Probabilités. Chapitre 2 : Le modèle probabiliste - Indépendance d évènements. Julian Tugaut. 15 janvier 2015

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Probabilités. Chapitre 2 : Le modèle probabiliste - Indépendance d évènements. Julian Tugaut. 15 janvier 2015"

Transcription

1 Indépendance de deux évènements Chapitre 2 : Le modèle probabiliste - Indépendance d évènements 15 janvier 2015

2 Sommaire 1 Indépendance de deux évènements 2

3 Indépendance de deux évènements Approche intuitive Rappel Soient A et B deux évènements associés à une même expérience aléatoire e. Rappelons l approche intuitive des probabilités par les fréquences. La fréquence de réalisation de l évènement A lorsque l on répète l expérience e converge vers P(A), qui quantifie les chances de voir A réalisé.

4 Indépendance de deux évènements Approche intuitive Rappel Soient A et B deux évènements associés à une même expérience aléatoire e. Rappelons l approche intuitive des probabilités par les fréquences. La fréquence de réalisation de l évènement A lorsque l on répète l expérience e converge vers P(A), qui quantifie les chances de voir A réalisé. Indépendance Supposons maintenant qu on sache que l évènement B est réalisé. Les chances de voir A réalisé vont a priori changer et être quantifiées par le nombre P(A B). Toutefois, il se peut que le fait de savoir que B est réalisé ne donne aucune influence quant à la réalisation de A. On dit alors que A est indépendant de B. Dans cette partie, nous allons aborder rigoureusement la question de l indépendance.

5 Plan 1 Indépendance de deux évènements 2

6 Indépendance de deux évènements Indépendance de deux évènements Définition On dit que A est indépendant de B si l on a P(A B) = P(A).

7 Indépendance de deux évènements Indépendance de deux évènements Définition On dit que A est indépendant de B si l on a P(A B) = P(A). Exemple On jette deux dés. L un est rouge et l autre est bleu. On considère les évènements A := le dé rouge indique une face paire et B := le dé bleu indique une face paire. Alors A est indépendant de B : P(A B) = P(A) = 1 2. De même, B est indépendant de A.

8 Indépendance de deux évènements Indépendance de deux évènements Définition On dit que A est indépendant de B si l on a P(A B) = P(A). Exemple On jette deux dés. L un est rouge et l autre est bleu. On considère les évènements A := le dé rouge indique une face paire et B := le dé bleu indique une face paire. Alors A est indépendant de B : P(A B) = P(A) = 1 2. De même, B est indépendant de A. Contre-exemple On tire deux cartes dans un jeu de 32 cartes. On considère les évènements A := la première carte est l as de coeur et B := la deuxième carte est l as de coeur. Alors A n est pas indépendant de B : P(A B) = 0 alors que P(A) = De même, B n est pas indépendant de A.

9 Résultats - 1 Indépendance de deux évènements Théorème La relation d indépendance est symétrique : si A est indépendant de B alors B est indépendant de A. De plus, A et B sont indépendants si et seulement si P(A B) = P(A)P(B).

10 Résultats - 1 Indépendance de deux évènements Théorème La relation d indépendance est symétrique : si A est indépendant de B alors B est indépendant de A. De plus, A et B sont indépendants si et seulement si P(A B) = P(A)P(B). Preuve A est indépendant de B si et seulement si P(A B) = P(A). Or, P(A B) = P(A B) P(B). On en déduit immédiatement que l indépendance de A par rapport à B équivaut à P(A B) = P(A)P(B). Cette équation étant symétrique, l indépendance de A par rapport à B implique celle de B par rapport à A.

11 Résultats - 2 Indépendance de deux évènements ATTENTION Deux évènements incompatibles et de probabilités non nulles ne sont pas indépendants. L indépendance et l incompatibilité sont deux notions radicalement différentes.

12 Résultats - 2 Indépendance de deux évènements ATTENTION Deux évènements incompatibles et de probabilités non nulles ne sont pas indépendants. L indépendance et l incompatibilité sont deux notions radicalement différentes. On a équivalence entre les quatre propositions suivantes : A et B sont indépendants. A et B c sont indépendants. A c et B sont indépendants. A c et B c sont indépendants.

13 Plan 1 Indépendance de deux évènements 2

14 Généralisation de l indépendance - 1 Exemple Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}.

15 Généralisation de l indépendance - 1 Exemple Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2.

16 Généralisation de l indépendance - 1 Exemple Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2. D autre part, on a P(A B) = P({on tire le jeton tricolore}) = 1 4 = P(A)P(B).

17 Généralisation de l indépendance - 1 Exemple Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2. D autre part, on a P(A B) = P({on tire le jeton tricolore}) = 1 4 = P(A)P(B). Et, de même P(B C) = 1 4 = P(B)P(C) et P(A C) = 1 4 = P(A)P(C). Ainsi, les évènements A, B et C sont deux à deux indépendants.

18 Généralisation de l indépendance - 1 Exemple Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2. D autre part, on a P(A B) = P({on tire le jeton tricolore}) = 1 4 = P(A)P(B). Et, de même P(B C) = 1 4 = P(B)P(C) et P(A C) = 1 4 = P(A)P(C). Ainsi, les évènements A, B et C sont deux à deux indépendants. Cependant, P(A B C) = 1 car B C = {on tire le jeton tricolore}.

19 Généralisation de l indépendance - 1 Exemple Une urne contient quatre jetons : un bleu, un blanc, un rouge et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évènements A := {le jeton tiré contient du bleu}. B := {le jeton tiré contient du blanc}. C := {le jeton tiré contient du rouge}. Il est clair que P(A) = P(B) = P(C) = 2 4 = 1 2. D autre part, on a P(A B) = P({on tire le jeton tricolore}) = 1 4 = P(A)P(B). Et, de même P(B C) = 1 4 = P(B)P(C) et P(A C) = 1 4 = P(A)P(C). Ainsi, les évènements A, B et C sont deux à deux indépendants. Cependant, P(A B C) = 1 car B C = {on tire le jeton tricolore}. Donc la connaissance simultanée de B et C modifie notre information sur A.

20 Indépendance de deux évènements Généralisation de l indépendance - 2 La notion d indépendance deux à deux n est donc pas suffisante pour traduire l idée intuitive d indépendance de plusieurs évènements. Ceci motive la définition suivante.

21 Indépendance de deux évènements Généralisation de l indépendance - 2 La notion d indépendance deux à deux n est donc pas suffisante pour traduire l idée intuitive d indépendance de plusieurs évènements. Ceci motive la définition suivante. Définition Soient n évènements A 1,,A n associés à une même expérience aléatoire e. On dit que les évènements A 1,,A n sont mutuellement indépendants si pour toute sous-famille A i1,a i2,,a ik avec 1 i 1 < < i k n, on a : P(A i1 A ik ) = P(A i1 ) P(A ik ).

22 Indépendance de deux évènements Généralisation de l indépendance - 2 La notion d indépendance deux à deux n est donc pas suffisante pour traduire l idée intuitive d indépendance de plusieurs évènements. Ceci motive la définition suivante. Définition Soient n évènements A 1,,A n associés à une même expérience aléatoire e. On dit que les évènements A 1,,A n sont mutuellement indépendants si pour toute sous-famille A i1,a i2,,a ik avec 1 i 1 < < i k n, on a : Remarque P(A i1 A ik ) = P(A i1 ) P(A ik ). L indépendance mutuelle implique évidemment l indépendance deux à deux et la réciproque est fausse comme le montre l Exemple.

23 Résultats Indépendance de deux évènements Proposition Soient n évènements mutuellement indépendants. Alors toute famille obtenue en remplaçant certains des A i par leur complémentaires est encore mutuellement indépendante.

24 Résultats Indépendance de deux évènements Proposition Soient n évènements mutuellement indépendants. Alors toute famille obtenue en remplaçant certains des A i par leur complémentaires est encore mutuellement indépendante. Proposition Soient n évènements mutuellement indépendants. Alors, on a P(A 1 A n ) = 1 (1 P(A 1 )) (1 P(A n )).

Probabilité conditionnelle. Probabilités. Probabilité conditionnelle et indépendance. Julian Tugaut

Probabilité conditionnelle. Probabilités. Probabilité conditionnelle et indépendance. Julian Tugaut Probabilité conditionnelle et indépendance Télécom Saint-Étienne 2014 Sommaire 1 Probabilité conditionnelle Notion de probabilité conditionnelle Définition et premières propriétés Théorème de Bayes (ou

Plus en détail

Espace de probabilité, indépendance et probabilité conditionnelle

Espace de probabilité, indépendance et probabilité conditionnelle Chapter 2 Espace de probabilité, indépendance et probabilité conditionnelle Sommaire 2.1 Tribu et événements........................................... 15 2.2 Probabilité................................................

Plus en détail

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Chapitre 8 : Probabilités-Indépendance

Chapitre 8 : Probabilités-Indépendance Cours de mathématiques Terminale S Chapitre 8 : Probabilités-Indépendance Année scolaire 008-009 mise à jour 6 janvier 009 Fig. Andreï Kolmogorov Un précurseur de la formalisation de la théorie des probabilités

Plus en détail

2 Probabilités conditionnelles. Événements indépendants

2 Probabilités conditionnelles. Événements indépendants 2 Probabilités conditionnelles. Événements indépendants 2.1 Probabilité conditionnelle Soient A et B deux événements tels que P(B) > 0. Soit alors P(A B), la probabilité que A se réalise, B étant réalisé.

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

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

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

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples 36 Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples (Ω, B, P est un espace probabilisé. 36.1 Définition et propriétés des probabilités conditionnelles Définition 36.1

Plus en détail

LEÇON N 5 : 5.1 Probabilité conditionnelle. Pré-requis : Opérations sur les ensembles, cardinaux ; Espaces probabilisés ; Calcul de probabilités.

LEÇON N 5 : 5.1 Probabilité conditionnelle. Pré-requis : Opérations sur les ensembles, cardinaux ; Espaces probabilisés ; Calcul de probabilités. LEÇON N 5 : Probabilité conditionnelle, indépendance de deux événements (on se limitera au cas où l ensemble d épreuves des fini). Applications à des calculs de probabilité. Pré-requis : Opérations sur

Plus en détail

Feuille d exercices 1

Feuille d exercices 1 Université Paris 7 - Denis Diderot L2 - Probabilités PS4 Année 2014-2015 Feuille d exercices 1 Exercice 1 Combien y a-t-il de paires d entiers non consécutifs compris entre 1 et n (n 1)? Exercice 2 1.

Plus en détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires Chapitre I Probabilités Bcpst 1 2 novembre 2015 I Exemples d expériences aléatoires Une expérience aléatoire est une expérience dont on ne peut pas prédire le résultat avant de l avoir réalisée... ce qui

Plus en détail

COUPLES DE VARIABLES ALÉATOIRES

COUPLES DE VARIABLES ALÉATOIRES CHAPITRE 13 COUPLES DE VARIABLES ALÉATOIRES Dans tout le chapitre, (Ω, P) désignera un espace probabilisé fini. 1 Couple de variables aléatoires Définition 13.1 On appelle couple de variables aléatoires

Plus en détail

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12 TS. 01/013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 0/11/1 Exercice 1 : ( 6,5 pts) Première partie : Démonstration à rédiger { Démontrer que si ( ) et (v n ) sont deux suites telles

Plus en détail

Terminale S-SI Probabilités conditionnelles

Terminale S-SI Probabilités conditionnelles robabilités conditionnelles Table des matières 1 Introduction 2 2 Définitions 2 3 Formule des probabilités totales 3 4 Indépendance et principe du produit 5 5 Exercices 5 1 1 Introduction Lorsque 7 élèves

Plus en détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

NOTIONS DE PROBABILITÉS

NOTIONS DE PROBABILITÉS NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...

Plus en détail

Exercices : Probabilités

Exercices : Probabilités Exercices : Probabilités Partie : Probabilités Exercice Dans un univers, on donne deux événements et incompatibles tels que =0, et =0,7. Calculer,, et. Exercice Un dé (à faces) est truqué de la façon suivante

Plus en détail

LES PROBABILITES. 1) Expérience aléatoire: Une expérience est dite aléatoire lorsqu on ne peut pas prévoir avec certitude le résultat.

LES PROBABILITES. 1) Expérience aléatoire: Une expérience est dite aléatoire lorsqu on ne peut pas prévoir avec certitude le résultat. LES PROBABILITES I) Définitions : 1) Expérience aléatoire: Une expérience est dite aléatoire lorsqu on ne peut pas prévoir avec certitude le résultat. Exemple : On lance une pièce de 1 et on observe le

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

EXERCICES SUR LES PROBABILITÉS

EXERCICES SUR LES PROBABILITÉS EXERCICES SUR LES PROBABILITÉS Exercice 1 Dans un univers Ω, on donne deux événements A et B incompatibles tels que p(a) = 0,2 et p(b) = 0,7. Calculer p(a B), p(a B), p ( A ) et p ( B ). Exercice 2 Un

Plus en détail

PROBABILITÉS. I) Introduction, aperçu historique. Loi de probabilité

PROBABILITÉS. I) Introduction, aperçu historique. Loi de probabilité Table des matières PROBABILITÉS Résumé de cours I) Introduction, aperçu historique 1 II) Loi de probabilité 1 III)Probabilité d évènement 2 1. Le vocabulaire des probabilités................................

Plus en détail

Terminologie. La théorie des probabilités fournit des modèles mathématiques permettant l'étude des expériences aléatoires.

Terminologie. La théorie des probabilités fournit des modèles mathématiques permettant l'étude des expériences aléatoires. Probabilités Terminologie Une expérience ou une épreuve est qualiée d'aléatoire si on ne peut pas prévoir son résultat et si, répétée dans des conditions identiques, elle peut donner des résultats diérents.

Plus en détail

CHAPITRE II NOTIONS DE PROBABILITES

CHAPITRE II NOTIONS DE PROBABILITES CHAPITRE II NOTIONS DE PROBABILITES II.1. Un exemple : le poker Distribuer une main de poker (5 cartes sur 52) revient à tirer au hasard 5 cartes parmi 52. On appelle expérience aléatoire une telle expérience

Plus en détail

3 Exercices. 3.1 Probabilités simples. 3.2 Probabilités avec dénombrement. Probabilités 3. Exercice 1 On tire au hasard une carte parmi un jeu de 52.

3 Exercices. 3.1 Probabilités simples. 3.2 Probabilités avec dénombrement. Probabilités 3. Exercice 1 On tire au hasard une carte parmi un jeu de 52. Probabilités 3 3 Exercices 3.1 Probabilités simples Exercice 1 On tire au hasard une carte parmi un jeu de 52. Calculer la probabilité d obtenir : 1. un roi 2. le valet de trèfle 3. l as de coeur ou la

Plus en détail

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J.

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J. Année 2013-2014 UNIVERSIÉ DE CERGY LICENCE d ÉCONOMIE et FINANCE LICENCE de GESION Seconde année - Semestre 3 PROBABILIÉS Cours de M. J. Stéphan ravaux Dirigés de Mme M. Barrié, M. J-M. Chauvet et M. J.

Plus en détail

Chapitre 3 : Introduction aux probabilités

Chapitre 3 : Introduction aux probabilités IUT de Sceaux Département TC1 Mathématiques Chapitre 3 : Introduction aux probabilités 1. Évènements Les événements élémentaires sont les issues possibles d'une expérience aléatoire. Un événement est un

Plus en détail

Probabilités, cours pour la classe de Terminale STG

Probabilités, cours pour la classe de Terminale STG Probabilités, cours pour la classe de Terminale STG F.Gaudon 16 février 2008 Table des matières 1 Probabilités (rappels) 2 2 Événements 3 3 Calculs de probabilités 4 4 Probabilités conditionnelles 5 4.1

Plus en détail

Calculer la probabilité d un événement

Calculer la probabilité d un événement THEME : CORRIGE DES EXERCICES PROBABILITES Calculer la probabilité d un événement Exercice n : Un sachet contient bonbons à la menthe, à l orange et au citron. On tire, au hasard, un bonbon du sachet et

Plus en détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les probabilités. Chapitre 18. Tester ses connaissances Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce

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

indépendance, indépendance conditionnelle

indépendance, indépendance conditionnelle Plan du cours 1.2 RFIDEC cours 1 : Rappels de probas/stats (2/3) Christophe Gonzales LIP6 Université Paris 6, France 1 probabilités : événements, définition 2 probabilités conditionnelles 3 formule de

Plus en détail

Chapitre IV : Couples de variables aléatoires discrètes

Chapitre IV : Couples de variables aléatoires discrètes UNIVERSITÉ DE CERG Année 0-03 UFR Économie & Gestion Licence d Économie et Gestion MATH0 : Probabilités Chapitre IV : Couples de variables aléatoires discrètes Généralités Définition Soit (Ω, P(Ω), P)

Plus en détail

Thème 3 : ensembles, espaces de probabilités finis

Thème 3 : ensembles, espaces de probabilités finis Thème 3 : ensembles, espaces de probabilités finis Serge Cohen, Monique Pontier, Pascal J. Thomas Septembre 2004 1 Généralités : ensembles et parties d un ensemble Définition 1.1 On appelle ensemble une

Plus en détail

les probabilités en Terminale Bac Pro

les probabilités en Terminale Bac Pro les probabilités en Terminale Bac Pro stéphane GARNUNG Domaine Public : http://creativecommons.org/licenses/publicdomain/2.0/fr/ juin 2012 1.0 Table des matières I - Langage probabiliste 3 1. Expérience

Plus en détail

Eléments de probabilités

Eléments de probabilités .. Eléments de probabilités Michaël Genin Université de Lille 2 EA 2694 - Santé Publique : Epidémiologie et Qualité des soins michael.genin@univ-lille2.fr Plan. 1 Introduction. 2 Expérience aléatoire.

Plus en détail

Notes de cours de Probabilités Appliquées. Olivier François

Notes de cours de Probabilités Appliquées. Olivier François Notes de cours de Probabilités Appliquées Olivier François 2 Table des matières 1 Axiomes des probabilités 7 1.1 Introduction................................. 7 1.2 Définitions et notions élémentaires.....................

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

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

Plus en détail

9 5 2 5 Espaces probabilisés

9 5 2 5 Espaces probabilisés BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire

Plus en détail

I. Qu est-ce qu une probabilité?

I. Qu est-ce qu une probabilité? I. Qu est-ce qu une probabilité? 1. Première approche : Une probabilité en mathématique est un chiffre compris entre 0 et 1. Ce chiffre représente une évaluation du caractère probable d un événement. Si

Plus en détail

II. Eléments des probabilités

II. Eléments des probabilités II. Eléments des probabilités Exercice II.1 Définir en extension l ensemble fondamental Ω des résultats associé à chacune des expériences aléatoires suivantes: 1. jeter une pièce de monnaie et observer

Plus en détail

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,

Plus en détail

Probabilités et statistique

Probabilités et statistique Probabilités et statistique Université Paris 1 Panthéon-Sorbonne Cours de deuxième année de licence de sciences économiques Fabrice Rossi Cette œuvre est mise à disposition selon les termes de la licence

Plus en détail

BASES DU RAISONNEMENT

BASES DU RAISONNEMENT BASES DU RAISONNEMENT P. Pansu 10 septembre 2006 Rappel du programme officiel Logique, différents types de raisonnement. Ensembles, éléments. Fonctions et applications. Produit, puissances. Union, intersection,

Plus en détail

Les trois sortes de tirages

Les trois sortes de tirages DERNIÈRE IMPRESSION LE 29 juin 2015 à 19:20 Les trois sortes de tirages Introduction Comme nous l avons vu, dans une loi équirépartie, il est nécessaire de dénombrer les cas favorables et les cas possibles.

Plus en détail

Cogmaster, Probabilités discrètes. Feuille de TD n o 1 - Événements et probabilités

Cogmaster, Probabilités discrètes. Feuille de TD n o 1 - Événements et probabilités Cogmaster, Probabilités discrètes Feuille de TD n o 1 - Événements et probabilités Exercice 1 Parmi les ensembles suivants, lesquels sont égaux entre eux? A = {n + 4, n N}, B = {n, n = k + 4, k N}, C =

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch 2. Probabilité 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance Probabilité et Statistiques I Chapître 2 1 2.1 Espaces de Probabilité Contenu Exemples élémentaires de probabilité,

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

Plus en détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques

Plus en détail

Probabilités. I - Expérience aléatoire. II - Evénements

Probabilités. I - Expérience aléatoire. II - Evénements Probabilités Voici le premier cours de probabilités de votre vie. N avez-vous jamais eut envie de comprendre les règles des grands joueurs de poker et de les battre en calculant les probabilités d avoir

Plus en détail

PROBABILITES. Définition 1: Une expérience dont on ne peut pas prévoir de façon certaine le résultat, ou l issue, s appelle une expérience aléatoire.

PROBABILITES. Définition 1: Une expérience dont on ne peut pas prévoir de façon certaine le résultat, ou l issue, s appelle une expérience aléatoire. PROBABILITES I Vocabulaire Définition 1: Une expérience dont on ne peut pas prévoir de façon certaine le résultat, ou l issue, s appelle une expérience aléatoire. «On lance un dé et on regarde le résultat.»

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROBABILITÉS ONDITIONNELLES Exercice 01 On considère une roue partagée en 15 secteurs angulaires numérotés de 1 à 15. es secteurs sont de différentes couleurs. On fait tourner la roue qui s'arrête sur

Plus en détail

Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements

Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements Exo7 Logique et raisonnements Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements Quelques motivations Il est important d avoir un langage rigoureux. La langue

Plus en détail

Cours de Probabilités. Jean-Yves DAUXOIS

Cours de Probabilités. Jean-Yves DAUXOIS Cours de Probabilités Jean-Yves DAUXOIS Septembre 2013 Table des matières 1 Introduction au calcul des probabilités 7 1.1 Espace probabilisable et loi de variable aléatoire........ 8 1.1.1 Un exemple

Plus en détail

Probabilités. maths-cfm.fr

Probabilités. maths-cfm.fr 3e Table des matières 1 I. Vocabulaire 2 3 4 5 I. Vocabulaire Définitions et exemples Une expérience est dite aléatoire lorsqu on ne peut pas en prévoir avec certitude le résultat. On appelle issue d une

Plus en détail

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65 Sommaire Chapitre 1 Variables et vecteurs aléatoires............... 5 A. Généralités sur les variables aléatoires réelles.................... 6 B. Séries doubles..................................... 9

Plus en détail

Espaces probabilisés

Espaces probabilisés Espaces probabilisés Dans ce chapitre vous retrouverez tous les résultats vus en première année sur les espaces probabilisés. Aucune démonstration ne sera faite ici, vous pouvez retrouver les démonstrations

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Nous concluons au travers de quatre axes principaux qui ont guidé la. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision

Nous concluons au travers de quatre axes principaux qui ont guidé la. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision Conclusion générale Nous concluons au travers de quatre axes principaux qui ont guidé la rédaction de cette thèse. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision rationnelle compatible

Plus en détail

collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscours.html Activité cours : Probabilité

collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscours.html Activité cours : Probabilité Le cours de M. Haguet collège des flandres : http://www5.ac-lille.fr/~clgflandres/maths/mathscous.html Activité cours : Probabilité I) Expérience aléatoire a) Exemples d'expériences pile ou face jeu de

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

1) On appelle expérience aléatoire tout phénomène qui a plusieurs résultats possibles, la réalisation de chacun étant due au hasard.

1) On appelle expérience aléatoire tout phénomène qui a plusieurs résultats possibles, la réalisation de chacun étant due au hasard. PROBABILITÉS 1 1 Définitions 1) On appelle expérience aléatoire tout phénomène qui a plusieurs résultats possibles, la réalisation de chacun étant due au hasard. exemple : L'expérience qui consiste à lancer

Plus en détail

Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT

Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT Université d Avignon Fichier dispo sur http://fredericnaud.perso.sfr.fr/ Une étude statistique dans la population montre que le Q.I. est

Plus en détail

UVHC - ENSIAME CP1 - Probabilités - Interrogation Enseignante : Madame BOURLARD-JOSPIN Calculatrice autorisée

UVHC - ENSIAME CP1 - Probabilités - Interrogation Enseignante : Madame BOURLARD-JOSPIN Calculatrice autorisée UVHC - ENSIAME CP1 - Probabilités - Interrogation Enseignante : Madame BOURLARD-JOSPIN Calculatrice autorisée 1. On tire successivement et sans remise deux cartes d un jeu de 52 cartes. Soit A l événement

Plus en détail

Exercices : VAR discrètes

Exercices : VAR discrètes Exercices : VAR discrètes Exercice 1: Une urne contient 2 boules blanches et 4 boules noires. On tire les boules une à une sans les remettre jusqu à ce qu il ne reste que des boules d une seule couleur

Plus en détail

Chapitre 5 Les Probablilités

Chapitre 5 Les Probablilités A) Introduction et Définitions 1) Introduction Chapitre 5 Les Probablilités De nombreuses actions provoquent des résultats qui sont dus en partie ou en totalité au hasard. Il est pourtant nécessaire de

Plus en détail

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation )

Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation ) Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation ) Introduction : On se place dans plan affine euclidien muni

Plus en détail

Correction des exemples. Mathieu EMILY

Correction des exemples. Mathieu EMILY Correction des exemples Mathieu EMILY Novembre 2005 Table des Matières Exemple_Exercice 1 Page 2 Exemple_Exercice 2 Page 3 Exemple_Exercice 3 Page 5 Exemple_Exercice 4 Page 6 Exemple_Exercice 5 Page 7

Plus en détail

Préparation à l écrit Année 2008-2009. Liste des fiches de probabilités

Préparation à l écrit Année 2008-2009. Liste des fiches de probabilités Capes de Mathématiques Université Joseph Fourier Préparation à l écrit Année 2008-2009 Liste des fiches de probabilités Probabilités 1 : Introduction aux espaces probabilisés Probabilités 2 : Variables

Plus en détail

Probabilité mathématique et distributions théoriques

Probabilité mathématique et distributions théoriques Probabilité mathématique et distributions théoriques 3 3.1 Notion de probabilité 3.1.1 classique de la probabilité s Une expérience ou une épreuve est dite aléatoire lorsqu on ne peut en prévoir exactement

Plus en détail

Tel que mentionné à la section 9.5, les probabilités utilisées dans les arbres de décision sont des probabilités conditionnelles.

Tel que mentionné à la section 9.5, les probabilités utilisées dans les arbres de décision sont des probabilités conditionnelles. 9A Probabilités conditionnelles et théorème de Bayes Probabilités conditionnelles Tel que mentionné à la section 9.5, les probabilités utilisées dans les arbres de décision sont des probabilités conditionnelles.

Plus en détail

PROBABILITÉS. I Vocabulaire des événements 2 I.1 Vocabulaire... 2 I.2 Intersection et réunion d événements... 2 I.3 Représentation des évenements...

PROBABILITÉS. I Vocabulaire des événements 2 I.1 Vocabulaire... 2 I.2 Intersection et réunion d événements... 2 I.3 Représentation des évenements... PROBABILITÉS Table des matières I Vocabulaire des événements 2 I.1 Vocabulaire.............................................. 2 I.2 Intersection et réunion d événements................................ 2

Plus en détail

Fluctuation d une fréquence selon les échantillons - Probabilités

Fluctuation d une fréquence selon les échantillons - Probabilités Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille

Plus en détail

Théorie de l information : historique

Théorie de l information : historique Théorie de l information : historique Développée dans les années quarante par Claude Shannon. Objectif : maximiser la quantité d information pouvant être transmise par un canal de communication imparfait.

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

Probabilités. Denis Vekemans

Probabilités. Denis Vekemans Probabilités Denis Vekemans 1 Vocabulaire Une expérience aléatoire vérifie trois conditions : elle est reproductible dans les mêmes conditions ; on connaît tous ces résultats possibles ; on ne sait pas

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Démonstrations exigibles au bac

Démonstrations exigibles au bac Démonstrations exigibles au bac On donne ici les 11 démonstrations de cours répertoriées comme exigibles dans le programme officiel. Toutes ces démonstrations peuvent donner lieu à une «restitution organisée

Plus en détail

Références. Compter les mots. Le langage comme donnée. Communication Langagière Ingénierie des langues et de la parole

Références. Compter les mots. Le langage comme donnée. Communication Langagière Ingénierie des langues et de la parole Communication Langagière Ingénierie des langues et de la parole 1. Introduction générale 2. Ingénierie des langues 2.1 Représentation et codage des textes 2.2 Théorie de l information et probabilités 2.3

Plus en détail

Probabilités (méthodes et objectifs)

Probabilités (méthodes et objectifs) Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d

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 CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES

Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Chapitre Ce que dit le programme : Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Objectifs visés par l enseignement des statistiques et probabilités à l occasion de résolutions de problèmes dans

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

Probabilités. () Probabilités 1 / 46

Probabilités. () Probabilités 1 / 46 Probabilités () Probabilités 1 / 46 1 Dénombrement 2 Probabilités sur un univers fini 3 Variable aléatoire réelle sur un univers fini 4 Variable aléatoire continue () Probabilités 2 / 46 Plan 1 Dénombrement

Plus en détail

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à Intégration et probabilités 212-213 TD3 Intégration, théorèmes de convergence Corrigé xercice ayant été voué à être préparé xercice 1 (Mesure image). Soient (, A, µ) un espace mesuré, (F, B) un espace

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES. EXEMPLE DE SUJET n 1

BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES. EXEMPLE DE SUJET n 1 Exemple de sujet n 1 Page 1/7 BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES EXEMPLE DE SUJET n 1 Ce document comprend : Pour l examinateur : - une fiche descriptive du sujet page 2/7 - une fiche

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

Tension d alimentation : V CC. i C R C R B

Tension d alimentation : V CC. i C R C R B Chapitre 4 Polarisation du transistor bipolaire à jonction 4.1 Le problème de la polarisation 4.1.1 Introduction Dans le chapitre 3, nous avons analysé un premier exemple de circuit d amplification de

Plus en détail

Factorisation Factoriser en utilisant un facteur commun Fiche méthode

Factorisation Factoriser en utilisant un facteur commun Fiche méthode Factorisation Factoriser en utilisant un facteur commun Fiche méthode Rappel : Distributivité simple Soient les nombres, et. On a : Factoriser, c est transformer une somme ou une différence de termes en

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

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

Cours MP. Espaces vectoriels normés

Cours MP. Espaces vectoriels normés Table des matières Espaces vectoriels normés B. Seddoug. Médiane Sup, Oujda I Norme et distance 1 I.1 Définitions..................... 1 I.2 Evn produit.................... 12 I.3 Notions topologiques

Plus en détail