Convergences et approximations

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Convergences et approximations"

Transcription

1 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 Théorème 1 Soit X ue VAR admettat u momet d ordre 2. Alors : Démostratio : ε > 0, P X EX) ε) VX) ε 2 Comme X admet u momet d ordre 2, X admet bie ue espérace et ue variace. Si X est ue variable discrète : O pose XΩ) = {x i,i I} et p i = PX = x i ). Par défiitio o sait que VX) = EX EX)) 2 ). Doc d après le théorème de trasfert : VX) = E X EX)) 2) = x i EX)) 2 p i i I Et de plus : P X EX) ε) = j Jp j où J = {j I/ x j EX) ε} O peut doc écrire : VX) = j J x j EX)) 2 p j + i/ J x i EX)) 2 p i j Jx j EX)) 2 p j ε 2 j Jp j P X EX) ε) VX) ε 2 ε 2 P X EX) ε) Probabilités : Chapitre 5 Page 1 Covergeces et approximatios

2 Si X est ue variable à desité : O a ici : VX) = = Et de plus Doc o a : EX) ε x EX)) 2 fx)dx x EX)) 2 fx)dx+ EX)+ε x EX)) 2 fx)dx+ EX) ε EX)+ε P X EX) ε) = PX EX) ε)+px EX)+ε) = EX) ε fx)dx+ EX)+ε fx)dx x EX)) 2 fx)dx VX) EX) ε P X EX) ε) VX) ε 2 x EX)) 2 fx)dx+ EX) ε ε 2 fx)dx+ EX)+ε EX)+ε fx)dx x EX)) 2 fx)dx ) Remarque : Lorsque X EX) ε, les valeurs de X sot à ue distace plus grade que ε de leur moyee EX). Doc P X EX) ε) mesure la probabilité que X pree des valeurs éloigées de EX). Cette probabilité est d autat plus faible que VX) est petit la variace mesure l étalemet des valeurs prises par X) et que ε est grad plus o est loi de la moyee mois o trouve de valeurs de X). Exemple 1: O utilise u dé cubique parfait. O cherche le ombre de lacers qu il faut effectuer pour pouvoir affirmer, avec u risque d erreur iférieur à 5%, que la fréquece d apparitio du 1 diffère de 1 6 d au 1 plus Lorsqu o a effectué lacers, o ote X le ombre de 1 obteus, et F la fréquece d apparitio du 1 au cours de ces lacers. Exprimer F e foctio de X et de. 2. Traduire à l aide d ue iégalité ce que l o cherche das l éocé. 3. A l aide de l iégalité de Bieaymé-Tchebychev, trouver la valeur de que l o cherche. 1. La fréquece est égale au ombre de 1 obteus divisé par le ombre total de lacers effectués doc o a F = X. 2. O cherche pour que P F 1 6 < 1 ) 0, Nous souhaitos ici appliquer l iégalité de Bieaymé-Tchebychev sur F avec ε = 1. Nous avos 100 besoi de EF ) et de VF ). X suit ue loi biomiale B, 1 ) doc EX ) = 6 6 et VX ) = Probabilités : Chapitre 5 Page 2 Covergeces et approximatios

3 O e déduit doc que EF ) = 1 6 et VF ) = 5 36 L iégalité de Bieaymé-Tchebychev ous dit que : P F ) P F 1 6 < 1 ) Il suffit doc de choisir tel que ,95 c est-à-dire II Covergece d ue suite de VAR 1 Loi faible des grads ombres Théorème 2 SoitX ) N uesuitedevaridépedates, admettatuemêmeespéracemetuemêmevariace σ 2. O pose X = X 1 + +X. Alors o a : ε > 0, lim P X m ε ) = 0 + O dit que X coverge e probabilité vers la variable costate égale à m. Démostratio : O a EX ) = 1 EX i ) = 1 m = m et comme les variables sot idépedates, i=1 VX ) = 1 VX 2 i ) = σ2. i=1 D après l iégalité de Bieaymé-Tchebychev, 0 P X m ε ) σ2 ε 2 Doc par ecadremet de limites, lim + P X m ε ) = 0 Remarque : O cosidère ue suite d épreuves idépedates, et u évéemet A, de probabilité p, qui peut ou o se réaliser au cours d ue des épreuves. O ote X i la variable qui vaut 1 si A s est réalisé à la i-ème épreuve et 0 sio. Das ce cas X représete la fréquece de réalisatio de l évéemet A au cours des première épreuves. La loi faible des grads ombres ous dit que cette fréquece ted vers p. Cela justifie a posteriori otre faço d itroduire la otio de probabilité, c est-à-dire comme état la limite de la fréquece d apparitio de l évéemet doé. 2 Covergece e loi Défiitio 1 Soit X ) N ue suite de VAR. O ote F X la foctio de répartitio de X. O dit que la suite X ) N coverge e loi vers la VAR X, de foctio de répartitio F X, si pour tout x R où F X est cotiue, la suite F X x)) N coverge vers F X x). Probabilités : Chapitre 5 Page 3 Covergeces et approximatios

4 Exemple 2: Soit X ue VAR à desité. Pour tout etier aturel o ul, o pose X = e 1/ X. Motros que X ) N coverge e loi vers X. O ote F la foctio de répartitio de X et F la foctio de répartitio de X. Il faut ici motrer que pour tout réel x, lim F x) = Fx). Pour cela o va exprimer F x) e + foctio de Fx). Pour tout réel x, o a F x) = PX x) = Pe 1/ X x) = PX e 1/ x) = Fe 1/ x). Or, pour tout réel x fixé, lim + e 1/ x = x et comme X est ue variable à desité, F est cotiue e x. Doc lim + Fe 1/ x) = Fx). Aisi, pour tout réel x, lim F x) = Fx) doc X ) coverge e loi vers X. + Propriété 1 Soit X ) ue suit de VAR covergeat e loi vers la VAR X. Pour tous poits a et b de cotiuité de F X tels que a < b, o a : lim + Pa < X b) = Pa < X b) Théorème 3 Soiet X ) N ue suite de VAR discrètes et X ue VAR discrète telles que pour tout etier, X Ω) N et XΩ) N. Alors X ) N coverge e loi vers X ssi : k N, lim PX = k) = PX = k) + Nous admettros ici ce théorème. Vous pourrez trouver ue démostratio das la plupart des livres de cours d ECE2. Attetio certaies suites de VAR discrètes coverget e loi vers ue VAR à desité!!! Das ce cas le théorème précédet e s applique plus. Exemple 3: Soit ue suite X ) N de VAR telles que, pour tout etier aturel o ul, X suit la loi de Poisso de paramètre 1. Motrer que la suite X ) N coverge e loi vers la variable certaie égale à 0. Comme o sait à l avace que la limite de la suite X ) N va être ue variable discrète o peut utiliser le théorème précédet. Pour tout etier aturel k, o a PX = k) = e1/ 1/) k Il ous faut séparer le cas k = 0 car alors O a lim PX = 0) = lim + 1 Si k 0, lim + + k! ) k 1 = 1. = 1 k! 1 0! 1 e1/ = lim + e1/ = 1 ) k = 0 doc lim + PX = k) = 0. ) k 1 e 1/ Aisi X ) N coverge e loi vers ue variable X qui vérifie PX = 0) = 1 et pour tout etier k o ul PX = k) = 0. X est la variable certaie égale à 0. Probabilités : Chapitre 5 Page 4 Covergeces et approximatios

5 3 Théorème de la limite cetrée Théorème 4 Soit X ) N ue suite de variable aléatoires réelles défiies sur ue même espace probabilisé et idépedates. O suppose que les X ot toutes la même loi et qu elles admettet ue variace o ulle. O ote : EX 1 ) = m VX 1 ) = σ 2 N, S = k=1 X k et Y = S O a doc S = S m σ Y m) = = Y σ Alors la suite S) et doc la suite Y)) coverge e loi vers ue variable aléatoire de loi N0,1). Remarques : b O a doc pour a > b, lim Pa < 1 + S b) = e t2 /2 dt. a 2π Comme S = σ S + m, ce théorème ous permet de dire que pour assez grad la variable aléatoire S suit approximativemet la loi Nm,σ 2 ). C est u théorème remarquable car le résultat est très fort et cotiet peu d hypothèses. De plus il motre l importace de la loi ormale e probabilités et statistiques. Ce théorème est parfois appelé théorème cetral limite. E pratique pour 30, o pourra approcher la loi de S par la loi ormale cetrée réduite. Ce théorème sera à l origie de plusieurs approximatios de lois. Exemple 4: Ue motre fait ue erreur d au plus ue demi-miute par jour. O cherche à détermier la probabilité que l erreur commise au bout d ue aée o bissextile) soit iférieure ou égale à u quart d heure. Pour cela, o cosidère que l erreur commise u jour doé, e secodes, suit ue loi uiforme sur [ 1 2 ; 1 2 ] et que les erreurs commises chaque jour sot idépedates. O doe ,72. O ote X k l erreur commise le k-ième jour de l aée. D après os hypothèses X k suit la loi uiforme [ sur 1 2 ; 1 ] 365 et les X k sot idépedates. De plus l erreur commise au bout d u a, est S = X k. O 2 cherche doc à calculer P 15 S 15). O a ici EX k ) = 0 et VX k ) = 1 365, doc ES) = 0 et VS) = Doc la variable cetrée réduite associée à S est S = S Comme 365 > 30, le théorème de la limite cetrée ous dit que S suit approximativemet la loi ormale cetrée réduite et doc : ) ) P 15 S 15) = P S = P S Φ 2Φ 15 ) 12 ) Φ ) 1 2Φ2,72) 1 0,9934 k=1 Probabilités : Chapitre 5 Page 5 Covergeces et approximatios

6 III Approximatio de variables aléatoires 1 Approximatio d ue loi hypergéométrique par ue loi biomiale Théorème 5 Soiet u etier fixé et p ]0;1[. O pose I = {N N/Np N}. Soit X N ) N I ue suite de VAR telle que pour tout N, X N suit la loi hypergéométrique HN,,p). Alors X N ) coverge e loi vers ue VAR X qui suit la loi biomiale B,p). Démostratio : Hors programme O a : ) ) Np Nq k k PX N = k) = ) N = = Np)!Nq)!!N )! k!np k)! k)!nq +k)!n!! Np)Np 1) Np k +1) Nq) Nq +k +1) k! k)! NN 1) N +1) Le produit Np)Np 1) Np k+1) Nq) Nq +k+1) possède facteurs chacu équivalet à Np ou Nq lorsque N + doc est équivalet à Np) k Nq) k lorsque N +. De même NN 1) N +1) N doc o e déduit que lim PX N = k) = N +! k! k)! pk q k X N coverge bie e loi vers ue VAR X qui suit la loi B,p). E pratique : Dès que N 10, o pourra dire que l o peut approcher la loi hypergéométrique par la loi biomiale. Exemple 5: Soit X ue variable aléatoire suivat la loi hypergéométrique H100; 4; 0, 05). Nous allos calculer PX 1). Calcul exact : ) ) PX 1) = 1 PX = 0) = 1 ) 0, Calcul approché : o approche la loi H100;4;0,05) par la loi B4;0,5) ) 4 PX 1) = 1 PX = 0) = 1 0,05) 0 0,95) 4 0,185 0 Probabilités : Chapitre 5 Page 6 Covergeces et approximatios

7 2 Approximatio d ue loi biomiale par ue loi de Poisso Théorème 6 Soit λ u réel strictemet positif et X ) N ue suite de VAR discrètes telles que X suit la loi biomiale de paramètre, λ ). Alors X ) N coverge e loi vers ue VAR X qui suit ue loi de Poisso de paramètre λ. Démostratio : O a PX = k) =! k! k)! = λk k! ) k λ 1 λ ) k O a lorsque +, 1) k +1) k 1) k +1) e k)l1 λ/) k De plus comme λ 0, l1 λ/) λ. Doc o e déduit : lim PX = k) = λk + k! e λ Aisi X coverge bie e loi vers ue variable qui suit la loi Pλ). E pratique : O cosidère que lorsque 30 et p 0,1, o peut approcher la loi B,p) par la loi Pp). O dit que la loi de Poisso est la loi des évéemets rares elle approche le tirage de boules avec remise das ue ure coteat des boules blache e proportio égale à p qui est faible). Exemple 6: Soit X ue variable aléatoire suivat la loi biomiale B100;0,05). Nous allos calculer PX = 2). Calcul exact : ) 100 PX = 2) = 0,05) 2 0,95) 98 0, Calcul approché : o approche la loi B100;0,05) par la loi P5) PX = 2) 52 2! e 5 0,0843 Probabilités : Chapitre 5 Page 7 Covergeces et approximatios

8 3 Approximatio d ue loi biomiale par ue loi ormale Théorème 7 Soit p ]0;1[, q = 1 p et S ) N ue suite de variable aléatoires telle que S suit la loi biomiale B,p). Alors la suite de variable aléatoire S = S p pq coverge e loi vers la loi ormale cetrée réduite. Démostratio : Hors programme Toute variable biomiale de paramètre, p) peut être cosidérée comme la somme de variables aléatoires de Beroulli de paramètre p mutuellemet idépedates. O a doc S = X k où X k est ue variable de Beroulli de paramètre p. Comme les variables de k=1 Beroulli admettet ue espérace p et ue variace pq, le théorème de la limite cetrée s applique bie et il ous doe le résultat demadé. E pratique : O cosidère que pour 30, p 5 et q 5, o peut approcher la loi B,p) par la loi Np,pq). E exercice, o se ramèera plutôt au fait que la loi de X peut être approchée par la loi N0,1). Correctio de cotiuité : Si S suit ue loi B,p) avec et p tels que o peut approcher S par N qui suit la loi Np,pq), o devrait écrire : k [0;], PS = k) PN = k) mais comme N est ue variable à desité, o a PN = k) = 0, doc otre approximatio ci-dessus est pas boe. O écrira plutôt : PS = k) Pk 0,5 < N < k +0,5) et o appelle cela utiliser la correctio de cotiuité. Exemple 7: Soit X ue variable qui suit la loi B900;0,5). O cherche à calculer P405 X 495). Pour le calcul exact, il ous faudrait calculer des combiaisos avec de très grad ombres, ce qui écessite u ordiateur et e doe parfois qu ue valeur approchée. O remarque ici que l o est das les coditio où l o peut approcher otre loi biomiale par ue loi ormale N450,225) car 900 > 30 et 900 0,5 = 450 > 5. Cepedat pour la loi ormale N450,225) il est toujours pas facile de calculer P405 X 495) car o e coait pas la foctio de répartitio d ue loi ormale quelcoque. Nous somme doc obligé de ous rameer à la loi ormale cetrée réduite e ous itéressat à la variable cetrée réduite associée à X. O a X = X et o a doc que la variable X suit approximativemet la loi ormale cetrée réduite. De plus P405 X 495) = P 3 X 450 ) 3 = P 3 X 3). Doc o a : 15 P405 X 495) Φ3) Φ 3) Φ3) 1 Φ3)) 2Φ3) 1 0,9974 O verra e exercice que das le cas du calcul de Pa X b) il est pas forcémet écessaire d appliquer la correctio de cotiuité, mais o peut parfois vous le demader. Probabilités : Chapitre 5 Page 8 Covergeces et approximatios

9 4 Approximatio d ue loi de Poisso par ue loi ormale Théorème 8 Soit α u réel strictemet positif et S ) N ue suite de variable aléatoires telle que S suit la loi de Poisso Pα). Alors la suite de variable aléatoire S = S α α coverge e loi vers la loi ormale cetrée réduite. Démostratio : Hors programme Toute variable de Poisso de paramètre α peut être cosidérée comme la somme de variables aléatoires de Poisso de paramètre α mutuellemet idépedates. O a doc S = X k où X k est ue variable de Poisso de paramètre α. Comme les variables de k=1 Poisso admettet ue espérace α et ue variace α, le théorème de la limite cetrée s applique bie et il ous doe le résultat demadé. E pratique : O cosidère que pour λ 18 o peut approcher la loi Pλ) par la loi Nλ,λ). Correctio de cotiuité : Tout comme précédemmet il e faut pas oublier d appliquer, si écessaire, la correctio de cotiuité. Exemple 8: Ici ecore pour de grades valeurs de λ, la calcul de PX a) pourra écessiter l utilisatio d u ordiateur. Si o cosidère X qui suit ue loi de Poisso de paramètre 64 que l o cherche à calculer PX 74), o a itérêt à approcher la loi de X par la loi N64,64) et doc X 64 suit la loi ormale cetrée réduite. O a doc X 64 PX 74) = P 8 8 ) 1,25 Φ1,25) 0,8944 Probabilités : Chapitre 5 Page 9 Covergeces et approximatios

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

CONVERGENCE ET APPROXIMATION

CONVERGENCE ET APPROXIMATION 11-2- 2010 J.F.C. Cov. p. 1 CONVERGENCE ET APPROXIMATION I CONVERGENCE EN PROBABILITÉ 1. Défiitio 2. Ue coditio suffisate de covergece e probabilité 3. La loi faible des grads ombres 4. Ue coséquece de

Plus en détail

Autour de la loi de Poisson

Autour de la loi de Poisson Agrégatio Itere de Mathématiques Thierry Champio séace du 25 ovembre 2016 Autour de la loi de Poisso Notatios - Itroductio Das tout ce problème, (Ω, T, P) est u espace probabilisé. Toutes les variables

Plus en détail

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

Corrigé : EM Lyon 2005

Corrigé : EM Lyon 2005 Corrigé : EM Lyo 5 Optio écoomique Eercice :. Par défiitio de E, la famille (I,J,K) est ue famille géératrice de E. Cette famille est-elle libre? O cherche tous les réels a, b et c tels que : ai +bj +ck

Plus en détail

est la fréquence empirique des succès lors des 10 premières expériences.

est la fréquence empirique des succès lors des 10 premières expériences. Pierre Veuillez Statistiques iféretielle Sources, et pour e savoir plus : http://www.math-ifo.uiv-paris5.fr/smel 1 Problématique : Exemple ue ure cotiet des boules rouges et blaches dot o e coaît pas la

Plus en détail

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

C.1- Lois discrètes- Loi uniforme

C.1- Lois discrètes- Loi uniforme C- Lois usuelles C.1- Lois discrètes- Loi uiforme Loi d ue variable aléatoire X preat ses valeurs das {1,,} avec la même probabilité: 1 P ( X = x ) = x {1,,... } Ex : E=«lacer d u dé régulier» X=uméro

Plus en détail

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015 Uiversité Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Aée 2014-15 Exame du 13 mai 2015 Le sujet comporte 2 pages. L épreuve dure 2 heures. Les documets, calculatrices et téléphoes

Plus en détail

D- Convergence de variables aléatoires

D- Convergence de variables aléatoires D-1 Notatios O cosidère ( ) N (évetuellemet (Y ) N ) ue suite de variables aléatoires défiies sur l espace probabilisé (Ω, A, ) et X (évetuellemet Y ) ue variable aléatoire défiie sur le même espace. O

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

ESTIMATION Exercices

ESTIMATION Exercices ESTIMATION Exercices EERCICE : Les variables aléatoires cosidérées das cet exercice sot défiies sur u espace probabilisable, AP, Soit a u réel strictemet positif et ue variable aléatoire de loi uiforme

Plus en détail

Échantillonnage. I Rappels sur les lois usuelles 2

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

Plus en détail

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

Variables aléatoires. Exercices

Variables aléatoires. Exercices Variables aléatoires Exercices 04-05 Les idispesables Loi d ue variable aléatoire, espérace et variace O répète idéfiimet le lacer d u dé équilibré à 6 faces Soit la variable aléatoire doat la valeur du

Plus en détail

i la moyenne empirique de X n n v =

i la moyenne empirique de X n n v = Corrigé Statistiques iféretielle par par Pierre Veuillez Itervalle de cofiace. Exercice Détermier ue valeur approchée de la loi de la moyee empirique : E X E X, V X V X doc X N E X, V X Exercices. Variace

Plus en détail

Chapitre 4 Lois discrètes

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

Plus en détail

Exercices d oraux de la banque CCP Corrigés BANQUE PROBABILITÉS

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

Plus en détail

Correction Exercices Chapitre 08 - Couples de variables aléatoires réelles discrètes

Correction Exercices Chapitre 08 - Couples de variables aléatoires réelles discrètes 08. O dispose de boîtes umérotées de à. La boîte k cotiet k boules umérotées de à k. O choisit au hasard ue boîte, puis ue boule das cette boîte. Soit X le uméro de la boîte et Y le uméro de la boule..

Plus en détail

Convergence de suites réelles

Convergence de suites réelles DOMAINE : No olympique AUTEUR : Nicolas SÉGARRA NIVEAU : Itermédiaire STAGE : Motpellier 2014 CONTENU : Cours et exercices Covergece de suites réelles I) Rappels et otios de base. Défiitio 1. Ue suite

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

Séries à termes positifs

Séries à termes positifs Séries à termes positifs Das toute la suite N désigera les etiers aturels positifs 0,,,..., Z tous les etiers aturels...,,, 0,,, 3,... et Q les ombres ratioels. Efi R désigera les réels, et C les complexes.

Plus en détail

Résumé 10 : Probabilités I

Résumé 10 : Probabilités I http://mpbertholletwordpresscom Résumé 10 : Probabilités I Ω sera u esemble abstrait, c est-à-dire sas structure particulière P(Ω désige l esemble de tous les sous-esembles de Ω, y compris le sous-esemble

Plus en détail

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

SUITES et SERIES DE FONCTIONS

SUITES et SERIES DE FONCTIONS UE7 - MA5 : Aalyse SUITES et SERIES DE FONCTIONS I Suites de foctios à valeurs das È ou  Etat doé u esemble E, ue suite de foctios umériques défiies sur E est la doée, pour tout etier, d'ue applicatio

Plus en détail

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008 Sup Galilée - Maths pour l Igéieur Corrigé du Partiel du 9 Novembre 008 Étude d ue suite récurrete Soit u 0 ]0, [ O cosidère la suite (u ) défiie par u + u 3 u ) Justifier que la suite u est borée O motre

Plus en détail

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

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Mardi 3 mai : 14 h - 18 h. Les calculatrices sont interdites

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Mardi 3 mai : 14 h - 18 h. Les calculatrices sont interdites SESSION 216 PCMA2 EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES Mardi 3 mai : 14 h - 18 h N.B. : le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio de la rédactio.

Plus en détail

Lois normales. Intervalle de fluctuation. Estimation.

Lois normales. Intervalle de fluctuation. Estimation. Lois ormales. Itervalle de fluctuatio. Estimatio.. Loi ormale cetrée réduite... p. Théorème de Moivre-Laplace... p 3. Loi ormale (µ ; σ²)... p3 Copyright meilleuremaths.com. Tous droits réserwidevec{}vés

Plus en détail

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

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

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont autorisées. * * * SESSION 006 EPREUVE SPECIIQUE ILIERE MP MATHEMATIQUES Durée : 4 heures Les calculatrices sot autorisées * * * NB : Le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio

Plus en détail

Suites de variables aléatoires.

Suites de variables aléatoires. Uiversité Pierre et Marie Curie 200-20 Probabilités et statistiques - LM345 Feuille 8 Suites de variables aléatoires.. Soit Ω, F, P u espace de probabilités. Détermier pour chacue des covergeces suivates

Plus en détail

X 1 = { X si X est impair 0 sinon

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

Plus en détail

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

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

Plus en détail

Cours sur les lois usuelles

Cours sur les lois usuelles Cours sur les lois usuelles. Lois de probabilités discrètes Loi de Berouilli Cotexte d applicatio : ue expériece dot le résultat est succès ou échec, u idividu qui possède ou pas ue caractéristique Défiitio

Plus en détail

Éléments de probabilités

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

Plus en détail

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques CHAPITRE 2 : Estimatio o-paramétrique 1. Estimateurs empiriques Soit u échatillo i.i.d. de durées T i i1,..., de foctio de survie S Défiitio: L estimateur empirique de la foctio de survie est S x 1 i1

Plus en détail

Les calculatrices sont autorisées. **** **** Le sujet comporte 6 pages. 1 n. (resp. f x ln 1 e ) la somme de cette série.

Les calculatrices sont autorisées. **** **** Le sujet comporte 6 pages. 1 n. (resp. f x ln 1 e ) la somme de cette série. Les calculatrices sot autorisées **** NB : Le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio de la rédactio Si u cadidat est ameé à repérer ce qui peut lui sembler

Plus en détail

Exo7. Les rationnels, les réels. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur

Exo7. Les rationnels, les réels. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur Exo7 Les ratioels, les réels Exercices de Jea-Louis Rouget. Retrouver aussi cette fiche sur www.maths-frace.fr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable

Plus en détail

Premi` ere m ethode Seconde m ethode

Premi` ere m ethode Seconde m ethode 3 PROBABILITÉS Exercice 3 O cherche à évaluer le ombre N de lios d Asie, espèce e voie de disparitio, ecore e vie das la forêt de Gir Pour cela, o capture d abord, e ue seule fois, m lios (avec m N que

Plus en détail

Lois normales et autres lois dérivées

Lois normales et autres lois dérivées Lois ormales et autres lois dérivées - Lois ormales a) - Défiitio O dit qu'ue variable aléatoire réelle X suit la loi ormale (ou gaussiee) de paramètres et, otée N ( ; ), si elle admet pour desité la foctio

Plus en détail

Covariance et ajustement affine par la méthode des moindres carrés

Covariance et ajustement affine par la méthode des moindres carrés Uiversité de Poitiers - 205-206 A. Moreau Algèbre - Géométrie M MEEF Covariace et ajustemet affie par la méthode des moidres carrés Das tout le documet, la lettre désige u etier aturel o ul. Les deux parties

Plus en détail

Estimation paramétrique

Estimation paramétrique Retour au pla du cours Soit Ω, A, P u espace probabilisé et X ue v.a. de Ω, A das E, E. La doée d u modèle statistique c est la doée d ue famille de probabilités sur E, E, {P θ, θ Θ}. Le modèle état doé,

Plus en détail

Chapitre 4 Séries trigonométriques

Chapitre 4 Séries trigonométriques MVA Aalyse et calcul matriciel Chapitre 4 Séries trigoométriques Foctios périodiques Soit f ue foctio défiie sur R. Le ombre θ est ue période de f si f (t + θ) = f (t) quel que soit t R. Quad f admet ue

Plus en détail

Chapitre Rappels sur les suites

Chapitre Rappels sur les suites Chapitre Séries umériques. Rappels sur les suites Défiitio.. (i) Ue suite (a ) N de réels (ou de complexes) est covergete vers ue limite a si pour tout ε > 0, il existe 0 N tel que pour tout 0, o a a a

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

TD n o 1 : suites numériques

TD n o 1 : suites numériques MAT232 : séries et itégrales gééralisées Uiversité Joseph Fourier 23-24 Greoble TD o : suites umériques Rappel importat : il existe u cours de L e lige, ititulé M@ths e Lge, à l adresse : http://ljk.imag.fr/membres/berard.ycart/mel/

Plus en détail

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations Pla du cours 2 RFIDEC cours 2 : Échatillos, estimatios poctuelles Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Lois des grads ombres 2 Théorème cetral-limite 3 Estimatio poctuelle à partir d échatillos

Plus en détail

MVA101 - Analyse et calcul matriciel T. Horsin

MVA101 - Analyse et calcul matriciel T. Horsin MVA101 - Aalyse et calcul matriciel 2012 2013 T. Horsi (thierry.horsi@cam.fr) Attetio: Ce documet est ue base de travail qui peut coteir des coquilles. Les zoes e bleus sot, de loi, hors programme, et

Plus en détail

IREM Martine Quinio. 5 février 2013

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

Plus en détail

Composition de Mathématiques D (U)

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

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

Polynômes de Bernstein

Polynômes de Bernstein Polyômes de Berstei Sergei Nataovic Berstei est é e 1880 et est mort e 1968. 1) Défiitio. Soit f ue foctio défiie et cotiue sur [0, 1] à valeurs das. Pour etier aturel o ul doé, le -ième polyôme de Berstei

Plus en détail

CORRIGÉ : MATH 1 ; MP ; Mines-ponts_2015

CORRIGÉ : MATH 1 ; MP ; Mines-ponts_2015 CORRIÉ : MATH 1 ; MP ; Mies-pots_15 A. Opérateur de Volterra 1) Soiet f, g E, c est clair que Vf et V f sot deux primitives de f. Vf, g / Vf xgx / Vf xv g x Vf xv gx / et Vf, g / fxv gx f, V g. Vf xv gx

Plus en détail

Sylvain ETIENNE 2003/2004 PLC1, groupe 1 Exposé 64

Sylvain ETIENNE 2003/2004 PLC1, groupe 1 Exposé 64 Sylvai ETIENNE 3/4 IMAGE D UN INTERVALLE PAR UNE FONCTION CONTINUE, IMAGE D UN SEGMENT. CONTINUITE DE LA FONCTION RECIPROQUE D UNE FONCTION CONTINUE STRICTEMENT MONOTONE SUR UN INTERVALLE. Niveau : Complémetaire.

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

Master 1 Métiers de l Enseignement, Mathématiques - ULCO, La Mi-Voix, 2012/2013

Master 1 Métiers de l Enseignement, Mathématiques - ULCO, La Mi-Voix, 2012/2013 Master Métiers de l Eseigemet, Mathématiques - ULCO, La Mi-Voix, 202/203 ANALYSE 2 Fiche de Mathématiques 4 - Séries umériques Soit E u espace vectoriel sur le corps K = R ou C Pour toute famille fiie

Plus en détail

Chapitre 1. Les suites numériques Principe de récurrence Limite d une suite

Chapitre 1. Les suites numériques Principe de récurrence Limite d une suite Eseigemet spécifique Chapitre 1. Les suites umériques Pricipe de récurrece Limite d ue suite I. Rappels sur les suites umériques 1. géérale Ue suite umérique est ue foctio défiie de N vers R, elle peut

Plus en détail

Séance 2 : Estimateurs convergents, non biaisés et exhaustifs.

Séance 2 : Estimateurs convergents, non biaisés et exhaustifs. Exercice Séace 2 : Estimateurs covergets, o biaisés et exhaustifs. Soiet les variables aléatoires X i i =,..., i.i.d. Motrez que S 2 = X i X 2 est u estimateur o biaisé de σ 2, où σ 2 = V ar[x ]. O utilise

Plus en détail

TS Devoir Commun de Mathématiques N 3 Lundi17/11/2014

TS Devoir Commun de Mathématiques N 3 Lundi17/11/2014 TS Devoir Commu de Mathématiques N Ludi7//04 La présetatio, la rédactio et la rigueur des résultats etrerot pour ue part sigificative das l évaluatio de la copie Le sujet est composé de 4 eercices idépedats

Plus en détail

«J'aimais et j'aime encore les mathématiques pour elles-mêmes comme n'admettant pas l'hypocrisie et le vague, mes deux bêtes d'aversion» (Stendhal)

«J'aimais et j'aime encore les mathématiques pour elles-mêmes comme n'admettant pas l'hypocrisie et le vague, mes deux bêtes d'aversion» (Stendhal) Lycée Stedhal (Greoble) Niveau : Termiale S Titre Cours : Chapitre 0 : Les suites Aée : 204-205 «J'aimais et j'aime ecore les mathématiques pour elles-mêmes comme 'admettat pas l'hypocrisie et le vague,

Plus en détail

TD Modélisation Statistique

TD Modélisation Statistique Licece 3 Mathématiques TD Modélisatio Statistique Ex 1. Soit X ue variable aléatoire réelle de desité f cotiue et de foctio répartitio F. 1. Calculer la foctio de répartitio de Y = αx + β pour α, β R,

Plus en détail

M : Zribi 4 ème Sc Exercices. Série 34

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

Plus en détail

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

EXERCICES SUR LES SUITES NUMERIQUES

EXERCICES SUR LES SUITES NUMERIQUES EXERCICES SUR LES SUITES NUMERIQUES 1 Etudier la mootoie des suites a ) 0 défiies par : a) a = b) a = + 1) + ) + ) c) a =! d) a = α + 1) α réel positif) Soit a, la suite de terme gééral a = 3 + 1 3 + Trouver

Plus en détail

Limites de suites et de fonctions

Limites de suites et de fonctions TermS Limites de suites et de foctios I ] Suites ) Défiitio : Ue suite réelle est ue foctio de! das!, défiie à partir d'u certai rag 0. Notatio : u = lire "u idice " = terme d'idice, ou de rag = terme

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

1 Présentation du jeu.

1 Présentation du jeu. Présetatio du jeu.. Les règles du jeu. Le touroi est u jeu comportat ue suite de maches (appelées duels ) opposat deux joueurs, jamais plus. Les joueurs vot etrer e jeu successivemet, tat qu aucu d etre

Plus en détail

SUITES NUMERIQUES. Archimède a défini dans les années 220 avant J.-C. deux suites permettant d'obtenir de très bonnes valeurs approchées de π.

SUITES NUMERIQUES. Archimède a défini dans les années 220 avant J.-C. deux suites permettant d'obtenir de très bonnes valeurs approchées de π. Quelques repères historiques SUITES NUMERIQUES Archimède a défii das les aées 220 avat J.-C. deux suites permettat d'obteir de très boes valeurs approchées de π. Héro d'alexadrie au premier siècle après

Plus en détail

SÉRIES DE FONCTIONS SUITES ET PC*2. 13 octobre octobre octobre 2004

SÉRIES DE FONCTIONS SUITES ET PC*2. 13 octobre octobre octobre 2004 3 octobre 2004 Exemple 2. O se doe a I et q C(I, K). L équatio différetielle liéaire : y (x) q(x) y(x) = 0 avec les coditios y(a) = α, y (a) = β SUITES ET SÉRIES DE FONCTIONS PC*2 3 octobre 2004 Admet

Plus en détail

Problème 1 : construction de triangles. Problème 2 : autour du théorème des valeurs intermédiaires

Problème 1 : construction de triangles. Problème 2 : autour du théorème des valeurs intermédiaires Problème 1 : costructio de triagles Das u pla affie euclidie orieté, o cosidère deux poits disticts B et C et u poit M apparteat pas à la droite BC). Pour chacue des assertios suivates, détermier s il

Plus en détail

Lycée secondaire Série D exercices Prof : Selmi.Ali Mareth Thème : Suites réelles 4 ième Math. ; 9) U n = 2! ! U n.

Lycée secondaire Série D exercices Prof : Selmi.Ali Mareth Thème : Suites réelles 4 ième Math. ; 9) U n = 2! ! U n. Lycée secodaire Série D exercices Prof : Selmi.Ali Mareth Thème : Suites réelles 4 ième Math Exercice Das chacu des cas suivats, calculer la limite de la suite ( U ) lorsque + ) U = 3 + ; ) U = si π =

Plus en détail

Filière Sciences de Matières Physiques (SMP4) Module Mathématiques : Analyse (S4) Cours d Analyse

Filière Sciences de Matières Physiques (SMP4) Module Mathématiques : Analyse (S4) Cours d Analyse UNIVERSITÉ MOHAMMED V - AGDAL Faculté des Scieces Départemet de Mathématiques Filière Scieces de Matières Physiques (SMP4) Module Mathématiques : Aalyse (S4) Cours d Aalyse Séries umériques Suites et Série

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

n² n b) Quel est le nombre de termes de la somme définissant u n? Quel est le plus petit de ces termes? Quel est le plus grand?

n² n b) Quel est le nombre de termes de la somme définissant u n? Quel est le plus petit de ces termes? Quel est le plus grand? Exercice : Détermier la limite de chaque suite (u ). a) u = si π b) u = () c) u = + d) 0,5 + cos(π) Exercice 2 : la costate d Apéry Pour tout etier, u = 3 + + 2 3 +. + 3 ) Doer u miorat de cette suite.

Plus en détail

Ensembles et nombres réels

Ensembles et nombres réels Pierre-Louis CAYREL 008-009 Licece Itroductio aux Mathématiques Géérales Uiversité de Paris 8 Esembles et ombres réels Esembles Exercice O pose A = {(x, y) R ; y > x } et B = {(x, y) R ; y < x } Représeter

Plus en détail

SUR UN ESPACE PROBABILISÉ FINI

SUR UN ESPACE PROBABILISÉ FINI Christophe Bertault Mathématiques e MPSI VARIABLES ALÉATOIRES SUR UN ESPACE PROBABILISÉ FINI Das tout ce chapitre,(ω, P) est u espace probabilisé FINI et les lettres E, F, G désiget des esembles quelcoques

Plus en détail

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

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1 IUT HSE Itroductio aux probabilités et statistiques Variables aléatoires Philippe Jamig Istitut Mathématique de Bordeaux PhilippeJamig@gmailcom http://wwwmathu-bordeaux1fr/ pjamig/ X variable aléatoire

Plus en détail

Feuille de travaux pratiques # 3

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Plan du cours. Rappels de probabilité. Axiomes des probabilités. Définition de la probabilité

Plan du cours. Rappels de probabilité. Axiomes des probabilités. Définition de la probabilité Pla du cours Rappels de probabilité Défiitios Axiomes Variable aléatoire Foctio de répartitio Momets R. Flamary, R. Herault, A. Rakotomamojy 9 octobre 4 Exemples de lois Loi uiforme Loi ormale Loi uiforme

Plus en détail

Intervalles de fluctuations et intervalles de confiance

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

Plus en détail

Séries à termes positifs

Séries à termes positifs UFR SFA, Licece 2 e aée, MATH326 Séries à termes positifs Das ce chapitre, u Ø 0, pour tout, et o étudie q u. O a S S = u Ø 0 : (S ) est croissate!. Gééralités. Propositio. Soit (u ) Ø0 ue suite de réels

Plus en détail

Fiche 2 : Les fonctions

Fiche 2 : Les fonctions Nº : 300 Fiche : Les foctios Calculer des limites O commece par aalyser f (). Peut o directemet appliquer l u des théorèmes du cours (limites et opératios, théorèmes de comparaiso)? Das la égative, il

Plus en détail

Exercice 2 (Séries de fonctions - 7 points)

Exercice 2 (Séries de fonctions - 7 points) INSA Toulouse, STPI, IMACS 2 mercredi 18 décembre 212 Correctio exame d'aalyse I (coquilles probables) Exercice 1 (Séries etières - 5 poits) Calculer le rayo de covergece et le domaie de covergece simple

Plus en détail

P(n) : quelque soit n entier naturel : n 3 = ( n) 2. P(n 0 ) est vraie (initialisation).

P(n) : quelque soit n entier naturel : n 3 = ( n) 2. P(n 0 ) est vraie (initialisation). T ale S Chapitre. Résumé page 3.. Pricipe de récurrece. a. Exemple. 3 + 3 = + 8 = 9 = ( + ) 3 + 3 + 3 3 = + 8 + 7 = 36 = ( + + 3) O voudrait démotrer la propriété géérale : P() : quelque soit etier aturel

Plus en détail

Chapitre 4: Croissance, divergence et convergence des suites

Chapitre 4: Croissance, divergence et convergence des suites CHAPITRE 4 CROISSANCE ET CONVERGENCE 43 Chapitre 4: Croissace, divergece et covergece des suites 4.1 Quelques défiitios Défiitios : Ue suite est croissate si chaque terme est supérieur ou égal à so précédet

Plus en détail

Exercice 6 [ ] [Correction] Soit (u n ) n N une suite de réels strictement positifs. On suppose

Exercice 6 [ ] [Correction] Soit (u n ) n N une suite de réels strictement positifs. On suppose [http://mp.cpgedupuydelome.fr] édité le 9 mai 07 Eocés Calcul de ites Exercice [ 054 ] [Correctio] Détermier la ite, si celle-ci existe, des suites u suivates : a u = 3 3 + b u = + + + c u = + + d u =

Plus en détail

4 ème aée Maths Limites Cotiuité et dérivabilité Octobre 9 A LAATAOUI Eercice : La figure ci cotre est la représetatio graphique d ue foctio f défiie et cotiue sur IR O ote que (ζf) admet au voisiage de

Plus en détail

Feuille d exercices 11

Feuille d exercices 11 Mathématiques Aalyse I M. Samy Modeliar Feuille d eercices Itégratio Correctio Eercice Détermier, si elle eiste, la ite e + de la suite de terme gééral si ( π + ) d + Correctio. Pour tout etier, la foctio

Plus en détail

Introduction à la théorie des probabilités et aux statistiques

Introduction à la théorie des probabilités et aux statistiques Itroductio à la théorie des probabilités et aux statistiques Magistère de mécatroique re aée ENS Rees Uiversité Rees Aée 06-07 Pour toutes remarques et correctios : floria.lemoier@es-rees.fr Probabilités

Plus en détail

Correction de la question de cours 1

Correction de la question de cours 1 Math I Aalyse Exame du 9 décembre 2007 Durée 2 heures Aucu documet est autorisé. Les calculatrices, téléphoes portables et autres appareils électroiques sot iterdits. Il est iutile de recopier les éocés.

Plus en détail

pour 1. b) si ( ) converge, alors 567 =l avec l réel,

pour 1. b) si ( ) converge, alors 567 =l avec l réel, Exercices aales corrigés : Suites Sujet atioal septembre 007 ( bac blac 008) La suite u est défiie par : = et = pour tout etier aturel a O a représeté das u repère orthoormé direct du pla doé ci-dessous,

Plus en détail

TD 2 : Suites numériques réelles

TD 2 : Suites numériques réelles Uiversité Paris-Est Mare-la-Vallée Licece L Maths/Ifo d semestre 0/0 Aalyse TD : Suites umériques réelles Exercice Cours) Motrer que si ue suite réelle u ) N coverge, alors toute sous-suite de u ) coverge

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

PROBABILITES. TD n 1. Bg sachant que PA

PROBABILITES. TD n 1. Bg sachant que PA TD 1 1. Quel est l uivers Ω pour l'expériece : o lace 2 fois de suite u dé (o truqué). A quelles parties de Ω correspodet les évéemets suivats : a) A : o obtiet pas d as au cours des 2 lacers ; b) B :

Plus en détail

7. Soient A et B les points d affixes respectives 4 et 3 i. L affixe du point C tel que le triangle ABC soit isocèle avec. a. 1 4 i b. 3 i c.

7. Soient A et B les points d affixes respectives 4 et 3 i. L affixe du point C tel que le triangle ABC soit isocèle avec. a. 1 4 i b. 3 i c. NOUVELLE CALEDONIE NOVEMBRE 2007 Exercice 4 poits Commu à tous les cadidats Pour chaque questio, ue seule des trois propositios est exacte. Le cadidat idiquera sur la copie le uméro de la questio et la

Plus en détail