Correction des exemples. Mathieu EMILY

Dimension: px
Commencer à balayer dès la page:

Download "Correction des exemples. Mathieu EMILY"

Transcription

1 Correction des exemples Mathieu EMILY Novembre 2005

2 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 Exemple_Exercice 6 Page 8 Exemple_Exercice 7 Page 9 Exemple_Exercice 8 Page 10 Exemple_Exercice 9 Page 11 Exemple_Exercice 10 Page 12 Exemple_Exercice 11 Page 12 Exemple_Exercice 12 Page 13 Exemple_Exercice 13 Page 14 Exemple_Exercice 14 Page 15 Exemple_Exercice 15 Page 16 Exemple_Exercice 16 Page 16 Exemple_Exercice 17 Page 17 Exemple_Exercice 18 Page 17 Exemple_Exercice 19 Page 18 Exemple_Exercice 20 Page 18 Exemple_Exercice 21 Page 19 Exemple_Exercice 22 Page 20 Exemple_Exercice 23 Page 20 1

3 Exemple_Exercice 1 Dans un bus, 35 personnes pratiquent le ski, 20 le surf, 5 le monoski. Parmi ces personnes, 10 pratiquent le ski et le surf, 3 le ski et le monoski, 1 le surf et le monoski et enn 1 personne pratique le ski, le surf et le monoski. Combien y a-t-il de personnes au total, sachant que les sports de glisse pratiqués se limitent au ski, au surf et au monoski? Correction 1 Soit A 1 = {L'ensemble des personnes pratiquant le ski}. Soit A 2 = {L'ensemble des personnes pratiquant le surf}. Soit A 3 = {L'ensemble des personnes pratiquant le monoski}. Soit N le nombre total de personnes on a : Donc d'après la formule de Poincaré : N = card(a 1 A 2 A 3 ) N = card(a 1 ) + card(a 2 ) + card(a 3 ) card(a 1 A 2 ) card(a 1 A 3 ) card(a 2 A 3 ) + card(a 1 A 2 A 3 ) Soit N = N = 47 2

4 Exemple_Exercice 2 1. Dans un jeu de 32 cartes, on prend 3 cartes successivement sans remise. De combien de façons peut-on opérer pour obtenir au moins un c ur? 2. Une autoroute, aux abords d'une certaine ville, possède 3 sorties principales. Chacune de ces sorties possède elle-même 2 sorties secondaires. De combien de façons peut on sortir de cette autoroute? 3. 4 pions numérotés de 1 à 4 sont disposés sur 3 cases numérotées de 1 à 3. Une case peut contenir plusieurs pions. De combien de façons peut-on opérer : (a) de sorte qu'une case au moins soit vide? (b) de sorte qu'aucune case ne soit vide? Correction 2 1. Soit E l'ensemble des combinaisons de 3 cartes diérentes. Il y a 32 possibilités pour la 1 ère carte, 31 possibilités pour la 2 ème et 30 possiblités pour la 3 ème carte. Par conséquent : Card(E) = Soit A l'évènement "Aucun c ur n'est apparu lors de 3 tirages successifs sans remise". Il y a 24 possibilités (8 "carreau", 8 "trèe" et 8 "pique") lors du 1 er tirage, 23 possibilités lors du 2 eme tirage, et 22 possibilités lors du 3 eme tirage. Donc : Card(A) = L'évènement B "Au moins un c ur a été obtenu lors de 3 tirages successifs sans remise" est le complémentaire de A dans E, d'où : Card(B) = Card(C E A) = Card(E) Card(A) = = Il y a façons d'obtenir au moins 1 c ur. 2. Soit A l'ensemble des sorties principales : Soit B l'ensemble des sorties secondaires : Card(A) = 3 Card(B) = 2 3

5 On a donc au total : Card(A B) = Card(A) Card(B) = 6 On peut sortir de l'autoroute de 6 façons diérentes. 3. (a) Notons A i = le nombre de dispositions laissant vide la case i. Card(A 1 A 2 A 3 ) = Card(A 1 ) + Card(A 2 ) + Card(A 3 ) Card(A 1 A 2 ) Card(A 1 A 3 ) Card(A 2 A 3 ) + Card(A 1 A 2 A 3 ) Calcul de Card(A i ) : Chaque pion est placé sur l'une des 2 autres cases. Par conséquent, pour chaque pion, il y a 2 possibilités, et comme il y a 4 pions en tout : i Card(A i ) = 2 4 = 16 Calcul de Card(A i A j ) : Pour chaque pion il n'y a qu'une seule possibilité, et comme il y 4 pions : (i, j), i j Card(A i A j ) = 1 4 = 1 Calcul de Card(A 1 A 2 A 3 ) : Chaque pion doit être est posé sur un case donc : Ainsi : Card(A 1 A 2 A 3 ) = 0 4 = 0 Card(A 1 A 2 A 3 ) = = 45 Il y a 45 possibilités pour qu'une case au moins soit vide. (b) Soit E l'ensemble de tous les évènements. Chaque pion peut se positionner de 3 façons diérentes. Comme il y a 4 pions, on a : Card(E) = 3 4 = 81 Or l'évènement B : "Aucune case n'est vide" est le complémentaire de A 1 A 2 A 3 dans E, donc : Card(B) = Card(E) Card(A 1 A 2 A 3 ) = = Il y a possibilités pour qu'aucune des cases ne soit vide. 4

6 Exemple_Exercice 3 (Application du lemme des bergers) 1. Soit n convives autour d'une table circulaire. Combien y a-t-il de dispositions possibles des convives, sachant que seules comptent les positions relatives des convives? 2. Une urne contient 6 boules blanches numérotées de 1 à 6 et 5 boules noires numérotées de 1 à 5. On tire successivement 4 boules sans remise. Combien de résultats apportent 3 boules blanches et 1 boule noire? Correction 3 1. Soit E l'ensemble de toutes les dispositions possibles. Il y a n choix pour le 1 er convive, n 1 choix pour le 2 ème convive, etc...donc : Card(E) = n.(n 1).(n 2) 1 = n! Cependant, dans ce décompte, plusieurs dispositions vont donner les mêmes voisins. Notons p le nombre de dispositions diérentes au sens des positions relatives des convives, et, i {1,, p}, A i l'ensemble des positions qui ne dièrent de la position i que d'une rotation. Pour une disposition i donnée, il n'existe que n rotations qui laissent les positions respectives des voisins inchangées, c'est à dire : Or : i {1,, p} Donc d'après le lemme des bergers, on a : E = Card(A i ) = n p i=1 A i p = Card(E) Card(A i ) = n! n = n 1 Il y a n 1 dispositions diérentes au sens des voisins relatifs. Remarque : Dans cet exemple, nous avons d'abord compté le nombre de pattes (Card(E)), puis le nombre de pattes par mouton (Card(A i )) pour trouver le nombre de moutons. 2. Soit E l'ensemble des résultats amenant à 1 boule noire et 3 boules blanches. La boule noire peut apparaître au 1 er, au 2 ème, au 3 ème ou au 4 ème tirage. Notons A i, l'ensemble des résultats faisant apparaître la boule noire en i ème position (1 i 4). Il y a 6 possibilités pour la 1 ère boule blanche, 5 possibilités pour la 2 ème boule blanche, 4 possibilités pour la 3 ème boule blanche et 5 possibilités pour la boule noire : Card(A i ) = = 600 Il y a 4 possibilités pour le rang d'apparition de la boule noire, donc p = 4. On en déduit, d'après le lemme des bergers, que : Card(E) = p Card(A i ) = =

7 Il y a 2400 résultats qui amènent à 3 boules blanches et 1 boule noire. Remarque : Dans cet exemple, nous avons d'abord compté le nombre de moutons (4) puis le nombre de pattes par mouton (600), et on en a déduit le nombre total de pattes. Exemple_Exercice 4 (Urnes de Laplace) Soit n urnes U 1,..., U n. U k contient "k" boules blanches et "n + 1 k" boules noires (1 k n) On choisit une urne au hasard, puis on tire une boule au hasard dans l'urne choisie. On note A k l'évènement "On choisit l'urne U k ". Montrer que (A 1,..., A n ) est un système complet d'évènements. Correction 4 Ω = {(k, b), k {1,, n}} {(k, n), k {1,, n}} où k désigne le numéro de l'urne, b (pour blanche) ou n (pour noire) la couleur de la boule. Donc : k {1,, n} A k = {k, b} {k, n} et : (i, j) {1,, n} 2 tels que i j A i A j = Ø n A 1 A n = ({k, b} {k, n}) k=1 = {(k, b), k {1,, n}} {(k, n), k {1,, n}} = Ω (A 1,..., A n ) est un système complet d'évènements. 6

8 Exemple_Exercice 5 1. On tire au hasard un ensemble de 5 cartes dans un jeu de 32 cartes. Quelle est la probabilité que la main contienne au moins un As? 2. Une urne contient a boules blanches et b boules noires. On extrait au hasard une poignée de n boules. Quelle est la probabilité que cette poignée contienne k boules blanches (0 k n)? Correction 5 1. donc Ω = {ensemble de 5 cartes dans un jeu de 32 cartes} A = {La main contient au moins un As} A = {La main ne contient pas d'as} Comme le tirage se fait au hasard, il y a équiprobabilité pour le tirage d'une carte, on a : P (A) = Card(A) Card(Ω) et donc : = C5 28 C 5 32 P (A) = 1 C5 28 C 5 32 P (A) = 1 C5 28 C L'extraction d'une poignée se faisant au hasard, il y a équiprobabilité. Nous allons donc compter, d'une part, le nombre de poignées au total, et d'autre part le nombre de poignées contenant k boules blanches. Au total, il y a a + b boules et on en extrait n. Il y a donc C n a+b poignées possibles. Si une poignée contient k boules blanches, elle contient n k boules noires. Par conséquent, il y a k choix possibles parmi a pour les boules blanches, et n k choix possibles pour les boules noires parmi b. Donc au total, il y a Ca k C n k b poignées contenant k boules blanches. Donc : P ("La poignée contienne k boules blanches.") = Ck a Cn k b Ca+b n 7

9 Exemple_Exercice 6 Une urne contient a boules blanches et b boules noires. On en tire successivement n, en remettant, à chaque fois, la boule tirée. Quelle est la probabilité que le nombre de boules blanches obtenues soit pair? Correction 6 On pose A = "La boule tirée est blanche". Pour un tirage, on a : P (A) = a a + b Notons k {1,, n} B k = "k boules blanches ont été tirées sur n tirages." Si, sur n tirages, on a obtenu k boules blanches, alors on a également obtenu n k boules noires. Ainsi : k {1,, n} P (B k ) = Cn( k a b a + b )k ( a + b )n k Remarque : B k suit une loi binomiale B(n, a a+b ). Or : P ("Le nombre de boules blanches est pair") = P (B 0 B 2 B 2 n 2 ) n 2 = P ( B 2k ) = = n 2 k=0 P (B 2k ) k=0 n 2 Cn( k a b a + b )k ( a + b )n k k=0 P ("Le nombre de boules blanches est pair") = n 2 k=0 Ck n( a a+b )k ( b a+b )n k 8

10 Exemple_Exercice 7 Une urne contient n boules numérotées de 1 à n. On tire les boules une à une avec remise. Quelle est la probabilité que, sur m tirages, le plus grand des numéros tirés soit k? Correction 7 Notons A k l'évènement "Le numéro tiré est plus petit que k", B k l'évènement "Sur m tirages, le plus grand numéro tiré est inférieur à k", B k l'évènement "Sur m tirages, le plus grand numéro tiré est supérieur à k", C k l'évènement "Sur m tirages, le plus grand numéro tiré est égal à k". Comme le tirage se fait au hasard, il y a équiprobabilité, donc : Donc : P (A k ) = k n P (B k ) = P ( tous les numéros tirés sont inférieurs à k ) = P (A k ) m = ( k n )m P (B k ) = 1 P (B k) = 1 ( k n )m D'où : P (C k ) = P ( Le plus grand numéro tiré est inférieur à k et supérieur à k 1 ) = P ( Le plus grand numéro tiré est inférieur à k le plus grand numéro tiré est supérieur à k 1 ) = P (B k B k 1 ) = P (B k + P (B k 1 ) P (B k B k 1 (( ) ) k m ) ( ( ) k 1 m ) = n n = km (k 1) m n m P ("Sur m tirages, le plus grand numéro tiré est égal à k") = km (k 1) m n m 9

11 Exemple_Exercice 8 On répartit au hasard 8 pions de 1 à 8 sur 4 cases numérotées de 1 à 4. Plusieurs pions peuvent être placés sur une même case. Quelle est la probabilité qu'une case au moins soit vide? Correction 8 On note A i (i = 1 4), l'évènement "la case i est vide", B l'évènement "au moins une case est vide". D'où i {1,, 4} P (A i ) = ( ) (i, j) {1,, 4} 2, i j P (A i A j ) = ( ) (i, j, k) {1,, 4} 3, i j k (2 à 2); P (A i A j A k ) = P (A 1 A 2 A 3 A 4 ) = 0 ( ) P (B) = P (A 1 A 2 A 3 A 4 ) 4 = ( 1) k k=1 1 i 1 < <i k 4 = P (A 1 ) + P (A 2 ) + P (A 3 ) + P (A 4 ) P (A i1 A ik ) P (A 1 A 2 ) P (A 1 A 3 ) P (A 1 A 4 ) P (A 2 A 3 ) P (A 2 A 4 ) P (A 3 A 4 ) +P (A 1 A 2 A 3 ) + P (A 1 A 2 A 4 ) +P (A 1 A 3 A 4 ) + P (A 2 A 3 A 4 ) P (A 1 A 2 A 3 A 4 ) ( ) 3 8 ( ) 2 8 ( ) 1 8 = P (B)

12 Exemple_Exercice 9 Un dé à 6 faces non pipé est lancé une innité de fois de façons indépendantes. Calculer la probabilité pour que le 1 n'apparaisse jamais. Correction 9 Notons : A l'évènement "Le 1 n'est pas apparu suite au lancer d'un dé." B n l'évènement "Le 1 n'est pas apparu suite à n lancers d'un dé". C l'évènement "Le 1 n'est pas apparu suite à une innité de lancers d'un dé". Le dé est non pipé donc les évènements sont équiprobables, d'où : De plus, par indépendance des lancers : P (A) = 5 6 n IN P (B n ) = P (A) n = (B n ) n IN est une suite croissante d'évènements et : ( ) 5 n 6 donc, + n=0 B n = C P (C) = lim P (B n) n + ( ) 5 n = lim n + 6 = 0 P (C) = 0 (C est quasi-impossible) 11

13 Exemple_Exercice 10 Une urne U 1 contient 3 boules blanches et 5 boules noires. Une urne U 2 contient 4 boules blanches et 4 boules noires. On choisit une urne au hasard, puis on tire simultanément 2 boules dans l'urne choisie. Quelle est la probabilité d'obtenir une boule blanche et une boule noire sachant que l'urne choisie est U 1? est U 2? Correction 10 Notons bn l'évènement "Un boule blanche et une boule noire ont été obtenues" et U 1 (resp. U 2 ) l'évènement "l'urne U 1 (resp. U 2 ) a été choisie". Comme le choix s'eectue au hasard, il y a équiprobabilité : P (bn U 1 ) = C1 3 C1 5 C 2 8 = P (bn U 2 ) = C1 4 C1 4 C 2 8 = 4 7 Exemple_Exercice 11 Un jeu de cartes comprend 32 cartes. On distribue au hasard 5 cartes à chacun des 2 joueurs X et Y. 1. Calculer la probabilité que X ait au moins un As. 2. Sachant que Y a exactement un As, calculer la probabilité que X ait au moins un As. Correction 11 Notons A l'évènement "X a au moins un As", et B l'évènement "Y a exactement un As". 1. donc : P (A) = C5 28 C 5 32 P (A) = 1 P (A) Si on sait que Y a exactement un As, il reste 32 5 = 27 cartes disponibles pour X dont 3 sont des As. D'où : P (A B) = C5 24 C

14 On en déduit : P (A B) = 1 P (A B) Exemple_Exercice 12 On place 8 pions numérotés de 1 à 8 sur 5 cases numérotées de 1 à 5. Sachant que la case 1 est vide, calculer la probabilité que les cases 2 ou 3 le soient aussi. Correction 12 Notons A i l'évènement "La case i est vide". On cherche à calculer P (A 2 A 3 A 1 ), soit : P (A 2 A 3 A 1 ) = P (A 2 A 1 ) + P (A 3 A 1 ) P (A 2 A 3 A 1 ) Si la case 1 est vide, on est conduit à placer les pions sur les cases 2 à 5. Il y a 4 8 façons d'opérer dont 3 8 laissent la case 2 vide, 3 8 la case 3 vide et 2 8 les case 2 et 3, d'où : P (A 2 A 3 A 1 ) = P (A 2 A 3 A 1 )

15 Exemple_Exercice 13 On considère 3 urnes U 1, U 2 et U 3. La première contient initialement 2 boules blanches, 3 boules rouges. La deuxième contient 2 boules vertes et 4 boules blanches. La troisième contient 5 boules noires et 2 boules rouges. On tire au hasard une boule dans U 1 que l'on place dans U 2. Puis on tire au hasard une boule dans U 2 que l'on place dans U 3. Enn on tire une boule dans U 3. Quelle est la probabilité pour que les boules tirées soient toutes de couleurs diérentes? Correction 13 Il faut énumérer l'ensemble des types de tirages qui amènent à l'évènement C : "Les 3 boules sont diérentes". On tire une boule blanche dans U 1, une verte dans U 2 et une noire dans U 3. On note cet évènement "B 1 V 2 N 3 ". On tire une boule blanche dans U 1, une verte dans U 2 et une rouge dans U 3. On note cet évènement "B 1 V 2 R 3 ". On tire une boule rouge dans U 1, une verte dans U 2 et une noire dans U 3. On note cet évènement "R 1 V 2 N 3 ". On tire une boule rouge dans U 1, une blanche dans U 2 et une noire dans U 3. On note cet évènement "R 1 B 2 N 3 ". On a : C = (B 1 V 2 N 3 ) (B 1 V 2 R 3 ) (R 1 V 2 N 3 ) (R 1 B 2 N 3 ) Calculons, à l'aide de la formule des probabilités composées, les probabilités des 4 évènements ci-dessus : P (B 1 V 2 N 3 ) = P (B 1 )P (V 2 B 1 )P (N 3 B 1 V 2 ) = = 1 14 P (B 1 V 2 R 3 ) = P (B 1 )P (V 2 B 1 )P (R 3 B 1 V 2 ) = = 1 35 P (R 1 V 2 N 3 ) = P (R 1 )P (V 2 R 1 )P (N 3 R 1 V 2 ) = = 3 28 Ainsi : P (R 1 B 2 N 3 ) = P (R 1 )P (B 2 R 1 )P (N 3 R 1 B 2 ) = = 3 14 P (C) = P (C)

16 Exemple_Exercice 14 Deux joueurs X et Y s'entraînent au tir à la cible. L'un des joueurs, X, est adroit et lorsqu'il tire, il atteint la cible 9 fois sur 10. L'autre, Y, est débutant et n'atteint la cible que 6 fois sur 10. X laisse Y s'entraîner et n'eectue qu'un tir sur 3. Un des joueurs tire et la cible est atteinte. Quelle est la probabilité que ce soit par Y? Correction 14 Notons : X l'évènement "X a eectué le tir", Y l'évènement "Y a eectué le tir", C l'évènement "La cible a été atteinte". Remarque! X = Y. On cherche P (Y C). Or, d'après l'énoncé, on sait que : P (C Y ) = 6 10, P (C X) = 9 10 et P (Y ) = 2 3 Nous allons donc utiliser la formule de Bayes : P (Y C) = = = P (C Y )P (Y ) P (C Y )P (Y ) + P (C X)P (X) P (Y C) =

17 Exemple_Exercice 15 Reprenons l'exemple précédent. Quelle est la probabilité d'atteindre la cible? Correction 15 Reprenons les mêmes notations que dans la correction précédente. Nous cherchons à calculer P (C). D'après la formule des probabilités totales, on a : P (C) = P (C X)P (X) + P (C Y )P (Y ) = P (C) = 7 10 Exemple_Exercice 16 Une pièce amène pile avec la probabilité p et face avec la probabilité q = 1 p (0 < p < 1). On la lance n fois de suite. Soit X le nombre de fois où pile apparaît au cours de ces lancers. Cherchons la loi de X. Correction 16 Il est impossible d'obtenir un nombre négatif de "pile" (X 0), et il est impossible d'obtenir plus de "pile" que de lancers (X n). Comme X est à valeurs dans IN, on a : X(Ω) = {0,, n} Supposons que k "pile" ait été obtenus, n k "face" ont également été obtenus. Par conséquent k X(Ω) : p k = P (X = k) = C k n.p k.(1 p) n k (Loi binomiale de paramètres (n,p)) 16

18 Exemple_Exercice 17 On lance deux dés. X désigne la somme des numéros obtenus. Correction 17 Ω = {1,, 6} {1,, 6} X(Ω) = {2,, 12} Comme les dés sont non pipés, il y a équiprobabilité des évènements donc : P (X = 2) = 1 P (X = 3) = 2 P (X = 4) = 3 P (X = 5) = 4 P (X = 6) = 5 P (X = 7) = 6 P (X = 8) = 5 P (X = 9) = 4 P (X = 10) = 3 P (X = 10) = 2 P (X = 12) = 1 Exemple_Exercice 18 Une urne contient a boules blanches et b boules noires (a n, b n). On tire simultanément n boules et X désigne le nombre de boules blanches tirées. Correction 18 X(Ω) = {0,, n} P (X = k) = Ck a.c n k b Ca+b n ( ( )) Loi hypergéométrique de paramètres a a + b, n, a+b 17

19 Exemple_Exercice 19 A quelle condition portant sur α, p n probabilité, pour λ > 0? = α λn n!, n 0 sont-ils les coecients d'une loi de Correction 19 Supposons que (p n ) n IN sont les coecients d'une loi de probabilité. D'après le cours, ces coecients doivent vérier 2 propriétés : 1. n IN, p n n=1 p n = 1 Ainsi : 1. p n 0 α n=1 p n = 1 + n=1 + α n=1 α λn n! = 1 αe λ = 1 α = e λ λ n n! = 1 Comme e λ 0, λ (p n ) n IN sont les coecients d'une loi de probabilité si α = e λ. Exemple_Exercice 20 Une urne contient N jetons numérotés de 1 à N. On eectue n tirages successifs avec remise. La variable aléatoire X représente le plus grand des numéros tirés. Déterminer, si c'est possible, la loi et la fonction de répartition de X. Correction 20 Notons Y la variable aléatoire représentant le résultat d'un tirage. P (Y = k) = 1 N et P (Y k) = k N Si le plus grand des numéros tirés lors de n tirages est plus petit que k, alors tous les numéros tirés sont plus petits que k. On obtient donc directement : 18

20 P (X k) = (P (Y k)) n = ( ) k n N Et, P (X = k) = P (X k X k 1) = kn (k 1) n N n Remarque : On constate, pour cet exemple, qu'il est plus facile de calculer la fonction de répartition que la loi de la variable X. Exemple_Exercice 21 On lance 3 fois une pièce truquée pour laquelle P (Face) = 2 3 et P (Pile) = 1 3. X indique le plus grand nombre de "face" obtenus. Quelle est l'espérance de X? Correction 21 Utilisons la formule de l'espérance, pour une variable aléatoire discrète : E(X) = + n=0 i < 0, P (X = i) = 0 et i > 3, P (X = i) = 0 P (X = 0) = x n P (X = x n ) ( ) P (X = 1) = ( 1 3 ) 2 P (X = 2) = 3. ( ) Ainsi : P (X = 3) = ( ) E(X) = 0.( 1 3 ) ( 1 3) ( ) ( ) E(X) = 2 19

21 Exemple_Exercice 22 Une urne contient a boules blanches et b boules noires. On tire successivement sans remise 2 boules de l'urne et l'on note X i la variable aléatoire réelle égale à 1 si la i ème boule tirée est blanche, et 0 sinon. Déterminons la loi conjointe de (X 1, X 2 ) Correction 22 On a : P (X 1 = 0, X 2 = 0) = P (X 1 = 0)P (X 2 = 0) X 1 = 0) = P (X 1 = 1, X 2 = 0) = P (X 1 = 1)P (X 2 = 0) X 1 = 1) = P (X 1 = 0, X 2 = 1) = P (X 1 = 0)P (X 2 = 1) X 1 = 0) = P (X 1 = 1, X 2 = 1) = P (X 1 = 1)P (X 2 = 1) X 1 = 1) = b a + b b 1 a + b 1 a a + b b a + b 1 b a + b a a + b 1 a a + b a 1 a + b 1 Exemple_Exercice 23 Reprenons l'exemple avec a boules blanches et b boules noires. On eectue 2 tirages successifs sans remise. Cov(X 1, X 2 )? Correction 23 Par dénition, on a : Or De plus : Donc : Cov(X 1, X 2 ) = E(X 1 X 2 ) E(X 1 )E(X 2 ) E(X 1 X 2 ) = 1 1 P (X 1 = 1, X 2 = 1) P (X 1 = 1, X 2 = 0) = +0 1 P (X 1 = 0, X 2 = 1) P (X 1 = 0, X 2 = 0) a(a 1) (a + b)(a + b 1) E(X 1 ) = E(X 2 ) = Cov(X 1 X 2 ) = a a + b ab (a+b) 2 (a+b 1) 20

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

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

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

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

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

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

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

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

PROBABILITÉS Variable aléatoire

PROBABILITÉS Variable aléatoire PROBABILITÉS Variable aléatoire I Langage des événements Lors d'un oral de mathématiques, quatre questions sont proposées : une question de probabilités (P) ; une question de statistiques (S) ; une question

Plus en détail

Mathématiques 4 Niv.1 Probabilités Exercices chapitre 3

Mathématiques 4 Niv.1 Probabilités Exercices chapitre 3 1. On tire une boule d'une urne qui contient 3 blanches, 4 rouges et 5 noires. Quelle est la probabilité a) qu'elle soit blanche b) qu'elle soit blanche ou rouge c) qu'elle ne soit pas rouge? 2. Un joueur

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 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

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

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

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

Exercices corrigés de SQ20

Exercices corrigés de SQ20 1 Exercices corrigés de SQ2 Corrigés TD 1 à 4 Printemps 215 responsable de l'uv : André Turbergue SQ2 TD1 : espaces probabilisés TD1 : espaces probabilisés 1 Énoncés Exercice 1. Calculer si possible une

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

Feuille TD 1 : Probabilités discrètes, dénombrement

Feuille TD 1 : Probabilités discrètes, dénombrement Université de Nice-Sophia Antipolis -L2 MASS - Probabilités Feuille TD 1 : Probabilités discrètes, dénombrement Exercice 1 : 1. On doit choisir 2 représentants dans une classe de 40 élèves. Quel est le

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

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

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

CHAPITRES 5 et 6 PROBABILITÉS ET DÉNOMBREMENTS

CHAPITRES 5 et 6 PROBABILITÉS ET DÉNOMBREMENTS 1 re EFG hapitres et Probabilités et dénombrements HAPITRES et PROBABILITÉS ET DÉNOMBREMENTS Exercice 1 Dans un magasin les modes de paiement et les montants des achats sont répartis de la façon suivante

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

b) Exprimer B à l aide des événements A n et en déduire la probabilité de B Exercice 1.4. Inégalité de Bonferroni.

b) Exprimer B à l aide des événements A n et en déduire la probabilité de B Exercice 1.4. Inégalité de Bonferroni. MP 205/6 Feuille d exercices - Probabilités généralités). Univers, généralités Exercice.. Langage des probabilités. Soit Ω, A) un espace probabilisable. Soit A n ) n N une famille d événements et A, B,

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

Exercices de dénombrement

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

Plus en détail

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

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

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

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

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

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Dénombrement et probabilités Version du juillet 05 Enoncés Exercice - YouTube Sur YouTube, les vidéos sont identifiées à l aide d une chaîne

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

Coefficients binomiaux

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

Plus en détail

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

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

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

CALCUL DES PROBABILITES

CALCUL DES PROBABILITES CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les

Plus en détail

2010 My Maths Space Page 1/6

2010 My Maths Space Page 1/6 A. Des statistiques aux probabilités 1. Statistiques descriptives, analyse de données. Vocabulaire des statistiques : Population : c'est l'ensemble étudié. Individu : c'est un élément de la population.

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

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

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

Espaces de probabilités.

Espaces de probabilités. Université Pierre et Marie Curie 2010-2011 Probabilités et statistiques - LM345 Feuille 2 Espaces de probabilités. 1. Donner un exemple d'une famille de parties d'un ensemble qui ne soit pas une tribu.

Plus en détail

E G = Définition : La probabilité d'un événement E peut être définie intuitivement par la formule suivante :

E G = Définition : La probabilité d'un événement E peut être définie intuitivement par la formule suivante : 8.1 Notations Notations: : vénement : vénement contraire à : ou (ou les deux), correspond à l union : et, correspond à l intersection U : L univers contient tous les événements possibles xercice 1 : Je

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

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

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

Il y a trois branches avec un seul pile pour un total de 8 branches donc la probabilité d avoir exactement une fois pile est de 3/8 = 0,375

Il y a trois branches avec un seul pile pour un total de 8 branches donc la probabilité d avoir exactement une fois pile est de 3/8 = 0,375 OILITES Un arbre permet de modéliser une situation et de déterminer une probabilité dans le cas où on étudie plusieurs événements. Il est particulièrement bien adapté à la répétition d expériences, aux

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

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

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

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

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

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

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile. Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir

Plus en détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles

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

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

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

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

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

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

EXERCICES SUR LE CHAPITRE 1 : «MIXTE»

EXERCICES SUR LE CHAPITRE 1 : «MIXTE» EXERCICES SUR LE CHAPITRE 1 : «MIXTE» 1. Les électeurs d'une grande ville américaine sont constitués de 40% de blancs, 40% de noirs et 20% d'hispaniques. Un candidat noir à la fonction de Maire espère

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

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

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

Initiation aux probabilités.

Initiation aux probabilités. Initiation aux probabilités. On place dans une boite trois boules identiques à l exception de leur couleur : une boule est noire, une est blanche, la troisième est grise. On tire une des boules sans regarder,

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

COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1

COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1 COURS DE PROBABILITE 2ième année d économie et de gestion Semestre 1 Laurence GRAMMONT Laurence.Grammont@univ-st-etienne.fr Les solutions des exercices posés dans ce polycopié ne sont pas rédigées. October

Plus en détail

Variables aléatoires discrètes

Variables aléatoires discrètes Université de Reims Champagne Ardenne UFR Sciences Exactes et Naturelles Année universitaire 013-014 MA 0804 - Master 1 CM Variables aléatoires discrètes 1 Dénition Soit Ω un univers et S une tribu sur

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

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

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 Le sujet est numéroté de 1 à 5. L annexe 1 est à rendre avec la copie. L exercice Vrai-Faux est

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

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli.

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli. 1 ère - 3 Chap.9 : Loi binomiale. Échantillonnage. 1 ère - Chapitre 9 : LOI BINOMIALE. ÉCHANTILLONNAGE. Textes officiels (30 septembre 2010) : CONTENU CAPACITÉ ATTENDUE COMMENTAIRE Probabilités Épreuve

Plus en détail

Feuille d exercices 2 : Espaces probabilisés

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

Plus en détail

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

1 TD1 : rappels sur les ensembles et notion de probabilité

1 TD1 : rappels sur les ensembles et notion de probabilité 1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (

Plus en détail

1. Un groupe de dix personnes comprend cinq hommes et cinq femmes.

1. Un groupe de dix personnes comprend cinq hommes et cinq femmes. Dénombrement Exercices 1. Un groupe de dix personnes comprend cinq hommes et cinq femmes. (a) Combien y a-t-il de manières de les disposer autour d une table ronde, en ne tenant compte que de leurs positions

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

Exercices chapitre 8. Probabilités.

Exercices chapitre 8. Probabilités. Lycée Descartes PC 2014-15 M. Besbes Exercices chapitre 8. Probabilités. Exercice 1. Soit (Ω, B, P ) un espace probabilisé. Montrer que l ensemble : A = {A B; P (A) = 0 ou P (A) = 1} est une tribu. Exercice

Plus en détail

Université de Pau et des Pays de l Adour Département de Mathématiques Année 2006-2007. Introduction aux probabilités

Université de Pau et des Pays de l Adour Département de Mathématiques Année 2006-2007. Introduction aux probabilités Université de Pau et des Pays de l Adour Département de Mathématiques Année 2006-2007 Introduction aux probabilités Série n 3 Exercice 1 Une urne contient neuf boules. Quatre de ces boules portent le numéro

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

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

Probabilités discrètes : exercices

Probabilités discrètes : exercices Université de Strasbourg Probabilités Département de mathématiques Agreg interne 2015-2016 Probabilités discrètes : exercices Vous pouvez me contacter à l adresse nicolas.juilletatmath.unistra.fr. J ai

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

: 3 si x 2 [0; ] 0 sinon

: 3 si x 2 [0; ] 0 sinon Oral HEC 2007 Question de cours : Dé nition d un estimateur ; dé nitions du biais et du risque quadratique d un estimateur. On considère n (n > 2) variables aléatoires réelles indépendantes X 1,..., X

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

Travaux dirigés d introduction aux Probabilités

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

Plus en détail

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

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

Vidéo https://youtu.be/fsgge2-l3ag Vidéo https://youtu.be/e7jh8a1cdtg

Vidéo https://youtu.be/fsgge2-l3ag Vidéo https://youtu.be/e7jh8a1cdtg LOI BINOMIALE 1 sur 7 I. Répétition d'expériences identiques et indépendantes Exemples : 1) On lance un dé plusieurs fois de suite et on note à chaque fois le résultat. On répète ainsi la même expérience

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

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

Nombre de joueurs : 2 joueurs à + Nombre de dés : 5 Âge : De 8 à +

Nombre de joueurs : 2 joueurs à + Nombre de dés : 5 Âge : De 8 à + Le Yams Nombre de joueurs : 2 joueurs à + Nombre de dés : 5 Âge : De 8 à + Prévoir un crayon et imprimer autant de grille que de joueurs. But du jeu : Avoir le plus de point à la fin d une manche. La manche

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

Theme 4 - Lois usuelles discrètes

Theme 4 - Lois usuelles discrètes L2 AES TD de statistique 2008/2009 Cours de Mme Mériot M.-A. Jambu & S.Turolla Theme 4 - Lois usuelles discrètes Exercice 1 (Loi binomiale) A et B sont deux avions ayant respectivement 4 et 2 moteurs.

Plus en détail

Exercice n 1. Exercice n 2

Exercice n 1. Exercice n 2 Exercice n Un sac contient une boule verte, une boule rouge et une boule bleue. On tire successivement deux boules du sac. Mais avant de tirer la deuxième boule, on remet dans le sac la première boule

Plus en détail