Marches aléatoires. Les applications des chaînes de Markov sont très nombreuses :

Dimension: px
Commencer à balayer dès la page:

Download "Marches aléatoires. Les applications des chaînes de Markov sont très nombreuses :"

Transcription

1 Leçon n o 9 Marches aléatoires 9 Niveau Terminale S Prérequis aucun Références [], [3], [4], [5], [6], [7] 9.1 Chaînes de Markov Définition 9.1 Chaîne de Markov I. Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet de modéliser l évolution dynamique d un système aléatoire : X n représente l état du système à l instant n. Propriété 9. Propriété de Markov. L évolution future du système ne dépend du passé qu à travers de sa valeur actuelle. Autrement dit, conditionnement à X n, (X 0,..., X n ) et (X n+k, k N) sont indépendantes. Les applications des chaînes de Markov sont très nombreuses : réseaux, génétique des populations, mathématiques financières, gestion de stock, alogirthmes stochastiques d optimisation, simulation. On se place maintenant sur E un espace discret, c est-à-dire un espace au plus dénombrable muni de la topologie discrète où tous les points de E sont isolés. On considère la tribu E = P(E). Définition 9.3 Matrices stochastiques. Une matrice P = (P (x, y)) x,y E est dite matrice stochastique si ses coefficients sont positifs et la somme sur une ligne des coefficients est égale à 1 : 1. P (x, y) 0 ;. z E P (x, z) = 1 ; pour tous x, y E. On donne une nouvelle définition des chaînes de Markov basée sur les probabilités. Définition 9.4 Chaîne de Markov II. Soit P une matrice stochastique sur E. Une suite de variables aléatoires (X n, n N) à valeurs dans E est appelée chaîne de Markov de matrice de transition P si pour tous n N, x E, on a : P (X n+1 X n,..., X 0 ) = P (X n+1 = x X n ) = P (X n, x). On dit que la chaîne de Markov est issue de µ 0 si la loi de X 0 est µ 0. R Comme l espace d état est discret, l équation de la définition précédente est équivalente à : pour tous x 0,..., x n E, tels que P (X n = x n,..., X 0 = x 0 ) > 0 : P (X n+1 = x X n = x n,..., X 0 = x 0 ) = P (X n+1 = x X n = x n ) = P (X n, x).. Si P (X 0 = x) = 1, autrement dit µ 0 est la masse de Dirac en x on dira plus simplement que la chaîne de Markov.

2 10 Leçon n o 9 Marches aléatoires Proposition 9.6 La loi d une chaîne de Markov (X n, n N) est entièrement caractérisée par sa matrice de transition, P et la loi de X 0, µ 0. De plus, on a, pour tous n N, x 0,..., x n E, P (X 0 = x 0,..., X n = x n ) = µ 0 (x 0 ) n P (x k 1, x k ). k=1 Preuve Soit n N et x 0,..., x n E. Si P (X 0 = x 0,..., X n 1 = x n 1 ) > 0, une utilisation successive de la formule des probabilités conditionnelles donne : P (X 0 = x 0,..., X n = x n ) = P (X 0 = x 0 )P (X 1 = x 1 X 0 = x 0 ) P (X n = x n X 0 = x 0,..., X n 1 = x n 1 ) n = µ 0 (x 0 ) P (x k 1, x k ). k=1 Si P (X 0 = x 0,..., X n 1 = x n 1 ) = 0, soit P (X 0 = x 0 ) = 0, c est-à-dire µ 0 (x 0 ) = 0 et donc l égalité de la proposition reste vraie ; soit il existe m {1,..., n 1} tel que P (X 0 = x 0,..., X m 1 = x m 1 ) > 0 et P (X 0 = x 0,..., X m = x m ) = 0. Dans ce dernier cas, on peut utiliser l égalité de la proposition avec n = m et obtenir que : 0 = P (X 0 = x 0,..., X m = x m ) = µ 0 (x 0 ) m P (x k 1, x k ). On en déduit que l égalité de la proposition reste vraie avec les deux membres nuls. En conclusion, l égalité de la proposition est toujours vérifiée. On donne un exemple de chaînes de Markov qui sera le but de l exposé. Exemple 9.7 La marche aléatoire symétrique simple sur Z, S = (S n, n 0), est définie par : n S n = S 0 + Z k k=1 où Z = (Z n, n 1) est une suite de variables aléatoires indépendantes et de même loi, P (Z n = 1) = P (Z n = 1) = 1/, et S 0 est une variable aléatoire à valeurs dans Z indépendante de Z. On vérifie facilement que la marche aléatoire simple est une chaîne de Markov à valeurs dans Z de matrice de transition : { 0 si x y 1 P (x, y) = pour x, y Z. 1/ si x y = 1 k=1 9. Chaînes de Markov au lycée D après un article de Louis-Marise Bonneval paru dans le bulletin APMEP n o 503. L expression «chaîne de Markov»ne figure dans aucun libellé de programme de lycée. Mais on peut lire dans le programme de la spécialité mathématiques de Terminale S, sous le titre «Matrices et suites» :

3 9. Chaînes de Markov au lycée 11 Il s agit d étudier des exemples de processus, déterministes ou stochastiques, à l aide de suites ou de matrices. Exemples de problèmes Matrice aléatoire simple sur un graphe à deux ou trois sommets. Matrice aléatoire sur un tétraèdre ou un graphe à N sommets (étude asymptotique d une marche aléatoire). et dans le programme de la spécialité mathématiques de Terminale ES : Les graphes probabilistes permettent d étudier des phénomènes d évolution simples, et de faire le lien avec les suites. Contenus : Graphe probabiliste à deux ou trois sommets : matrice de transition, état stable d un graphe probabiliste. L article suggère cinq problèmes permettant de mieux cerner la notion de marches aléatoires Bonus et malus en assurance automobile Un contrat d assurance automobile comporte trois tarifs de cotisation annuelle : bas, intermédiaire, haut. La première année, l assuré paye le tarif intermédiaire. S il n a été responsable d aucun accident pendant une année, il passe au tarif inférieur l année suivante (s il est déjà au tarif bas, il y reste). S il a été responsable d au moins un accident au cours d une année, il passe au tarif supérieur l année suivante (s il est déjà au tarif haut, il y reste). La compagnie d assurance estime à 10% la probabilité qu un assuré pris au hasard soit responsable d au moins un accident au cours d une année. Quelle sera à long terme la répartition des assurés entre les trois catégories de tarif? 9.. Une ronde sur un triangle Nous sommes au XIV e siècle, dans le château de Poitiers. Il est triangulaire, flanqué d une tour à chaque sommet : Est, Nord, Sud. Partant de la tour Est, la sentinelle fait sa ronde sur le rempart. À chaque sommet du triangle, pour tromper l ennemi (et l ennui), il jette une pièce : pile, il continue dans le même sens ; face, il repart en sens inverse. Pourra-t-il assurer une surveillance comparable dans les trois directions? 9..3 La collection d autocollants Chaque semaine, Anna achète une tablette de chocolat Cébon. Chaque tablette contient un autocollant représentant soit une étoile, soit un cœ ur, soit un trèfle à quatre feuilles. Anna les collectionne pour décorer son journal intime. En supposant les trois motifs équirépartis entre les tablettes, combien de tablettes suffit-il d acheter pour être sûr à plus de 95% d avoir les trois types de dessin? 9..4 Pertinence d une page web Le réseau Internet peut être représenté comme un gigantesque graphe (non probabilisite), dont les N sommets sont les pages, et les flèches les liens qui pointent d une page à une autre. Un moteur de recherche, pour être utile, doit classer les pages par ordre de pertinence. Comment mesurer la pertinence d une page?

4 1 Leçon n o 9 Marches aléatoires 9..5 Les urnes d Ehrenfest On dispose de deux urnes A et B, et de N boules numérotées de 1 à N. Au début, toutes les boules sont dans l urne A. De temps à autre, on tire au hasard un numéro entre 1 et N, et on change d urne la boule correspondante. Au bout de combien d étapes peut-on espérer que toutes les boules soient à nouveau dans l urne A? 9..6 Bonus : Un exercice de 1 re S Une fourmi parcourt les côtés d un carré ABCD en partant du sommet A et met 1 minute à parcourir un côté. Arrivé à l un des sommets, elle choisit au hasard l un ou l autre des deux côtés issus de ce sommet pour poursuivre sa marche. On dit que la fourmi a traversé le carré lorsqu elle atteint pour la première fois le sommet C. On observe la fourmi pendant au plus 4 minutes et on note X le temps de la traversée. On pose X = 0 si la fourmi n a pas atteint le point C pendant l observation. 1. Faire un schéma du carré et les déplacements possibles de la fourmi.. Représenter cette expérience aléatoire à l aide d un arbre. 3. Déterminer la loi de probabilité de la variable aléatoire X. 4. Quelle est la probabilité que la fourmi ait traversé le carré pendant les 4 minutes. 9.3 Un cas particulier de chaîne de Markov : marches aléatoires sur Z Une activité d introduction sur Algobox Activité 9.8 Sur un axe horizontal, un pion placé à l origine O du repère se déplace de la manière suivante : Si le lancer d une pièce équilibrée donne Pile, on déplace le pion d une unité vers la droite. Si le lancer d une pièce équilibrée donne Face, on déplace le pion d une unité vers la gauche. Quelle est la probabilité que le pion ne revienne jamais à sa position initiale? On va simuler la situation de la manière suivante : on effectue un certain nombre de déplacements, fixé par l utilisateur, et on teste si le pion est revenu à sa position initiale au cours de ces déplacements (on peut compter le nombre de fois où il est revenu à sa position initiale). VARIABLES alea EST_DU_TYPE NOMBRE X EST_DU_TYPE NOMRBE C EST_DU_TYPE NOMBRE I EST_DU_TYPE NOMRBE N EST_DU_TYPE NOMBRE DEBUT_ALGORITHME AFFICHER "Entrer le nombre de déplacements souhaités" LIRE N X PREND_LA_VALEUR 0

5 9.3 Un cas particulier de chaîne de Markov : marches aléatoires sur Z 13 TRACER_POINT (0,0) POUR I ALLANT_DE 1 A N DEBUT_POUR alea PREND_LA_VALEUR floor(*random()) SI (alea==0) ALORS DEBUT_SI X PREND_LA_VALEUR X-1 FIN_SI SINON DEBUT_SINON X PREND_LA_VALEUR X+1 FIN_SINON TRACER_POINT (I,X) SI (X==0) ALORS DEBUT_SI AFFICHER "Le pion est revenu à sa position initiale après " AFFICHER I AFFICHER " deplacements." C PREND_LA_VALEUR C+1 FIN_SI FIN_POUR AFFICHER "Le pion est revenu " AFFICHER C AFFICHER " fois à sa position initiale." FIN_ALGORITHME En exercice, vous expliquerez le fonctionnement de l algorithme Nombre de chemins et probabilités On appellera chemin de (m, a) et (n, b) une ligne brisée, c est-à-dire une suite de segments joignant les points successifs (m 0, a 0 ), (m 1, a 1 ),..., (m r, a r ) qui commence au point (m 0, a 0 ) = (m, a) et se termine au point (m r, a r ) = (m, b) et tel que, pour tout 0 i < r, on ait m i+1 = m i + 1 et a i+1 = a i + 1 ou a i 1. Propriété 9.9 Soient (m, a) et (n, b) deux couples d entiers. Si b a n m et si n m et b a ont même parité, alors le nombre de chemins de (m, a) et (n, b) est exactement C n = ( n m n m + b a ) Preuve Étant donné un chemin joignant les points (m 0, a 0 ), (m 1, a 1 ),..., (m r, a r ), il est clair que la parité de m i+1 est l inverse de la parité de m i, tout comme la parité de a i+1 est l inverse de celle de a i. Si la suite m 0, m 1,..., m r change un nombre pair de fois de parité, il en va de même pour la suite a 0, a 1,..., a r (idem dans le cas impair), et donc les extrémités (m, a) et (n, b) vérifient la propriété «n m et b a ont même parité». De même, si b a > n m, alors pour joindre (m, a) et (n, b), il faudrait au moins b a montées (ou descentes), en seulement n m étapes.

6 14 Leçon n o 9 Marches aléatoires Enfin, si b a n m et n m et b a n ont pas même parité, alors tout chemin joignant (m, a) et (n, b) est obtenu en «montant» n m + b a fois et en «descendant» n m b a. En effet, si p désigne le nombre de montées, c est-à-dire le nombre d indices i tels que a i+1 = a i + 1, et d le nombre de descentes, c est-à-dire le nombre d indices i tels que a i+1 = a i 1 alors on a n m = p + d (les n m pas du chemin étant soit des montées, soit des descentes), et b a = p d (la progression totale est égale au nombre de fois où l on a monté, p, multiplié par la valeur de la montée, 1, plus le nomber de fois où l on a descendu, d, multiplié par la valeur de la progression dans ce cas, 1). En additionnant membre à membre ces deux égalités, on obtient bien p = n m + b a. Un chemin joignant (m, a) à (n, b) est alors caractérisé par l ordre dans lequel on monte et on descend, c est-à-dire par les indices i où l on monte. Il s agit donc de choisir n m + b a indices parmi n m, soit un nombre de chemins de ( n m ). n m + b a Théorème 9.10 Principe de réflexion. Soient a et b deux entiers strictement positifs, et m < n deux entiers. Alors le nombre de chemins joignant (m, a) à (n, b) et touchant l axe des abscisses est exactement le nombre de chemins joignant (m, a) à (n, b). Preuve La preuve de ce principe est assez simple : elle repose sur l idée qu un chemin joignant (m, a) à (n, b) passe nécessairement par la valeur 0. On peut alors établir une correspondance bijective entre les chemins de ces deux types par symétrie d une partie de ces chemins (à partir du moment où l on touche l axe des abscisses) par rapport à ce même axe. S n (m, a) (n, b) n (n, b) Application sur des exemples Exemple 9.11 Au cours d un scrutin opposant deux candidats A et B, le candidat A obtient 600 voix et le candidat B en obtient 400. Quelle est la probabilité pour que A ait été majoritaire (au sens large) tout au long du dépouillement?

7 9.3 Un cas particulier de chaîne de Markov : marches aléatoires sur Z 15 Nous allons modéliser le dépouillement par un chemin dans le plan. Lors du processus de dépouillement, on ouvre les enveloppes une à une, chacune contenant un bulletin «A» ou un bulletin «B». Si l on affecte la valeur 1 aux bulletins «A»et la valeur 1 aux bulletins «B», alors on peut représenter le déroulement du dépouillement par un chemin qui part du point (0, 0), va monter 600 fois et descendre 400 fois, donc qui arrive au point (1000, 00). On considère que tous les ordres possibles d apparition, au cours du dépouillement, des bulletins «A» et «B» sont équiprobables. Le nombre total de dépouillements possibles est ( ). On cherche le nombre de chemins de (0, 1) à (1000, 01) qui ne touchent pas l axe des abscisses. C est le nombre total de chemins de (0, 1) à (1000, 01) (à savoir ( ) ) moins le nombre de chemins de (0, 1) à (1000, 01) qui touchent l axe, c est-à-dire le nombre de chemins de (0, 1) à (1000, 01), soit ( ). La probabilité cherchée, sous l hypothèse que tous les dépouillements possibles sont équiprobables, est donc : ( ( ) ( 1000 ) 399 ) = ! 399!601! 1000! 400!600! = = ,334 La probabilité que le candidat ait été majoritaire (au sens large) tout au long du dépouillement est d environ 0,334. Exemple personnes font la queue à un guichet de cinéma. La place coûte 5 e. 60 personnes ont un billet de 5 e, tandis que les 50 autres ont des billets de 10 e. Combien faut-il prévoir de billets de 5 e en caisse pour qu avec une probabilité d au moins 95%, tous les spectateurs soient servis, dans l ordre dans leuel ils se présentent à la caisse. Si l on appelle S 0 le nombre de billets de 5 e dans la caisse au moment initial, et ue l on trace la courbe représentative du nombre de billets de 5 e dans la caisse en fonction du nombre de spectateur qui ont déjà acheté leur billet, on obtient exactement un graphe du type voulu. À chaque fois qu un spectateur passe à la caisse, soit il a un billet de 5 e et paye avec, auquel cas le nombre de billets de 5 e dans la caisse augmente d un, soit il n a qu un billet de 10 e, auquel cas le nombre de billets de 5 e dans la caisse diminue d un, qui correspond à la monnaie qu on lui rend. Au total, sur les 100 spectateurs, 60 donnent un billet de 5 e et 40 en reçoivent un, et donc on a à la fin S billets de 5 e. La courbe tracée est donc un chemin de (0, S 0 ) et (100, S 0 + 0). Pour que tous les spectateurs soient servis, dans l ordre dans lequel ils se présentent à la caisse, il faut que le chemin ne traverse pas l axe des abscisses. Il s agit donc de trouver le plus petit S 0 pour lequel la probabilité de traverser l axe des abscisses soit inférieur à 5%. Là aussi, étant donné S 0, la probabilité p S0 pour que le chemin traverse l axe des abscisses est la probabilité pour qu un chemin de (0, S 0 + 1) à (100, S 0 + 1) touche l axe des abscisses. C est donc le rapport du nombre de chemins de (0, S 0 +1) à (100, (S 0 +1)) au nombre de chemins de (0, S 0 + 1) à (100, S 0 + 1). On trouve : p S0 = ( 100 ) 50 (S 0 +11) ( 100 ) = 60 60!40! 40 (39 S 0 )!(61 + S 0 )! = k=40 S 0 k 61+S0 k=61 k.

8 16 Leçon n o 9 Marches aléatoires On calcule les valeurs successives de p S0 lorsque S 0 varie. On trouve les valeurs approchées suivantes : S p S0 0, 656 0, 41 0, 49 0, 144 0, 080 0, 04 Il faut donc 5 billets au départ dans la caisse pour qu avec une probabilité d au moins 95%, tous les spectateurs soient servis Premier retour en 0 Lemme 9.13 La probabilité pour que S n soit nul est P (S n = 0) = (n n ) n. Preuve En effet, le nombre de chemins de (0, 0) à (n, 0) est exactement ( ) n n puisqu il correspond au nombre de façon de choisir les n montées (et donc les n descentes). Comme il y a par ailleurs n trajectoires possibles de longueur n ( choix possibles à chaque étape), et que toutes les trajectoires sont équiprobables, on a bien : ( n ) n Si E := {n 1, S n = 0}, notons : P (S n = 0) = n. T 0 = { inf E si card(e) < + + sinon. T 0 correspond à l instant de premier retour en 0. S il est fini, il est nécessairement pair. Théorème 9.14 La probabilité pour que le premier retour en 0 ait lieu à l instant n est : P (T 0 = n) = 1 ( ) n n 1 ( n 1 ( ) n ) = n (n )! n 1 n!(n 1)!. Preuve On distingue deux cas selon que l on a S 1 = 1 ou S 1 = 1. Si S 1 = 1, alors il s agit de calculer le nombre de chemins de (1, 1) à (n, 0) qui ne touchent pas l axe des abscisses avant l étape n. Mais le dernier pas est alors imposé : on a nécessairement S n 1 = 1, puisque l on cherche des chemins qui aboutissent à la valeur 0 sans avoir jamais touché l axe des abscisses. Il s agit donc de dénombrer le nombre de chemins de (1, 1) à (n 1, 1) ne touchant pas l axe des abscisses, c est-à-dire le nombre total de chemins moins le nombre de chemins qui touchent l axe. D après le principe de réflexion, ce dernier est égal au nombre de chemins de (1, 1) à (n 1, 1). Au total on trouve : ( ) ( ) n n. n 1 n Conditionnellement à l hypothèse S 1 = 1, on trouve donc une probabilité pour que T 0 = n de ( n n 1 ) ( n n ) 1 n. Le premier terme du produit est la probabilité pour que la marche aléatoire passe de la valeur S 1 = 1 à la valeur S n 1 = 1 sans toucher l axe (rapport du nombre de trajectoires favorables sur le nombre total de possibilités), et le facteur 1/ correspond à la probabilité pour que S n soit nul lorsque

9 9.4 Marches aléatoires sur Z d 17 l on a S n 1 = 1 (il faut que le dernier pas soit de 1). Lorsque S 1 = 1, la situation est totalement symétrique, donc on trouve exactement la même probabilité. Au total, on a trouvé : P (T 0 = n) = ( n n 1 ) ( n ) n n 1. En revenant aux expressions définissant les nombres ( n k) on obtient : P (T 0 = n) = 1 ( ) (n )! (n )! n 1 (n 1)!(n 1)! n!(n )! (n )! = n 1 (n (n 1)) n!(n 1)! (n )! = n 1 n!(n 1)! On remarque, enfin, que cette dernière expression nous permet d obtenir la relation P (T 0 = n) = P (S n = 0) P (S n = 0). En effet, on a : ( n n 1 ) ( n ) n P (S n = 0) P (S n = 0) = n = 1 ( (n )! n 4 (n 1)!(n 1)! (n)! ) n!n! (n )! = n n!n! (4n n(n 1)) = (n )! n 1 n!(n 1)!. Ainsi : P (T 0 = n) = P (S n = 0) P (S n = 0) Modèle du joueur En exercice. Exemple 9.15 Une personne dispose d un capital de départ c (c entier). Elle joue à pile ou face de manière répété une somme de 1, jusqu à atteindre un but b qu elle s est fixée au départ, ou bien jusqu à ce qu elle ne puisse plus jouer (lorsque sa fortune atteint la valeur 0). Quelle est la probabilité pour qu elle atteigne son objectif b? 9.4 Marches aléatoires sur Z d En deux dimensions On considère une marche aléatoire sur le réseau plan Z. Il y a ici quatre mouvements possibles à chaque site : en avant, en arrière, à droite, à gauche. Pour de longues marches, la distribution de la position finale du marcheur se comporte asymptotiquement comme une distribution gaussienne.

10 18 Leçon n o 9 Marches aléatoires FIGURE 9.1 Trois marches aléatoires (indépendantes) isotropes sur le réseau Z 9.4. En trois dimensions On considère une marche aléatoire sur le réseau cubique Z 3. Il y a ici six mouvements possibles à chaque site : en avant, en arrière, à droite, à gauche, en haut et en bas. FIGURE 9. Trois marches aléatoires (indépendantes) isotropes sur le réseau Z Récurrence et dimensionnalité Récurrence Considérons une marche aléatoire isotrope (c est-à-dire tels que chaque mouvement, à un instant fixé, ait la même probabilité d être choisi) sur le réseau Z d à d dimensions spatiales. On peut toujours choisir de prendre le point de départ de cette marche comme origine O du système de coordonnées cartésiennes. La question de la récurrence consiste à se demander si on peut trouver au moins un instant t positif fini pour lequel la particule repasse par l origine O. Définition 9.16 Marche aléatoire récurrente. La marche aléatoire sera dite récurrente si et seulement si la probabilité que la particule repasse à l origine O pour un certain instant t ultérieur fini vaut 1. Théorème de Pólya Le théorème de Pólya permet de relier récurrence et dimensionnalité de l espace.

11 9.5 Marches aléatoires sur un groupe 19 Théorème 9.17 Théorème de Pólya. Pour d = 1 et d =, la marche aléatoire isotrope est récurrente. Pour d 3, la marche aléatoire n est pas récurrente ; on dit alors qu elle est transitoire ou transient. On sait calculer la probabilité que le marcheur, parti initialement de l origine, revienne à l origine, et ce pour toutes les dimensions d >. Cette probabilité p(d) admet l expression suivante : où u(d) est une intégrale à d dimensions : u(d) = p(d) = 1 1 u(d) d π π dx 1 dx d (π) d. π π d cos x 1 cos x d Pour d = 3, on obtient l expression analytique suivante : 6 u(3) = 3π 3 Γ( 1 4 )Γ( 5 4 )Γ( )Γ( 4 ) 1, où Γ(x) est la fonction Gamma d Euler. On obtient donc en trois dimensions une probabilité de retour à l origine : p(3) 0, Des valeurs numériques pour u(d) (avec 4 d 8) ont été trouvés : d u(d) 0, 193 0, 135 0, 105 0, , Marches aléatoires sur un groupe On considère un groupe (G, ), qu on suppose multiplicatif. On se donne une suite Y = (Y n ) n 1 de variables aléatoires indépendantes et de même loi (qu on appelle ν), variables aléatoires toutes à valeurs dans (G, ). On se donne aussi une variable aléatoire X 0 à valeurs dans (G, ), de loi quelconque, et indépendante de Y = (Y n ) n 0. On pose alors, pour n 1 : X n = X n 1 Y n. Définition 9.18 Marche aléatoire sur G. La suite X = (X n ) n 0 est alors une chaîne de Markov, et est dite marche aléatoire sur G de pas ν. On accepte aussi comme marche aléatoire, une suite définie par la relation de récurrence : X n = Y n X n 1.

12 0 Leçon n o 9 Marches aléatoires Pour distinguer les deux types de chaînes de Markov ainsi définies, on parle parfois de marche aléatoire droite et de marche aléatoire gauche. Le terme général p g,h de la matrice de transition de chaîne de Markov est défini, pour (g, h) G, par : p g,h = ν(g 1 h) ou bien p g,h = ν(h g 1 ), suivant que la marche aléatoire est droite ou gauche. On peut vérifier que : g G p g,h = g G ν(g 1 h) = g G ν(g 1 ) = g G ν(g) = 1, car g g h et g g 1 sont des bijections de G dans G. Ainsi, une mesure uniforme sur G est une mesure stationnaire. 9.6 Marches aléatoires grandeur nature Une expérience scientifique originale s est déroulée le 16 octobre 005 dans les rues de Toulouse. Environ 300 lycéens, partis de la place du Capitole, ont parcouru les rues de la ville, en lançant à chaque carrefour le dé pour décider de leur trajectoire (mode d emploi distribué aux participants). Le but était de modéliser le célèbre mouvement brownien, à l occasion du centième anniversaire de l article d Albert Einstein qui en établissait la théorie. Chaque participant devait relever sa position après 10, 0, 30, 40, 50, et enfin 60 carrefours. Les cartes ci-contre figurent ces différents moments de l évolution du «nuage de participants». L expérience avait bien entendu des enjeux mathématiques et physiques, disciplines où la théorie des marches aléatoires est très présente et bien connue. Mais un résultat frappant fut l apparition de phénomènes liés à la géographie particulière de la ville. Les résultats théoriques classiques peuvent s établir facilement dans le cas de la marche aléatoire sur un «réseau régulier à maille carrée» (certains plans de villes américaines s approchent bien de ce modèle). On peut les résumer ainsi : le nuage de participants reste approximativement centré sur le point de départ il s étale de façon isotrope (identique dans toutes les directions : le nuage est «rond»), suivant une loi en racine carrée du nombre de carrefours parcourus. Sur les cartes cicontre, on a ainsi tracé des cercles englobant 90% des participants à une phase donnée de l expérience.

13 9.6 Marches aléatoires grandeur nature 1 Ces résultats s étendent aux «réseaux irréguliers homogènes», c est-à-dire dans lesquels les quantités remarquables (la densité de carrefours, les nombres de rues par carrefours) sont globalement équivalentes aux différents endroits du réseau. Pour l expérience de Toulouse, la théorie est bien respectée, à deux perturbations près : une zone de très faible densité de carrefours, au nord-est de la place du Capitole, a donné lieu à une faible concentration de particules, mais aussi à quelques trajectoires très longues ; plus marquée, une sorte de «barrière» a été très peu franchie par les participants. Il s agit d une ligne, prolongeant la Garonne, qui contient très peu de points de franchissement. Le nuage de participants a en quelque sorte «rebondi» sur cette barrière.

14 Leçon n o 9 Marches aléatoires

15 Bibliographie [1] Problème des sept ponts de Königsberg, Wikipédia, l encyclopédie libre. [] C. LE BOT, Théorie des graphes, 006, wp-content/uploads/007/03/theorie_graphes.pdf. [3] Coloration des graphes, Apprendre-en-ligne, net/graphes-ancien/coloration/sommets.html [4] O. GARET, Exemples de problèmes de graphes, fr/~olivier.garet/cours/graphes/graphes-documents_d_ accompagnement.pdf. [5] E. SIGWARD & al., Odyssée Mathématiques Terminale ES/L, Hatier, 01. [6] Graphes probabilistes, Terminale ES spécialité. graphe/f4_graphe.pdf [7] G. COSTANTINI, Probabilités (discrètes), Cours de Première S, URL : bacamaths.net. [8] P. RIBEREAU, Cours 5 Probabilités : Notion, probas conditionnelles et indépendance, URL : [9] P. DUVAL, Probabilités, TS. URL : ~duvalp [10] G. COSTANTINI, Probabilités : Généralités, conditionnement, indépendance, Cours de Première S. URL : [11] M. LENZEN, Leçon n o 3 : Coefficients binomiaux, dénombrement des combinaisons, formule du binôme. Applications., 011, URL : php?page=leconsnew [1] G. CONNAN, Une année de mathématiques en Terminale S, Ch. 14, , URL : http: //tehessin.tuxfamily.org [13] G. COSTANTINI, Loi binomiale, URL : [14] C. SUQUET, Intégration et Probabilités Elémentaires, URL : univ-lille1.fr/~ipeis/ [15] L. LUBRANO & al., Mathématiques, BTS Industriels - Groupement B et C, Dunod, 011. [16] G. COSTANTINI, Lois de probabilités continues. URL : [17] J.-P. GOULARD, Lois de probabilités continues, TS, TS cours-loiscontinues.pdf. [18] Probabilités 3 : Loi uniforme sur [a; b], Lycée de Font Romeu. lewebpedagogique.com/cerdagne/files/013/0/0-loi-uniforme. pdf [19] Loi uniforme sur [a; b], IREM de Toulouse. URL : spip/img/pdf_loi_uniforme.pdf [0] P. TAQUET & al., Mathématiques, BTS Groupement A, Hachette Technique, 010.

16 4 BIBLIOGRAPHIE [1] C. SUQUET, Initiation à la Statistique, ~suquet/polys/is.pdf. [] J.-F. DELMAS, Modélisation stochastique, Cours de M, 009. URL : enpc.fr/~delmas/enseig/mod-stoch.pdf [3] L.-M. BONNEVAL, Chaînes de Markov au lycée, APMEP n o 503, 013. URL : publimath.irem.univ-mrs.fr/biblio/aaa13018.htm [4] Marche aléatoire, IREM de Franche-Comte. URL : univ-fcomte.fr/download/irem/document/ressources/lycee/marche/ marche-aleatoire.pdf. [5] Marches sur Z, culturemath.ens.fr, URL : pdf/proba/marchesz.pdf [6] Contributeurs à Wikipedia, Marche aléatoire, Wikipédia, l encyclopédie libre, 014. [7] Marche au hasard dans les rues de Toulouse, URL : actualites/m_toulouse.html

L E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun

L E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun 9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

Probabilités Loi binomiale Exercices corrigés

Probabilités Loi binomiale Exercices corrigés Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 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 détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Travaux dirigés d introduction aux Probabilités

Travaux dirigés d introduction aux Probabilités Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac 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 détail

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction 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 détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

Plus en détail

Cours Fonctions de deux variables

Cours Fonctions de deux variables Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles 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 détail

Introduction à la théorie des graphes. Solutions des exercices

Introduction à la théorie des graphes. Solutions des exercices CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti

Plus en détail

Feuille d exercices 2 : Espaces probabilisés

Feuille d exercices 2 : Espaces probabilisés Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un

Plus en détail

Chapitre 1 : Évolution COURS

Chapitre 1 : Évolution COURS Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir

Plus en détail

Coefficients binomiaux

Coefficients binomiaux Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Cours de Probabilités et de Statistique

Cours de Probabilités et de Statistique Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles

Plus en détail

Probabilités conditionnelles Loi binomiale

Probabilités conditionnelles Loi binomiale Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

I. 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 détail

Commun à tous les candidats

Commun 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 détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

4 Distributions particulières de probabilités

4 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 détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes 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 détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements

Plus en détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices 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

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 détail

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice 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 détail

BTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL

BTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par

Plus en détail

I. Cas de l équiprobabilité

I. Cas de l équiprobabilité I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus

Plus en détail

Fonctions de deux variables. Mai 2011

Fonctions 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 détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison 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 détail

Moments des variables aléatoires réelles

Moments 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 détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions 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 détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Probabilités. C. Charignon. I Cours 3

Probabilités. C. Charignon. I Cours 3 Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce

Plus en détail

Image d un intervalle par une fonction continue

Image 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 détail

Le modèle de Black et Scholes

Le modèle de Black et Scholes Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un

Plus en détail

Loi binomiale Lois normales

Loi 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 détail

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Chapitre 3. Mesures stationnaires. et théorèmes de convergence Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat 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 détail

Baccalauréat ES Amérique du Nord 4 juin 2008

Baccalauréat ES Amérique du Nord 4 juin 2008 Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* 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 détail

Cours IV Mise en orbite

Cours IV Mise en orbite Introduction au vol spatial Cours IV Mise en orbite If you don t know where you re going, you ll probably end up somewhere else. Yogi Berra, NY Yankees catcher v1.2.8 by-sa Olivier Cleynen Introduction

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat 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 détail

Calculs de probabilités conditionelles

Calculs de probabilités conditionelles Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile

Plus en détail

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x = LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste

Plus en détail

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie... 1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................

Plus en détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement

Plus en détail

Notice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker

Notice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker Notice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker DeCarvalho Adelino adelino.decarvalho@iutc.u-cergy.fr septembre 2005 Table des matières 1 Introduction

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur

Plus en détail

Les devoirs en Première STMG

Les devoirs en Première STMG Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................

Plus en détail

I. Polynômes de Tchebychev

I. 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 détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

Peut-on imiter le hasard?

Peut-on imiter le hasard? 168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Les mathématiques du XXe siècle

Les mathématiques du XXe siècle Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition

Plus en détail

Introduction au Calcul des Probabilités

Introduction au Calcul des Probabilités Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée. ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle

Plus en détail

La fonction exponentielle

La 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 détail

aux différences est appelé équation aux différences d ordre n en forme normale.

aux différences est appelé équation aux différences d ordre n en forme normale. MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12 Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont

Plus en détail

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat 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 détail

Caractéristiques des ondes

Caractéristiques des ondes Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

BACCALAUREAT GENERAL MATHÉMATIQUES

BACCALAUREAT GENERAL MATHÉMATIQUES BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la

Plus en détail

Calcul intégral élémentaire en plusieurs variables

Calcul intégral élémentaire en plusieurs variables Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,

Plus en détail

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques : MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE

Plus en détail

Probabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.

Probabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher. Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

La persistance des nombres

La persistance des nombres regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 4 Nombres de Catalan chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C

Plus en détail

Simulation de variables aléatoires

Simulation 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 détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité

Plus en détail

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques

Plus en détail

Tests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision

Tests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous

Plus en détail

ELEC2753 Electrotechnique examen du 11/06/2012

ELEC2753 Electrotechnique examen du 11/06/2012 ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes

Plus en détail