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

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 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 des expériences aléatoires. Leur résultat n est connu que lorsque l expérience aléatoire a pris fin. On peut cependant envisager a priori des éventualités (des résultats possibles) mais seule la fin de l expérience nous permet de savoir si telle éventualité est réalisée ou non. Un événement est un ensemble d éventualités qui est réalisé si l une de ces éventualités est réalisée. Dans une expérience aléatoire certains événements sont plus probables que d autres ; d où l idée de chiffrer les chances qu a un événement de se produire. Cette idée trouve une justification expérimentale connue sous le nom de loi empirique des grands nombres : Soit A un événement relatif à une certaine expérience aléatoire (par exemple A="sortir pile" quand on joue à pile ou face). Répétons N fois (dans les mêmes conditions expérimentales) l expérience aléatoire et soit N A le nombre de fois où A s est réalisé au cours des N essais. On constate que le rapport f A = N A N appelé fréquence de l événement A, reste pratiquement constant pour N assez grand, de sorte qu on peut considérer ce nombre comme une caractéristique intrinsèque de l événement A. Dans le cas de l exemple, pour une pièce correcte, on constate que f A = 0, 5 dès que N est assez grand. C est cette valeur limite qu on appelera la probabilité de l événement A. 2 Expérience aléatoire et événements 2.1 Définitions Il est naturel de représenter une expérience aléatoire par l ensemble de toutes ses éventualités (qu on suppose pour l instant en nombre fini). Par exemple lancer un dé peut se représenter par l ensemble (1) Ω = {1, 2, 3, 4, 5, 6}. Notes du cours de Probabilités de M1 de M. L. Gallardo, Université de Tours, année Les démonstrations sont détaillées dans le cours oral. 1

2 Un événement est un ensemble d éventualités ; par exemple "il sort un nombre pair" est représenté par le sous-ensemble A = {2, 4, 6}. L ensemble des éventualités autres que celles de A est un événement appelé contraire de A ; il est noté Ā. Toujours avec le même exemple, Ā = {1, 3, 5}. Deux événements A et B peuvent avoir des éventualités en commun. L ensemble des éventualités communes à A et B constitue un événement noté A B et appelé conjonction des événements A et B. Avec l exemple ci-dessus, si A ="il sort un nombre pair"= {2, 4, 6} et B ="il sort un nombre supérieur ou égal à 4"= {4, 5, 6}, on a A B = {4, 6}. Si on réunit les éventualités de deux événements A et B, on obtient un événement appelé événement A ou B 1 et noté A B. Toujours avec l exemple précédent, on a A B = {2, 4, 5, 6}. 2.2 Réalisation d un événement On dit que l événement A s est réalisé si et seulement si l une des éventualités constituant A s est réalisée. Ainsi on a : A réalisé Ā non réalisé A B réalisé A réalisé et B réalisé A B réalisé A réalisé ou B réalisé 3 Expérience aléatoire probabilisée Définition 3.1 : Si une expérience aléatoire est schématisée par un ensemble fini Ω appelé univers des possibles, alors : les éléments de Ω sont appelés éventualités. les éléments de l ensemble P(Ω) des parties de Ω sont appelés événements. Remarque 3.2 : Désormais on considérera un événement comme un sous-ensemble de Ω sans faire référence à sa réalisation ou sa nonréalisation. Les opérations ensemblistes, et trouvent alors une interprétation en termes d événements. On utilisera le vocabulaire suivant : écriture ensembliste Ω A( P(Ω)) Ā A B A B A B = A B formulation probabiliste événement certain événement impossible événement A événement non A événement A et B événement A ou B A et B sont incompatibles A implique B 1 attention, il s agit du «ou» mathématique, c est à dire le «ou» non exclusif. 2

3 Remarque 3.3 : Soit N > 0 un entier fixé. Notons f A la fréquence de l événement A au cours de N répétitions successives de l expérience aléatoire (voir le 1). On voit immédiatement que l application A f A possède les deux propriétés suivantes : 1) f Ω = 1 2) A B = = f A B = f A + f B. Les axiomes des probabilités sont calqués sur ces propriétés de la fréquence. Définition 3.4 : L univers fini Ω est probabilisé si à chaque événement A P(Ω) est associé un nombre P(A) 0, appelé probabilité de A de telle sorte que pour A, B P(Ω) les deux propriétés suivantes soient satisfaites : 1) P(Ω) = 1 2) A B = = P(A B) = P(A) + P(B). Le couple (Ω, P) où l application P définie sur P(Ω) vérifie les conditions ci-dessus, est appelé espace probabilisé. Les propriétés immédiates de la probabilité sont les suivantes : Proposition 3.5 : Si (Ω, P) est un espace probabilisé fini, pour tous A, B P(Ω), on a 1) 0 P(A) 1. 2) P(Ā) = 1 P(A). 3) P( ) = 0. 4) P(A B) = P(A) + P(B) P(A B). De plus si A 1..., A n sont des événements deux à deux incompatibles, P( n i=1a i ) = n P(A i ). i=1 Définition 3.6 : Soit Ω = {ω 1,..., ω n } un espace probabilisé fini et soient p 1 = P(ω 1 ),..., p n = P(ω n ) les probabilités des éventualités de Ω. La suite des nombres p i, i = 1,..., n s appelle la distribution de probabilité sur Ω. Ces nombres p i vérifient les propriétés suivantes : 1) 0 p i 1 pour tout i {1,..., n}. 2) n i=1 p i = 1. 3) si A = i J {ω i } alors P(A) = i J p i. Définition 3.7 : Etant donné un univers Ω, on appelle système complet d événements toute partition (A i ) i I de l ensemble Ω. Autrement dit les A i sont des événements deux à deux incompatibles et de réunion égale à Ω. Souvent on attache plus d importance à un système complet d événements (A i ) i I et aux événements obtenus comme réunion de certains A i qu aux éventualités (i.e. les éléments de Ω). Dans ce cas, on considère les A i (i I) comme de nouvelles éventualités et on n utilise alors que la distribution de probabilité associée aux A i. 3

4 Exemple 3.8 : Si on joue avec deux dés, un blanc et un rouge, l expérience aléatoire peut être modélisée par l ensemble Ω des couples (a, b) où a est le numéro obtenu avec le dé blanc et b le numéro obtenu avec le dé rouge. Autrement dit Ω est le produit cartésien Ω = {1,..., 6} {1,..., 6}. Considérons les événements A i, 2 i 12 définis par : A i = la somme des points marqués égale i Les A i (2 i 12) forment un système complet d événements. Si on ne s intéresse qu à la somme des points marqués, il est plus commode d introduire un nouvel espace Ω = {A 2, A 3,..., A 12 } dont les nouvelles éventualités sont les A i et la distribution de probabilité sur Ω est donnée par : P(A 2 ) = 1, P(A 36 3) = 2, P(A 36 4) = 3, P(A 36 5) = 4, P(A 36 6) = 5, 36 P(A 7 ) = 6, P(A 36 8) = 5, P(A 36 9) = 4, P(A 36 10) = 3, P(A 36 11) = 2, 36 P(A 12 ) = Soit A l événement "la somme des points marqués est supérieure ou égale à 10". On a P(A) = P(A 10 ) + P(A 11 ) + P(A 12 ) = = Probabilité équidistribuée 4.1 Généralités Soit Ω = {ω 1,..., ω n } un ensemble fini, P une probabilité sur Ω, et p 1 = P(ω 1 ),..., p n = P(ω n ) la distribution de probabilité correspondante sur Ω. Définition 4.1 : On dit que la probabilité est équidistribuée (ou uniforme) sur Ω si p 1 = p 2 =... = p n = 1 n. Proposition 4.2 : Si la probabilité est équidistribuée sur Ω, pour tout événement A, on a P(A) = card A. card Ω (en d autres termes plutôt anciens, P(A) = nombre de cas favorables à A nombre total de cas possibles ). Exemple 4.3 : La plupart des exemples élémentaires de probabilité équidistribuée ont trait aux jeux de hasard : 1) Quand on lance un dé, quelle est la probabilité d obtenir un nombre supérieur à 4 (événement A)? L expérience aléatoire se modélise par l ensemble Ω = {1,..., 6}. Si le dé n est pas truqué, il est naturel d admettre qu aucune face n est privilégiée donc que la probabilité est équidistribuée. On a donc P(A) = p 5 + p 6 = 2 = ) En tirant une carte d un jeu de 32 cartes, quelle est la probabilité d obtenir un as (événement A)? L expérience a ici 32 éventualités chacune équiprobable. Donc P(A) = 4 = ) Si on tire successivement 3 cartes d un jeu de 32 cartes (sans remise) 4

5 quelle est la probabilité d obtenir 3 as (événement A)? Ici la réponse dépend d une modélisation convenable de l expérience aléatoire consistant à tirer 3 cartes sans remise. Sa solution est étudiée dans le paragraphe suivant. 4.2 Tirages sans remise Les tirages sans remise interviennent si souvent dans les modèles probabilistes qu il convient que le débutant ait des idées claires sur cette question. Soit E un ensemble de N objets (par exemple des cartes ou d autres choses). Par définition «tirer un objet au hasard dans E» est une expérience aléatoire probabilisée qu on modélise par l espace Ω = E (car les éventualités sont les divers objets qu on peut «tirer» de l ensemble E qu on assimile à un sac dans lequel on va plonger le main pour en tirer un objet) et on suppose que la probabilité est équidistribuée sur Ω (c est ce qui justifie le terme tirer au hasard, ce qui suppose que les objets ont été bien mélangés et que chaque objet a la même probabilité d être choisi). Supposons qu il y ait dans E un nombre N C d objets possédant une certaine caractéristique C alors la probabilité de tirer un objet de type C est égale à N C N c est à dire c est la proportion d objets de type C dans E. Si maintenant on tire au hasard successivement r objets sans remise dans E (1 < r N) (i.e. on tire un objet dans E puis un deuxième dans E, etc... mais à chaque fois sans remettre les différents objets déjà tirés). Comment modéliser cette expérience aléatoire? : On convient de ne s intéresser qu aux r objets tirés et non à l ordre dans lequel ils ont été tirés (autrement dit tout se passe comme si on avait tiré les r objets d un seul coup dans E). Tout sous ensemble de E à r éléments est une éventualité. On modélise donc l expérience aléatoire «tirer r objets dans E sans remise» par l espace Ω = {F P(E); cardf = r} de toutes les parties de E ayant r éléments. On sait depuis le lycée que cardω = Cn r = n!. Par définition (de "au hasard") on suppose r!(n r)! que la probabilité est équidistribuée sur Ω, c est à dire que chaque éventualité a pour probabilité 1. Cn r Ainsi si on tire au hasard 3 cartes (sans remise) d un jeu de 32 la probabilité d obtenir 3 as (événement A) est égale à P(A) = carda C 3 32 = C3 4 C 3 32 = = = 0, La probabilité d obtenir au moins un valet (événement B) (en tirant toujours 3 cartes), vaut P(B) = 1 P( B) = 1 C3 28 C 3 32 = =

6 4.3 Tirages avec remise Les tirages avec remise donnent lieu à une toute autre une modélisation. Faire n tirages au hasard avec remise dans un ensemble E, c est tirer un objet dans E, noter le résultat observé, remettre l objet dans E, mélanger les objets puis réeffectuer encore n 1 fois la même opération. Le résultat observé est un n-uplet (x 1,..., x n ) où pour tout 1 i n, x i E. L expérience aléatoire «tirer n objet au hasard avec remise dans E» est donc représentée par l univers (2) Ω = E E = E n et il est naturel de supposer que les éventualités sont toutes équiprobables, c est à dire (3) ω Ω, P(ω) = 1 (carde) n Par exemple si on tire trois cartes au hasard et avec remise dans un jeu de 32 cartes, l événement A = «obtenir trois as» est composé de = 64 éventualités différentes. On a donc (4) P(A) = = = 0, Remarque 4.4 : La notion de tirage avec remise est liée à la notion de répétition d expériences aléatoires indépendantes que nous modéliserons dans le chapitre suivant. Nous reviendrons donc bientôt sur cette question avec un autre point de vue. 5 Rappels d analyse combinatoire Dans le cas où la probabilité est équidistribuée dans un univers fini, les questions de probabilité se reduisent, comme on vient de le voir, à des questions de dénombrement. Il n est donc peut être pas inutile de rappeler succintement quelques résultats bien connus d analyse combinatoire. 5.1 Applications Soient E un ensemble à n éléments et F un ensemble à p éléments. Une application (quelconque) f : E F de E dans F peut se représenter par le n-uplet (i.e. suite finie) (f 1, f 2,..., f n ) des images des différents éléments de E. Comme il y a p choix possibles pour chaque coordonnée f i (i = 1,..., n), il y a donc au total p p p = p n applications de E dans F. 5.2 Permutations Soit E un ensemble de n objets. On appelle permutation de E toute manière (b 1, b 2,..., b n ) de disposer les éléments de E dans un certain 6

7 ordre. Mathématiquement une permutation est donc une application bijective (5) b : {1,..., n} E de l ensemble {1,..., n} sur E. Comme il y a n choix possibles pour l objet b 1, n 1 choix possibles pour b 2, n 2 choix possibles pour b 3, etc..., le nombre total de permutations de E est égal à n(n 1) 2.1 = n! 5.3 Arrangements Soient E un ensemble à n éléments et 0 p n un entier fixé. On appelle arrangement de p objets de E tout p-uplet (i 1,..., i p ) d objets de E tous différents. Mathématiquement un arrangement est donc une application injective (6) i : {1, 2,..., p} E de l ensemble {1, 2,..., p} dans E. Il y a donc n choix possibles pour l objet i 1, n 1 choix possibles pour i 2, etc... et n p + 1 choix pour i p. Le nombre total d arrangements de p objets de E est donc (7) A p n = n(n 1) (n p + 1) = 5.4 Combinaisons n! (n p)! Soient E un ensemble à n éléments et 0 p n un entier fixé. Toute partie F E à p élément est appelée combinaison de p éléments de E (on dit aussi combinaison de p éléments parmi n). Comme F est un sous-ensemble, on ne tient compte que des p éléments qui le composent qui sont évidemment tous différents mais il n y a pas d ordre entre les éléments. On note C p n (où ( n p)) le nombre total de combinaisons de p objets. Comme à une combinaison de p objets on peut clairement associer p! arrangements différents, il y a p! fois plus d arrangements de p objets que de combinaisons de p objets et donc : (8) C p n = Ap n p! = n! p!(n p)! 5.5 Combinaisons avec répétition Soient E un ensemble à n éléments et 1 p un entier fixé (on ne suppose pas que p n). Une combinaison avec répétitions de p objets de E est une «pseudo sous-ensemble» de E à p éléments mais où un même élément peut être répété plusieurs fois. Par exemple si E = {1, 2, 3, 4}, et p = 5, {1, 1, 1, 1, 1},{1, 2, 2, 3, 4} et {2, 2, 3, 3, 4} sont des combinaisons avec répétitions de 5 éléments de E. Pour donner une description mathématique rigoureuse considérons que E = {1, 2,..., n} est l ensemble des entiers de 1 à n. Une combinaison avec répétition de p objets de E est parfaitement déterminée si pour tout i = 1,..., n, on 7

8 précise le nombre k i de répétitions de l élément i dans la combinaison. Le nombre total de combinaisons avec répétitions de p objets de E est donc égal au nombre de solutions en nombres entiers k i (i = 1,..., n) de l équation (9) k 1 + k k n = p. On montre que ce nombre est égal à C n 1 n+p 1 (voir les exercices). 8

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

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

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

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

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

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

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

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

TD 4 : HEC 2001 épreuve II

TD 4 : HEC 2001 épreuve II TD 4 : HEC 200 épreuve II Dans tout le problème, n désigne un entier supérieur ou égal à 2 On dispose de n jetons numérotés de à n On tire, au hasard et sans remise, les jetons un à un La suite (a, a 2,,

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

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

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

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

UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités

UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités 1 UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités Chapitre II : Espaces probabilisés 1 Notions d événements 1.1 Expérience

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

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

Probabilités. Chapitre 2 : Le modèle probabiliste - Indépendance d évènements. Julian Tugaut. 15 janvier 2015 Indépendance de deux évènements Chapitre 2 : Le modèle probabiliste - Indépendance d évènements 15 janvier 2015 Sommaire 1 Indépendance de deux évènements 2 Indépendance de deux évènements Approche intuitive

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

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

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

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

Fiche méthodologique Les pièges dans les dénombrements

Fiche méthodologique Les pièges dans les dénombrements Fiche méthodologique Les pièges dans les dénombrements BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Dans cette fiche, on résume quelques points techniques sur les dénombrements et la théorie des probabilités.

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

1 Exercices d introdution

1 Exercices d introdution 1 Exercices d introdution Exercice 1 (Des cas usuels) 1. Combien y a-t-il de codes possibles pour une carte bleue? Réponse : 10 4. 2. Combien y a-t-il de numéros de téléphone commençant par 0694? Réponse

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

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

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

Dénombrement Probabilité uniforme sur un ensemble fini

Dénombrement Probabilité uniforme sur un ensemble fini UPV - MathsL1S1 1 II Dénombrement Dénombrement Probabilité uniforme sur un ensemble fini I Dénombrement 1) Factorielles : Pour n entier 1, il y a : n! = n.(n - 1). (n - 2) 2.1 façons d aligner n objets

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

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

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

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

1. Probabilités élémentaires

1. Probabilités élémentaires 1. Probabilités élémentaires MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: probabilités 1/48 Plan 1. Expériences aléatoires et événements 2. Probabilités 3. Analyse combinatoire

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

MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités

MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités Master Génie des Systèmes Industriels, mentions ACCIE et RIM Université du Littoral - Côte d Opale, La Citadelle Laurent SMOCH (smoch@lmpa.univ-littoral.fr)

Plus en détail

Analyse Combinatoire

Analyse Combinatoire Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien

Plus en détail

Dénombrement, opérations sur les ensembles.

Dénombrement, opérations sur les ensembles. Université Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 1 (du 16 au 20 septembre 2013) Dénombrement, opérations sur les ensembles 1 Combien de façons y a-t-il de classer

Plus en détail

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

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

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

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

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

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

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

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

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

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

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire Règles de calcul des probabilités. Exemple 2. Exemple 3. 1 Rappel

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université de Franche-Comté)

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

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

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

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

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

COURS DE DENOMBREMENT

COURS DE DENOMBREMENT COURS DE DENOMBREMENT 1/ Définition des objets : introduction Guesmi.B Dénombrer, c est compter des objets. Ces objets sont créés à partir d un ensemble E, formé d éléments. A partir des éléments de cet

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

Introduction aux modèles financiers

Introduction aux modèles financiers Notes pour le module spécifique Introduction aux modèles financiers Ecole Centrale de Lyon Option Mathématiques 1 2 Introduction Quelques références Pour comprendre les marchés financiers, avoir un apreçu

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

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

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

Exercices supplémentaires

Exercices supplémentaires Exercices supplémentaires Christophe Lalanne Emmanuel Chemla Exercices Exercice 1 Un grand magasin a n portes d entrée ; r personnes arrivent à des instants divers et choisissent au hasard une entrée indépendamment

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

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

Correction du BAC BLANC TECHNOLOGIQUE - Epreuve E4 MATHEMATIQUES ET TECHNOLOGIES INFORMATIQUES ET MULTIMEDIA

Correction du BAC BLANC TECHNOLOGIQUE - Epreuve E4 MATHEMATIQUES ET TECHNOLOGIES INFORMATIQUES ET MULTIMEDIA Correction du BAC BLANC TECHNOLOGIQUE - Epreuve E4 MATHEMATIQUES ET TECHNOLOGIES INFORMATIQUES ET MULTIMEDIA Exercice 1 (4 points) Dans une classe de terminale STAV de 5 élèves, chaque élève possède une

Plus en détail

DÉNOMBREMENT ET PROBABILITÉS

DÉNOMBREMENT ET PROBABILITÉS DÉNOMBREMENT ET PROBABILITÉS H. Hocquard HSE 2016-2017 Hervé Hocquard DÉNOMBREMENT ET PROBABILITÉS 1/36 Probabilités vs Statistiques Exemple introductif Un joueur parie sur le lancer d un dé, s il a raison

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

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

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

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

Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles

Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles Cours de Probabilités 1. Dénombrement 2. Probabilités 3. Variables aléatoires réelles Pour BCPST 1 Année scolaire : 2004/2005 16 juin 2005 Mohamed TARQI Table des matières 1 Dénombrement 3 1.1 Généralités.

Plus en détail

Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres

Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres 1 Introduction Le nombre de piles obtenus au cours d une série de n lancers de pile ou face ou plus généralement dans

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

TD: Ensembles, applications, dénombrement

TD: Ensembles, applications, dénombrement Université de Provence Année 011/1 Licence Math Info ème année S3 Fondements de l Informatique 1 Ensembles et fonctions TD: Ensembles, applications, dénombrement 1. On suppose que l ensemble de tous les

Plus en détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

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

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

Cours de mathématiques Partie IV Probabilités MPSI 4

Cours de mathématiques Partie IV Probabilités MPSI 4 Lycée Louis-Le-Grand, Paris Année 2013/2014 Cours de mathématiques Partie IV Probabilités MPSI 4 Alain TROESCH Version du: 30 mai 2014 Table des matières 1 Dénombrement 3 I Combinatoire des ensembles

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

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

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

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

Cours de DEUG Probabilités et Statistiques. Avner Bar-Hen

Cours de DEUG Probabilités et Statistiques. Avner Bar-Hen Cours de DEUG Probabilités et Statistiques Avner Bar-Hen Université Aix-Marseille III 3 Table des matières Table des matières i Analyse combinatoire 1 1 Arrangements................................ 1 1.1

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

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

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

BJ - RELATIONS BINAIRES

BJ - RELATIONS BINAIRES BJ - RELATIONS BINAIRES Définitions Soit A et B deux ensembles non vides, et G une partie de A B. On dit qu un élément x de A est relié à un élément y de B par une relation binaire de graphe G, si le couple

Plus en détail

Analyse combinatoire

Analyse combinatoire Mathématiques Générales B Université de Genève Sylvain Sardy 6 mars 2008 Le but de l analyse combinatoire (techniques de dénombrement est d apprendre à compter le nombre d éléments d un ensemble fini de

Plus en détail

Leçon 6. Savoir compter

Leçon 6. Savoir compter Leçon 6. Savoir compter Cette leçon est une introduction aux questions de dénombrements. Il s agit, d une part, de compter certains objets mathématiques (éléments, parties, applications,...) et, d autre

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

Probabilités sur un univers ni

Probabilités sur un univers ni POIRET Aurélien TD n o 21 MPSI Probabilités sur un univers ni 1 Événements et probabilités Exercice N o 1 : Dans un centre de loisirs, une personne peut pratiquer trois activités. On considère les événements

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Mesure quantitative de l information - Chapitre 2 - Information propre et mutuelle Quantité d information propre d un événement Soit A un événement de probabilité P (A)

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

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

Notes de cours L1 MATH120. Hervé Le Dret

Notes de cours L1 MATH120. Hervé Le Dret Notes de cours L1 MATH120 Hervé Le Dret 18 octobre 2004 40 Chapitre 3 Vecteurs dans R m Dans ce chapitre, nous allons nous familiariser avec la notion de vecteur du point de vue algébrique. Nous reviendrons

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé.

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé. TES Spé Maths Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013 Calculatrice autorisée - Aucun document n'est autorisé. Vous apporterez un grand soin à la présentation et à la

Plus en détail

Programme de Première

Programme de Première BAC TECHNO STAV 66 I. Algèbre Programme de Première Objectif 1 - Effectuer de manière autonome des calculs numériques ou algébriques, résoudre des équations ou inéquations en vue de résoudre des problèmes

Plus en détail

Chapitre 3 : Combinatoire, Probabilités

Chapitre 3 : Combinatoire, Probabilités STAT03 : probabilités COURS Décembre 2000 Chapitre 3 : Combinatoire, Probabilités 1 Dénombrement 1.1 Introduction L étude statistique nous conduit à étudier une population finie et parfaitement déterminée

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 3 : INFERENCE Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage

Plus en détail