUF ATE : Vedred javer 6 HEURE ébut : 8 h HEURE f : h MATERIEL UTILISE : CALCULATRICE AUTORISEE

Plus en détail

NOMBRES COMPLEXES EXERCICES CORRIGES

NOMBRES COMPLEXES EXERCICES CORRIGES Cours et exercces de mathématques NOMRES COMPLEXES EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; Exercce. Calculer, et = ; = ; = ; 5 006 009 E dédure

Plus en détail

STATISTIQUES A UNE VARIABLE

STATISTIQUES A UNE VARIABLE Cours et exercces de mathématques ) Itroducto et vocabulare STATISTIQUES A UNE VARIABLE La statstque est la scece qu cosste à réur des doées chffrées, à les aalyser, à les commeter et à les crtquer Ue

Plus en détail

RADIOPROTECTION CIRKUS. Sommaire

RADIOPROTECTION CIRKUS. Sommaire RADIOPROTECTION CIRKUS Documet techque Radoprotecto Crkus 89 D boulevard du Fer 74000 Aecy www.rpcrkus.org - cotact@rpcrkus.org Assocato lo 1901 créée le 9 mars 010 W91300355 - Eregstrée à la préfecture

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles L Meto Iformatque UE Probabltés Chaptre 3 : Varables aléatores réelles Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer, Serge Solovev Sot (, A, P) Ω et X : Ω R ue varable aléatore. I. Varable

Plus en détail

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles,

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles, CONCOURS EMIA Sceces CONCOURS 0 EPREUVE DE MATHEMATIQUES Corrgé o offcel rédgé par Jea-Gullaume CUAZ, esegat au Lycée Mltare de Sat-Cyr, jgcuaz@hotmalcom Eercce ) Par assocatvté de l tersecto des évéemets,

Plus en détail

MPSI du lycée Rabelais semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n

MPSI du lycée Rabelais  semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n MPSI du lycée Rabelas http://mps.satbreuc.free.fr semae du septembre 5 CALCULS ALGÉBRIQUES Sommes et produts fs Exercce : Parm les formules suvates, lesquelles sot vraes?.. 3. α+a α+ a +b αa α a + a a

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

arlesrcomplexesraurbacr2014r==corriges=z arlesrcomplexesraurbacr0r==corriges= Nouvelle-Calédoe ovembre 0 5 pots Proposto : Pour tout eter aturel : ( + ) = () VRAI! ( ) doc d où ( ) ( ) ( ) ( ) Sot (E) l équato ( )( + 8) = 0 où désge u ombre complexe

Plus en détail

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe Méthode du smplee: prélmares Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplee Das le cas où l y a ue fté de solutos, la méthode d élmato de Gauss-Jorda permet d detfer tros

Plus en détail

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit Itroducto à l écoométre S6-EF sc. éco. & gesto Prof. Mohamed El Meroua IV.- Espérace mathématque de l estmateur  : A ˆ A + X X X Nous avos ( ε alors l espérace mathématque sera : E ( E( A + E[ ( X X X

Plus en détail

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1.

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1. NOMBRES COMPLEXES - EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; = ; = ; = ; 5 = Exercce. Calculer, et E dédure la valeur de 006 et de 009, pus les

Plus en détail

Synthèse de cours PanaMaths Introduction au calcul matriciel

Synthèse de cours PanaMaths Introduction au calcul matriciel Sythèse de cours PaaMaths Itroductio au calcul matriciel Défiitios Notio de matrice O appelle «matrice de dimesio p» ou «de type (, p )» u tableau de ombres réels comportat liges et p coloes ( et p sot

Plus en détail

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position? Paramètres descrptfs Cours VETE043- Aée académque 06-07 Commet représeter les varables aléatores (doées)? Représetato sythétque Tables de fréqueces Représetato graphque Dagrammes de fréqueces Paramètres

Plus en détail

Concours général 2014 pb 3 : chiffres et lettres

Concours général 2014 pb 3 : chiffres et lettres Cocours gééral 014 pb 3 : chffres et lettres 1 Le sujet U mot de logueur est ue sute de lettres choses parm les l0 lettres A, B, C, D, E, F, G, H, I, J Par exemple, BEC, IJCD, AFFICHAGE, ABCDEFGHIJ sot

Plus en détail

Devoir de contrôle n 1. 4 ème Maths 1 Radès. Répondre par Vrai au Faux aux questions propositions suivantes. Aucune justification n est demandée.

Devoir de contrôle n 1. 4 ème Maths 1 Radès. Répondre par Vrai au Faux aux questions propositions suivantes. Aucune justification n est demandée. Lycée Ib Khaldou Devor de cotrôle ème Maths Radès ( heure) Mr ABIDI Fard Mathématques Mercred 9 Novembre 0 Exercce : ( pots) Répodre par Vra au Faux aux questos propostos suvates Aucue justfcato est demadée

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

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

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!!

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!! Cours : Statstques I. Itroducto Classe de ère S O a vu que our caractérser ue sére statstque, o utlse des : - aramètres de tedace cetrale : - la moyee ; - la médae. Ils ermettet d dquer la «osto» de la

Plus en détail

5. Variables aléatoires simultanées

5. Variables aléatoires simultanées 5. Varables aléatores smultaées 5.1 Coule de varables aléatores Défto 1 Pour tout dce das 1, sot X ue varable aléatore. O dt que X X 1 X est ue varable aléatore de dmeso. Nous ous téresseros rcalemet aux

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

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2 Exercce Lba 6 4 pots O cosdère u solde ADECBF costtué de deux pyramdes detques ayat pour base commue le carré ABCD de cetre I. Ue représetato e perspectve de ce solde est doée e aexe (à redre avec la cope).

Plus en détail

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier).

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier). Bla UE 1C G. EXERCICES BILAN Exercce 1 : Aaloge etre équlbres acdo-basques et équlbres de complexato (Applcato du Prcpe de Le Châteler). Objectfs de l'exercce - Coassaces/Compéteces testées das cet exercce

Plus en détail

PROBABILITÉS ET STATISTIQUE POUR L ENSEIGNEMENT SECONDAIRE

PROBABILITÉS ET STATISTIQUE POUR L ENSEIGNEMENT SECONDAIRE PROILITÉS ET STTISTIQUE POUR L ENSEIGNEMENT SECONDIRE Ce documet a été rédgé à l occaso d u stage de formato cotue de professeurs de mathématques de trosème et secode e décembre 009 à Toulouse, sute à

Plus en détail

Bac blanc de mathématiques

Bac blanc de mathématiques Termale st2s le mercred 09/03/2016 Durée : 2 heures Bac blac de mathématques Exercce 1 : 6 pots Le tableau c-dessous doe le ombre d aboemets au servce de téléphoe moble e Frace etre f 2001 et f 2009, exprmé

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression L Meto Iformatque UE Probabltés Chaptre 4 : Smulato - Régresso Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer I- Smulato de varables aléatores. Itroducto Das certaes expéreces «réelles», où le

Plus en détail

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1 LGL Cours de Mathématques 26 Exemples de sutes das le domae des faces 1) Itérêts composés O place 1. à térêts composés au taux de 4,5 % par a. Détermer le captal dspoble à la f de chaque aée et ce pedat

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

Terminales S Exercices sur les nombres complexes Page 1 sur 6

Terminales S Exercices sur les nombres complexes Page 1 sur 6 Termales S Exercces sur les ombres complexes Page sur 6 Exercce : ) Calculer, et 5 6 7 ) E dédure, et ) Détermer les eters pour lesquels est a) u réel, b) est u magare pur, c) égal à Exercce : Ecrre sous

Plus en détail

Le cours Interprétation physique de la dérivée

Le cours Interprétation physique de la dérivée Il est égalemet possble de procéder à la «dérvato umérque» d ue sute de valeurs {(t ; f )}. La sute dérvée est elle-même costtuée de couples {(t ; f )} ; la valeur f de correspodat au tau de varato mesuré

Plus en détail

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18 1 U commerçat a relevé le motat des dépeses e euros de chaque clet au cours d ue semae. Motat des dépeses Clets [0 ; 50[ 72 x x - x ) - x )² -x ) ² [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200

Plus en détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

PROBABILITÉS - VARIABLES ALÉATOIRES

PROBABILITÉS - VARIABLES ALÉATOIRES PROBABILITÉS - VARIABLES ALÉATOIRES Itroducto Das le cours sur les probabltés ous avos trodut la oto d uvers U et lu avos attacé ue focto probablté P. Das beaucoup d applcatos pratques la oto d uvers,

Plus en détail

COUPLE DE VARIABLES ALEATOIRES. On considère deux variables aléatoires X et Y. On aimerait connaitre s il y a influence entre ces deux variables.

COUPLE DE VARIABLES ALEATOIRES. On considère deux variables aléatoires X et Y. On aimerait connaitre s il y a influence entre ces deux variables. COUPLE DE VARIABLES ALEATOIRES O cosdère deux varables aléatores et. O amerat coatre s l y a fluece etre ces deux varables. I Coule de varables dscrètes : 1) Lo ote : Soet et deux varables dscrètes, à

Plus en détail

CHAPITRE 2. Les carrés dans (Z/nZ) 2.1 Carrés et non carrés dans le corps Z/pZ

CHAPITRE 2. Les carrés dans (Z/nZ) 2.1 Carrés et non carrés dans le corps Z/pZ CHAPITRE Les carrés das (Z/Z Das ce chatre o s téresse à l esemble des carrés das le cors Z/Z, mas auss das certas aeaux Z/Z avec o remer O todut le symbole de Legedre qu caractérse les carrés O trodut

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

Les nombres complexes

Les nombres complexes haptre 6 termale S Les ombres complexes 1 hstorque et créato : N Z ID Q R es esembles ot été costruts au fl de l hstore grâce à u même problème : certaes équatos ot des solutos das u esemble doé mas d

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

TD d algorithmique avancée Corrigé du TD 2 : récursivité

TD d algorithmique avancée Corrigé du TD 2 : récursivité TD d algorithmique avacée Corrigé du TD : récursivité Jea-Michel Dischler et Frédéric Vivie Suite de Fiboacci La suite de Fiboacci est défiie comme suit : 1 si = 0 Fib() = 1 si = 1 Fib( 1) + Fib( ) sio.

Plus en détail

x + (2 α) y = 0 3 L donc P

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

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 2. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 2. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 005 EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la lus grade mortace à la clarté, à la récso et à la cocso de la rédacto

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

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation ère S Lmtes de foctos () Approche tutve ; tes des foctos de référece II. La focto carrée ) Tableau de varato Das ce chaptre, o lasse provsoremet de côté les dérvées. I. Itroducto ) Rappel Déà vu : oto

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

EXERCICES DE. Serveur d'exercices 1/22

EXERCICES DE. Serveur d'exercices 1/22 Sceces.ch EXERCICES DE TOPOLOGIE Serveur d'exercces /22 Sceces.ch EXERCICE.. Auteur : Rube Rcchuto (09.08.04, rube@sceces.ch) Mots Clés :Théorème de Bare et cardal de Éocé : Doer ue preuve topologque du

Plus en détail

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

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 003 EPREUVE SPECIFIQUE FILIERE MP MAHEMAIQUES 1 Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la plus grade mportace à la clarté, à la précso et à la cocso de la

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

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

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

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 page1/6 CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 Dosser "Défcece" 1) = 30 pour les groupes. Les classes sot d'ampltudes dfféretes doc...utlser la desté (rappel : desté = effectf/ampltude). Durée

Plus en détail

LOI NORMALE ET LOIS DERIVEES

LOI NORMALE ET LOIS DERIVEES Prcpes et Méthodes de la Bostatstque Chaptre 5 LOI NORMALE ET LOIS DERIVEES A-LA LOI NORMALE Présetato La dstrbuto ormale, dte ecore de Laplace-Gauss, est pour des rasos qu apparaîtrot plus lo, la plus

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

Variables j.. p. Xij

Variables j.. p. Xij L alyse e Composates Prcpales (CP) O possède u tableau rectaulare de mesure dot les coloes sot des varables quattatves (mesuratos, taux, statos clmatques) et dot les les représetet des dvdus statstques

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

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2 - Varables aléatores et dstrbutos - Chaptre : Varables aléatores et dstrbutos. Varable aléatore.... Focto de répartto....3 Focto de masse et de desté....4 Dstrbuto cojote de varables aléatores...5.4. Dstrbuto

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

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C.

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C. PSI 1 hatre 15 Matrces et systèmes léares Das tout le chatre K désge le cors R ou I Gééraltés 1 Défto Défto : Ue matrce est u tableau d élémets de K coteat lges et coloes Notatos : U matrce A est otée

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

DERNIÈRE IMPRESSION LE 27 février 2017 à 16:47. Dénombrement. En utilisant la notation factorielle, donner une autre écriture des nombres suivants

DERNIÈRE IMPRESSION LE 27 février 2017 à 16:47. Dénombrement. En utilisant la notation factorielle, donner une autre écriture des nombres suivants DERNIÈRE IMPRESSION LE 7 février 07 à 6:47 Déombremet Calcul sur les factorielles EXERCICE Simlifier les écritures sas utiliser la calculette. )! 0! ) 7! 5! 3) 6! 5! 5! 4) 6 4! 5! 5) 7! 5! 0! 6) 7) 8)

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

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

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

Inversion de Möbius et principe d inclusion-exclusion

Inversion de Möbius et principe d inclusion-exclusion Iverso de Möbus et prcpe d cluso-ecluso Bruo Wckler Prérequs : coeffcet bomal ; ombres premers ; dcatrce d Euler (dspesable) ; algèbre léare et/ou matrcelle (dspesable) ; séres covergetes (dspesable).

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

Le loto : on tire, au hasard, 6 boules parmi 49. Combien de tirages possibles?

Le loto : on tire, au hasard, 6 boules parmi 49. Combien de tirages possibles? B1 ESH Exercices de déombremet Corrigé Exercice 1 A la catie du lycée, o a le choix etre 3 etrées, 2 plats et 4 desserts. Combie de meus (composés d'ue etrée, d'u plat et d'u dessert) sot possibles? Soit

Plus en détail

N O M B R E S C O M P L E X E S.

N O M B R E S C O M P L E X E S. T le S 00/005 Ch9 Nombres complexes J TAUZIEDE N O M B R E S C O M P L E X E S I- L ENSEMBLE C DES NOMBRES COMPLEXES Ecrture algébrque des ombres complexes Comme o a motré l suffsace de l esemble Q par

Plus en détail

EXERCICES PROBABILITES

EXERCICES PROBABILITES EXERCICE : Calculer, pour EXERCICES PROBABILITES Soit,,3, 4,5,6, ( ) x, l itégrale I dx. 0 x ; détermier le réel pour que l o défiisse ue probabilité p sur * e posat, pour tout etier,6 p I Quelle est la

Plus en détail

a) Après avoir fait deux pas, quelle est la probabilité qu elle soit : En A? En B? En C? En D?

a) Après avoir fait deux pas, quelle est la probabilité qu elle soit : En A? En B? En C? En D? ANTILLES-GUYANE Série S Setembre 2000 Exercice. Ue fourmi se délace sur les arêtes de la yramide ABCDS. Deuis u sommet quelcoque, elle se dirige au hasard (o suose qu il y a équirobabilité) vers u sommet

Plus en détail

La plage. Par Arnauld HECQUET, Raphaël SIMONET DAVIN, Maxime LOUIS. Élèves de Seconde au Lycée MONTAIGNE de BORDEAUX. Année 2008.

La plage. Par Arnauld HECQUET, Raphaël SIMONET DAVIN, Maxime LOUIS. Élèves de Seconde au Lycée MONTAIGNE de BORDEAUX. Année 2008. La plage Par Arauld HECQUET, Raphaël SIMONET DAVIN, Maime LOUIS. Élèves de Secode au Lycée MONTAIGNE de BORDEAUX. Itro : présetatio du sujet Partie I : la pièce Techique de comptage Aée 2008 Le ombre total

Plus en détail

Chapitre II : Notion de mesure : Définition : 3 Remarques : 3 Définition : 3 Définition : 3 Définition : 3 Exemple : 4 Définition : 4 2.

Chapitre II : Notion de mesure : Définition : 3 Remarques : 3 Définition : 3 Définition : 3 Définition : 3 Exemple : 4 Définition : 4 2. Chaptre II : Noto de mesure 3 2. : Défto : 3 Remarques : 3 Défto : 3 Défto : 3 Défto : 3 Exemple : 4 Défto : 4 2.2 : Proprétés : 4 Proprété : 4 Proprété 2 : 4 Proprété 3 : 4 Proprété 4 : 4 Proprété 5 :

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

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

Probabilités et Statistique

Probabilités et Statistique robabltés et Statstque rogramme Calcul des probabltés: Espaces probablsés Varables aléatores dscrètes et contnues Los usuelles dscrètes et contnues Statstque Applquée: Convergences stochastques Approxmatons

Plus en détail

Chapitre 5 : Modèles probabilistes pour la recherche d information. - Modèle tri probabiliste (BIR et BM25) - Modèle de Langue

Chapitre 5 : Modèles probabilistes pour la recherche d information. - Modèle tri probabiliste (BIR et BM25) - Modèle de Langue Chaptre 5 : Modèles probablstes pour la recherche d formato - Modèle tr probablste BI et BM25 - Modèle de Lague Itroducto ourquo les probabltés? La I est u processus certa et mprécs Imprécso das l expresso

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

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

TS Les nombres complexes (1)

TS Les nombres complexes (1) TS Les omres complexes () Chptre d lgère I Itroducto ) ref hstorque Nomres mpossles omres mgres (Descrtes) omres complexes ) Esemles de omres x 7 0 x 7 0 x 0 L équto x ps de soluto ds ( x ou x ) x chque

Plus en détail

Exercices. Dénombrement 1 5! 42 6! 3! 3! 9! 5! 4! 9! 6! 3! 2) En utilisant la notation factorielle, donner une autre écriture des nombres suivants

Exercices. Dénombrement 1 5! 42 6! 3! 3! 9! 5! 4! 9! 6! 3! 2) En utilisant la notation factorielle, donner une autre écriture des nombres suivants Exercices Déombremet Exercice Calcul sur les factorielles ) Simlifier les écritures sas utiliser la calculette. a)! 0! b) 7! 5! c) 6! 5! 5! d) 6 4! 5! e) 7! 5! 0! f) 5! 4 7! g) 6! 3! 3! h) 9! 5! 4! i)

Plus en détail

Chapitre 9 La loi binomiale

Chapitre 9 La loi binomiale 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,

Plus en détail

Exercices sur les variables aléatoires discrètes

Exercices sur les variables aléatoires discrètes Exercces sur les varables aléatores dscrètes U QCM est costtué de c uestos déedates avec our chaue uesto réoses ossbles Il y a ue réose exacte et ue seule ar uesto ) U caddat réod au hasard Chaue boe réose

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

La principale action de l algorithme de tri par fusion est justement la fusion des deux listes triées.

La principale action de l algorithme de tri par fusion est justement la fusion des deux listes triées. Chaptre 1 Algorthmes de tr 1.1 Tr par fuso 1.1.1 Prcpe L algorthme de tr par fuso est costrut suvat le paradgme «dvser pour réger» : 1. Il dvse la séquece de ombres à trer e deux sous-séqueces de talle

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

Nombres complexes Sessions antérieures

Nombres complexes Sessions antérieures ème aée Maths Nombres complexes Sessos atéreures Aée scolare 9 - A LAATAOUI Exercce N (SP) Das le pla complexe P rapporté à u repère orthoormé ( Ouv ; ; ) o cosdère les pots A et B d affxes respectves

Plus en détail

Partie A : z x. z =( z ) = 4 = - 4 donc z est aussi solution de (E) Partie C :

Partie A : z x. z =( z ) = 4 = - 4 donc z est aussi solution de (E) Partie C : Corrigé baccalauréat S Polyésie 200 (raiateabac.blogspot.com) EXERCICE (5 poits) Pré-requis : z a + bi et _ z a bi Partie A : a ) E posat z a + bi et z a + b i o obtiet : z x z (a + bi) ( a + b i) aa bb

Plus en détail

Exercices probabilités statistiques

Exercices probabilités statistiques Premère S Exercces probabltés - statstques 1. Boules 2. Pèces de monnae 3. Tenns 4. Premère langue 5. Urnes 6. Cnéma 7. Football 8. Dés spécaux 9. Une populaton actve 10. Tr à l arc 11. Etude de marché

Plus en détail

( (p, q) IN 2 ) A p A q = A p+q ( (p, q) IN 2 ) (A p ) q = A pq ( k IN) (A ) k = (A k ) ( k IN) Dét (A k ) = (Dét A) k

( (p, q) IN 2 ) A p A q = A p+q ( (p, q) IN 2 ) (A p ) q = A pq ( k IN) (A ) k = (A k ) ( k IN) Dét (A k ) = (Dét A) k Algèbre Chaptre 6 Les matrces carrées Hypothèses : est u eter strctemet postf I est la -matrce uté I La trace d ue matrce carrée La trace d ue -matrce est la somme de ses termes dagoaux O ote la trace

Plus en détail