loi de probabilité à densité
|
|
- Jeannine Giroux
- il y a 6 ans
- Total affichages :
Transcription
1 loi de probabilité à densité Table des matières 1 loi de probabilité à densité activités activité 1 : (loi à densité sur un intervalle) corrigés activités corrigé activité 1 : (loi à densité sur un intervalle) à retenir exercices corrigés exercices loi uniforme activité activité 1 : (loi uniforme sur un intervalle) activité 2 : (loi uniforme sur un intervalle) corrigés activités corrigé activité 1 : (loi uniforme sur un intervalle) à retenir exercices loi mormale activités Activité 1 : loi normale centrée réduite : N(;1) Activité 2 : une loi normale, non centrée non réduite : N(m;σ) Activité 3 : programme calculatrice et loi normale à retenir exercices évaluations évaluation corrigé évaluation
2 1 loi de probabilité à densité 1.1 activités
3 1.1.1 activité 1 : (loi à densité sur un intervalle) Un responsable de station service reçoit de quatre fournisseurs de carburant des informations concernant les heures possibles de livraison C fa heure C fb heure.15 C fc.15 C fd heure Fournisseur A : f A (x) = 1 pour x [2;1] et sinon ( densité de Loi Uniforme) 8 Fournisseur B : f B (x) =,2x,24 pour x [12;22] et sinon ( densité de Loi affine) Fournisseur C : f C (x) = x x pour x [12;2] et sinon ( densité de Loi Polynomiale de degré 2) 8 16 D : f D (x) = π e 2 (x 8 ) 3 2 ; x ] ;+ [ ( densité de Loi Normale de moyenne = 8 et d écart type σ = 3) Principe : Soit X une "variable aléatoire" dont la "loi de probabilité" est définie par une "fonction de densité de { probabilité" f ( f définie sur un intervalle I) Quels que soient les réels a < b dans I, p(a X b) = aire sous la courbe de f entre a et b 1. Soit X l heure de livraison (pour chaque question, on suppose que la loi de probabilité de X est donnée par le principe précédent) (a) Fournisseur A heure i. déterminer la probabilité p(6 X 1) que le fournisseur A passe entre 6h et 1h (3 méthodes) ii. calculer les probabilités qu il passe exactement à 1h, exactement à 6h puis p(6 < X < 1) iii. calculer la probabilité qu il passe avant midi (b) Fournisseur B i. vérifier que p(12 X 22) = 1 et interpréter le résultat ii. déterminer la probabilité qu il passe après 17h (c) Fournisseur C i. est-il du matin? donner le plus petit intervalle I tel que p(x I) = 1 (justifier) ii. sans calcul, estimer les probabilités p(x > 16),p(X 16) puis vérifier par calcul pourp(x 16) (d) Fournisseur D i. est-il du matin? (justifier) ii. estimer puis déterminer (à la calculatrice) les probabilités suivantes puis interpréter A. p(x [5;11]) B. p(x [2;14])
4 1.2 corrigés activités
5 1.2.1 corrigé activité 1 : (loi à densité sur un intervalle) Un responsable de station service reçoit de quatre fournisseurs de carburant des informations concernant les heures possibles de livraison.2.15 C fa Soit X l heure de livraison (a) Fournisseur A i. méthode 1 : Graphiquement : heure p(6 X 1) = aire sous la courbe entre 6 et 1 p(6 X 1) = aire du rectangle hachuré p(6 X 1) = longueur largeur p(6 X 1) = (1 6) 1 8 = =,5 méthode 2 : Algébriquement : p(6 X 1) = aire sous la courbe entre 6 et 1 p(6 X 1) = p(6 X 1) = p(6 X 1) = [ 1 8 x]1 6 6 f A (x)dx 1 8 dx p(6 X 1) = = 4 8 =,5 méthode 3 : Numériquement : (programme calculatrice) p(6 X 1) = aire sous la courbe entre 6 et 1 1 p(6 X 1) = f A (x)dx 6 p(6 X 1) =,5 1 f A (x)dx = F A (1) F A (1) = 1 de même, la probabilités qu il passe exactement à 1h exactement à 6h = ii. probabilités qu il passe exactement à 1h = p(x = 1) = p(6 < X < 1) = p(6 X 1) p(x = 1) p(x = 6) = p(6 X 1) p(6 < X < 1) = p(6 X 1) iii. probabilité qu il passe avant midi = p(x 12) = (1 2) 1 8 = 1
6 (b) Fournisseur B.15 C fb i. méthode 1 : Graphiquement : heure p(12 X 22) = aire sous la courbe entre 12 et 22 p(12 X 22) = aire du triangle base hauteur p(12 X 22) = = (22 12),2 2 2 Le livreur B passe à coup sur entre 12h et 22h = 1 méthode 2 : Algébriquement : p(12 X 22) = aire sous la courbe entre 12 et 22 p(12 X 22) = p(12 X 22) = f B (x)dx (,2x,25)dx p(12 X 22) = [,1x 2,25x] p(12 X 22) = (,1 22 2,25 22) (,1 12 2,25 12) p(12 X 22) =,44 (,144) p(12 X 22) = 1 ii. probabilité qu il passe après 17h méthode 2 : Algébriquement : p(x 17) = p(12 X 22) = aire sous la courbe entre 17 et 22 p(x 17) = p(x 17) = f B (x)dx (,2x,25)dx p(x 17) = [,1x 2,25x] p(x 17) = (,1 22 2,25 22) (,1 17 2,25 17) p(x 17) =,75
7 (c) Fournisseur C.15 C fc i. il n est pas du matin car p(x [12;2]) = 1 heure méthode 2 : Algébriquement : p(12 X 2) = aire sous la courbe entre 12 et 2 p(12 X 2) = p(12 X 2) = f C (x)dx ( x x )dx p(12 X 2) = [ x x x]2 12 p(12 X 2) = ( ) ( ) p(12 X 2) = 1 ii. sans calcul, par symétrie de la courbe, on estime que p(x > 16) = p(x 16) =,5 méthode 2 : Algébriquement : p(12 X 16) = aire sous la courbe entre 12 et 2 p(12 X 16) = p(12 X 16) = f C (x)dx ( x x )dx p(12 X 16) = [ x x x]2 12 p(12 X 16) = ( ) ( ) p(12 X 16) =,5
8 (d) Fournisseur D.15 C fd.1.5 heure i. il est du matin car p(x 12), 9 (graphiquement) ii. estimer puis déterminer (à la calculatrice) les probabilités suivantes puis interpréter A. p(x [5;11]),7 (graphiquement) méthode 3 : Numériquement : (programme calculatrice) p(5 X 11) = aire sous la courbe entre 5 et p(5 X 11) = f D (x)dx 5 p(5 X 11) =,68 B. p(x [2;14]),9 (graphiquement) méthode 3 : Numériquement : (programme calculatrice) p(2 X 14) = aire sous la courbe entre 2 et p(2 X 14) = f D (x)dx 2 p(2 X 14) =,95
9 1.3 à retenir définition 1 : (variable aléatoire continue et loi de probabilité à densité ) la variable aléatoire X est "continue" et a pour "loi de probabilité à densité" la fonction f définie sur I R si et seulement si Aire = 1 UA C f (1) f(x) quel que soit x I (f est positive sur I) (2) l aire sous la courbe de f vaut 1 pour x I Aire = p(c X d) C f quels que soient les réels c d appartenant à I (3) p(c X d) = aire sous la courbe de f entre c et d a b x a c d b x Remarques : i. pour une fonction f continue sur I, on a : p(c X d) = f(x)dx = F(d) F(c) c ii. p(c X c) = p(x = c) = pour tout c I iii. p(c X d) = p(x = c)+p(c < X < d)+p(x = d) = +p(c < X < d)+ = p(c < X < d) soit : p(c X d) = p(c < X < d) ( < et donnent la même valeur de probabilité ) définition 2 : (espérance d une variable aléatoire continue) Soit la variable aléatoire X de "loi de probabilité à densité" la fonction f définie et continue sur [a; b] R Le nombre noté E(X) et appelé l espérance de X est tel que : E(X) = Remarque : i. E(X) est aussi appelé "valeur moyenne" de X d b xf(x)dx a 1.4 exercices exercice 1 : La durée de vie d une marque d ampoules en centaines d heures est modélisée par la variable aléatoire X où X a pour densité de probabilité f(x) =,5e,5x pour x 1. justifier que f est positive pour x > 2. montrer que pour tout a >, x > vaut 1 a f(x)dx = 1 e,5a et en déduire que l aire sous la courbe de f pour 3. calculer la probabilité que la durée de vie d une ampoule de la marque précédente soit de moins de 4 centaines d heures 4. en déduire la probabilité que la durée de vie d une ampoule de la marque précédente soit d au moins 4 centaines d heures 5. déterminer la plus petite durée α à 1 heure près, telle qu une ampoule ait une chance sur 2 de durer moins de α heures exercice 2 : La durée de l arrêt du bus à la station "Euler" (en minutes) est modélisée par la variable aléatoire T où T a pour densité de probabilité f(t) = 1 pour t [1;e] t 1. vérifier que f est positive et que l intégrale vaut 1 sur [1;e] 2. calculer la probabilité que l arrêt soit compris entre 1 et 2 minutes 3. déterminer la plus petite durée α à,1 minute près, telle qu un arrêt ait une chance sur 2 de durer moins de α minutes 4. calculer la durée moyenne d un arrêt à 1 seconde près
10 1.5 corrigés exercices corrigé exercice 1 : 1. {,5 > e,5x > en tant qu exponentiel donc,5e,5x > donc f(x) > pour tout x > 2. a f(x)dx = a (,5e,5x )dx = [,5 1,5 e,5x ] a = [ e,5x ] a = ( e,5a ) ( e,5 ) = 1 e,5a aire sous la courbe de f pour x > = lim a (1 e,5a ) = 1 e,5 (+ ) = 1 e = 1 = 1 3. p(x < 4) = p( < X < 4) = 4 4. p(x > 4) = 1 p(x < 4) 1,865,135 f(x)dx = 1 e,5 4 = 1 e 2, on cherche la plus petit valeur de α telle que p(x < α) =,5 p( < X < α) =,5 1 e,5a =,5 1,5 = e,5a,5 = e,5a ln(,5) =,5a ln(,5),5 = a a 1,39 soit 139 heures
11 corrigé exercice 2 : 1. pour t [1;e], f(t) = 1 t est positif e 1 f(x)dx = e 1 ( 1 x )dx = [lnx]e 1 = lne ln1 = 1 = 1 2. p(1 < T < 2) = 2 1 f(x)dx = [lnx] 2 1 = ln2 ln1 = ln2,69 3. on cherche la plus petit valeur de α telle que p(x < α) =,5 p(1 < X < α) =,5 [lnx] a 1 = lna =,5 a = e,5 1,65 4. durée moyenne d un arrêt à 1 seconde près = E[X] = e 1 1,718 minutes e 1 xf(x)dx = e 1 x 1 e x dx = 1dx = [x] e 1 = 1
12 2 loi uniforme 2.1 activité
13 2.1.1 activité 1 : (loi uniforme sur un intervalle) 1. Quatre choix de garages son possibles pour la réparation d une voiture. Les durées de réparations sont décrites ci dessous : Garage A : entre 1h et 5h Garage B : entre 4h et 5h Garage C : entre 3h et 8h Garage D : entre 1h et 8h Pour chacun des garages on considère que la durée de réparation X en heures suit une loi uniforme sur l intervalle donné (a) représenter la loi de densité de X dans des repères pour chacun des garages et donner la formule de cette fonction (f A (x),f B (x),...) (b) calculer les probabilités p(x 4) et p(x < 4) pour chacun des garages (c) dans quel garage est-il le plus probable que la durée de la réparation dure moins de 4h? (d) si X suit une loi uniforme sur [a;b], montrer que la valeur moyenne de X est E[X] = a+b 2 en déduire E[X] pour chacun des garages et interpréter la valeur la plus petite (e) on souhaite que la réparation dure entre 2h et 3,5h, dans quel garage est-il le plus probable que cela soit le cas? (justifier) (f) si X suit une loi uniforme sur [a;b], exprimer en fonction de a,b,c et d de la probabilité p(c < X < d) où [c;d] est inclu dans [a;b]
14 2.1.2 activité 2 : (loi uniforme sur un intervalle) Une personne attend la livraison d un article commandé sur internet. Le livreur passe toulours entre 1h et 15h et la variable aléatoire égale à l heure de livraison est notée X où X [1;15].2 C f sans intégrale heure (a) on suppose que chacune des heures entre 1h et 15h ([1; 11[,[11; 12[,[12; 13[,[13; 14[,[14; 15] ) a la même probabilité "de voir" le livreur passer. i. déterminer (en justifiant), la probabilité que le livreur passe dans l intervalle [1;11[ cette probabilité est notée p(1 X < 11) ou encore p(x [1; 11[) ii. en terme d aire, comment représenter la probabilité précédente sur le graphique? (la colorier ci contre) iii. donner le valeur de p(x [1; 15]) et interpréter le résultat iv. représenter sur le graphique, déterminer la valeur de p(13 X 15) et interpréter le résultat v. on cherche la probabilité que a livraison arrive entre 11h3 et 12h15, en raisonnant "avec les aires" déterminer la valeur suivante et conclure p(11, 5 X 12, 25) vi. en raisonnant "avec les aires", donner les valeur respectives de : p(x = 1), p(x = 11) et p(x = 12,15), quelle est la probabilité d une valeur isolée? vii. en raisonnant "avec les aires" donner deux notations (avec inégalités puis avec intervalles) ainsi que la valeur de la probabilité que le livreur passe "avant 11h ou après 13h" viii. déterminer l intervalle centré en 12 dont la probabilité est de 5% et interpréter le résultat cela revient à trouver la valeur de t pour que p(x [12 t;12+t]) =,5 2. avec intégrale (a) retrouver les trois derniers résultats précédents à l aide de calculs d intégrales (b) intuitivement, quelle devrait être l heure moyenne d une livraison avec ce livreur? (c) calculer E(X) = 15 1 xf(x)dx où f(x) =, 2 et comparer au résultat précédent 3. si le livreur passe toujours entre 8h et 18h, représenter ci dessous la courbe de la fonction f qui permettrait de déterminer les probabilités d intervalles et donner la formule de f (appelée "densité de probabilité") (a) calculer p(12 < X < 15) 4. si le livreur passe toujours entre a heure et b heure, quelle est alors la formule de f? on définit ainsi une loi... sur l intervalle... heure
15 2.2 corrigés activités
16 2.2.1 corrigé activité 1 : (loi uniforme sur un intervalle) 1. Quatre choix de garages son possibles pour la réparation d une voiture. Les durées de réparations sont décrites ci dessous : Garage A : entre 1h et 5h Garage B : entre 4h et 5h Garage C : entre 3h et 8h Garage D : entre 1h et 8h (a) C fb C fa.3 C fc C fd.1 heure.1 heure.1 heure.1 heure f A (x) = = 1 4 =,25 f B (x) = = 1 1 = f C (x) = = 1 5 =,2 f D (x) = = 1 7 (b) p(x 4) et p(x < 4) pour chacun des garages i. garage A : p(x 4) = aire sous la courbe entre 4 et 5 = hauteur largeur = (5 4) = 1 4 =,25 p(x < 4) = 1 p(x 4) = 1,25 =,75 ii. garage B : p(x 4) = aire sous la courbe entre 4 et 5 = hauteur largeur = (5 4) = 1 1 = 1 p(x < 4) = 1 p(x 4) = 1 1 = iii. garage C : p(x 4) = aire sous la courbe entre 4 et 8 = hauteur largeur = (8 4) = 4 5 =,8 p(x < 4) = 1 p(x 4) = 1,8 =,2 iv. garage D : p(x 4) = aire sous la courbe entre 4 et 8 = hauteur largeur = (8 4) = 4 7,57 p(x < 4) = 1 p(x 4) = = 3 7,43 (c) il est le plus probable que la durée de la réparation dure moins de 4h dans le garage A avec une probabilité de 75%
17 (d) si X suit une loi uniforme sur [a;b] b b E[X] = xf(x)dx = x 1 dx = [x2 a a b a 2 1 b a ]b a = (b2 2 1 b a ) (a2 2 1 b a ) E[X] = b2 a 2 2(b a) = (b a)(b+a) = a+b 2(b a) 2 i. garage A : E[X] = a+b = ii. garage B : E[X] = a+b = iii. garage C : E[X] = a+b = iv. garage D : E[X] = a+b = (e) i. garage A : = 3 heures = 4,5 heures = 5,5 heures = 4,5 heures p(2 < X < 3,5) = aire sous la courbe entre 2 et 3,5 = 1 1,5 (3,5 2) = =,375 ii. garage B : p(2 < X < 3,5)) = aire sous la courbe entre 2 et 3,5 = = iii. garage C : p(2 < X < 3,5)) = aire sous la courbe entre 2 et 3,5 = 1,5 (3,5 3) = =,1 iv. garage D : p(2 < X < 3,5)) = aire sous la courbe entre 2 et 3,5 = 1 1,5 (3,5 2) = 8 1 7,21 c est donc dans le garage A avec une probabilité de 37,5% (f) si X suit une loi uniforme sur [a;b], exprimer en fonction de a,b,c et d de la probabilité p(c < X < d) où [c;d] est inclu dans [a;b] p(c < X < d) = 1 d c (d c) = b a b a
18 2.3 à retenir définition 3 : (loi de densité d une loi uniforme) Soit la variable aléatoire X à valeurs dans l intervalle [a;b] où a < b sont deux réels. X suit une loi uniforme sur l intervalle [a;b] équivaut à la loi de densité de X est f(x) = 1 sur [a;b] b a a f(x) = 1 b a b x propriété 1 : (probabilité et loi uniforme) Si X suit une loi uniforme sur [a;b] alors quels que soient les réels c d appartenant à [a;b] p(c X d) = d c = (d c) 1 b a b a a c f(x) = 1 b a d b x propriété 2 : (Espérance et loi uniforme) Si la variable aléatoire X suit une loi uniforme sur [a;b] Alors E[X] = a+b exercices exercice 3 : Une personne P prend consécutivement le bus puis le tram Sur les lignes que prend P, un bus passe toute les 15 mn et un tram passe toute les 2mn On suppose que pour le bus, le temps d attente X en minutes suit une loi uniforme sur [;15], alors que pour le tram, le temps d attente Y en minutes suit une loi uniforme sur [;2] 1. quelle est la probabilité que P attende le bus moins de 5mn 2. quelle est la probabilité que P attende le tram moins de 5mn 3. on suppose que les temps d attentes sont indépendants, quelle est la probabilité que P attende le bus et le tram moins de 5 mn 4. quelle est la probabilité que P attende le tram moins de 5 mn sachant qu il a attendu le bus moins de 5mn 5. calculer les temps moyens d attentes du bus et du tram exercice 4 : Un distributeur automatique de café rempli chacun des gobelets de X ml de café où X suit une loi uniforme sur [1;14] 1. quelle est la probabilité d obtenir au moins 125 ml de café? 2. quelle est la contenance moyenne? 3. on considère avoir été "volé" si on obtient moins de 11 ml avec quelle probabilité cela arrive t-il? 4. le gobelet est "correct" s il contient entre 11 et 125 ml quelle est la probabilité d obtenir un gobelet "correct"?
19 3 loi mormale 3.1 activités
20 3.1.1 Activité 1 : loi normale centrée réduite : N(;1) La température T dans une certaine chambre froide est réglée à degré. la température réelle est supposée suivre une loi normale centrée de moyenne m = et réduite d écart type σ = 1 La densité de probabilité de T est alors f(x) = 1 2π e 1 2 x2 pour x R C f quel élément de symétrie cette courbe admet-elle? 2. quelles sont les températures possibles dans la chambre froide? 3. quelle est la température la plus probable? où doit-être centré un intervalle pour avoir la plus grande probabilité? 4. que dire pour les intervalles de "températures extrêmes"? 5. déterminer éventuellement à la calculatrice (au centième) les probabilités suivantes et comparer aux résultats estimés graphiquement (a) p(t ] ;+ [) sans aucun calcul (b) p(t ) et p(t ) sans aucun calcul (c) p( 1 T 1) (d) p( 2 T 2) (e) p( 3 T 3) 6. comparer p(t 1) et p(t 1) et donner une valeur approchée à,1 près 7. quel est le lien entre p(t a) et p(t a) où a R 8. (a) exprimer p(t a) en fonction de p(t ) et p( T a) (b) en déduire que p(t a) =,5 p( T a) (c) en déduire p(t 2) à,1 près (à la calculatrice) 9. en procédant comme précédemment, déterminer p(t 1) à,1 près (à la calculatrice)
21 3.1.2 Activité 2 : une loi normale, non centrée non réduite : N(m;σ) la répartition des notes à un examen est approximée par la courbe en cloche caractéristique d une loi normale ci dessous. On a déterminé qu une loi normale de moyenne m = 1 et d écart type σ = 3 convenait note On dit que la note l examen est relativement bien approchée par une variable aléatoire X où X suit une loi normale N(1 ; 3). La fonction de répartition de X est alors f(x) = π e 2 (x 1 ) 3 2 pour x R 1. donner un élément de symétrie de la courbe 2. donner sans aucun calcul p(x < 1) et p(x > 1) 3. déterminer à la calculatrice (au centième) les probabilités suivantes et comparer aux résultats estimés graphiquement (a) p(7 T 13) (b) p(4 T 16) (c) p(1 T 19) 4. comparer p(t 12) et p(t 8) et donner une valeur approchée à,1 près
22 3.1.3 Activité 3 : programme calculatrice et loi normale Pour la fonction f telle que f(x) = 1 1 σ 2π e 2 (x m ) σ 2 pour x R qui correspond à la loi de densité de la loi normale N(m;σ) de moyenne m R et d écart type σ > On veut obtenir une la valeur approchée de : p(a X b) = quand on entre les valeurs de m et σ ainsi que a et b algorithme et programmes : 1. recopier un des programmes suivants dans votre calculatrice b a f(x)dx algorithme Début //Variables a,b,n, larg, inf, sup, L, x, i, fi, fj, I //Entrées demander à l utilisateur la valeur de m demander à l utilisateur la valeur de s demander à l utilisateur la valeur de a demander à l utilisateur la valeur de b demander à l utilisateur la valeur de n //Initialisations affecter à larg la valeur (b-a)/n affecter à inf la valeur affecter à sup la valeur affecter à i la valeur //Traitements TANS QUE i < n FAIRE affecter à x la valeur a + i*larg 1 1 affecter à fi la valeur σ 2π e 2 (x m σ affecter à inf la valeur inf + fi affecter à x la valeur a + (i+1)*larg 1 1 affecter à fj la valeur σ 2π e 2 (x m σ affecter à sup la valeur sup + fj affecter à i la valeur i+1 fin TANS QUE affecter à inf la valeur L * inf affecter à sup la valeur L * sup affecter à I la valeur (inf+sup)/2 //Sortie afficher inf afficher sup afficher I Fin ) 2 ) 2 programme pour TI disp "MOY" input M disp "SIG" input G disp "A" input A disp "B" input B disp "N" input N (B-A)/N L F S I While I < N A+I*L X F+1/(G (2 π)) e (.5 ((X M)/G) 2) F A+(I+1)*L X S+1/(G (2 π)) e (.5 ((X M)/G) 2) S I+1 I End F*L F S*L S (F+S)/2 T Disp F Disp S Disp T
23 programme pour Casio "MOY" :? M "SIG" :? G "A" :? A "B" :? B "N" :? N (B-A)/N L F S I While I < N A+I*L X F + 1/(G (2 π)) e (.5 ((X M)/G) 2) F A+(I+1)*L X S + 1/(G (2 π)) e (.5 ((X M)/G) 2) S I+1 I WhileEnd F*L F S*L S (F+S)/2 T F S T 2. utiliser le programme de la calculatrice pour trouver une valeur approchée des probabilités suivantes à,1 près (a) X suit une loi N(1; 3) i. p(7 T 13) ii. p(t 1) iii. p(t 18) (b) X suit une loi N(1; 1) i. p(9 T 11) ii. p(8 T 12) iii. p(7 T 13) iv. p(t 5) v. p(t 15)
24 3.2 à retenir définition 4 : la loi N( ;1) de moyenne m = et d écart type σ = 1 est appelée loi normale centrée réduite Sa courbe est celle de f avec f(x) = 1 2π e x2 2 où x R. C f est symétrique par rapport à l axe des ordonnées p(x t) X t propriété 3 : (admise) par symétrie de la courbe de la loi normale N( ;1), on a les égalités suivantes pour t > : (1) p(x ) = p(x ) =,5 (2) p(x t) = 1 p(x t) p(x t) 1 p(x t) X t (3) p(x t) = p(x t) = 1 p(x t) p(x t) 1 p(x t) (4) p( 1 X 1),69 69% X (4) p( 1,96 X 1,96),95 95% t t (5) p( 2 X 2),95 95% X (6) p( 3 X 3),99 99% 68% σ σ 95% % 3 3 définition 5 : la loi N(m ;σ) de moyenne m et d écart type σ est appelée loi normale de moyenne m et d écart type σ Sa courbe est celle de f avec f(x) = 1 1 σ 2π e 2 (x m ) σ 2 où x R. C f est symétrique par rapport à la droite verticale d équation x = m p(x t) X m t
25 propriété 4 : (admise) par symétrie de la courbe de la loi normale N(m ;σ), on a les égalités suivantes pour t > : (1) p(x m) = p(x m) =,5 (2) p(x t) = 1 p(x t) p(x t) 1 p(x t) X t (3) p(x m t) = p(x m+t) = 1 p(x m+t) p(x m t) 1 p(x m+t) (4) p(m σ X m+σ),69 69% X m t m m+t (4) p(m 1,96σ X m+1,96σ),95 95% (5) p(m 2σ X m+2σ),95 95% m X (6) p(m 3σ X m+3σ),99 99% 68% m σ m+σ 95% m 2σ m+2σ 99% m 3σ m+3σ 3.3 exercices exercice 5 : la variable aléatoire X suit une loi N(;1) 1. donner sans aucun calculs (a) p( 2 X 2) (b) p( 3 X 3) (c) p( 1 X 1) 2. donner grace à la calculatrice (a) p(x 1,25) (b) p(x,5) (c) p( 1,5 X 1,5) exercice 6 : la variable aléatoire X suit une loi N(2;15) 1. donner sans aucun calculs (a) p(17 X 23) (b) p(185 X 215) (c) p(155 X 245) 2. donner grâce à la calculatrice (a) p(x 26) (b) p(x 14) (c) p(16 X 21)
26 exercice 7 : La durée de charge d une batterie X suit une loi normale d espérance 1h et d écart type 2h. 1. quelle est la probabilité que cette batterie ait une durée de charge : (a) supérieure à 15h? (b) inférieure à 15h? (c) comprise entre 8h et 12h? (d) comprise entre 9h et 13h? 2. sachant que la batterie fonctionne de puis 12h, quelle est la probabilité qu elle fonctionne encore pendant au moins 3h? 3. déterminer a à,1 tel que p(1 a X 1+a) =,99 4. déterminer a à,1 près tel que p(x a) =,99
27 4 évaluations 4.1 évaluation 1
28 nom :... évaluation : loi à densité voici des informations concernant le délais de livraison X en heures pour 3 livreurs à domicile les courbes ci dessous sont les fonctions de densité de loi de probabilité de X pour chacun des livreurs C fa heure C fb heure.75 C fc heure 1. Livreur A (a) étant donnée la courbe C fa, préciser au maximum la loi de probabilité suivie par X pour le livreur A ( X suit une loi... ) et donner la formule de la fonction de densité (f A (x) =... pour x...) (b) déterminer la probabilité d être livré en moins de 7h avec ce livreur (c) quelle est la probabilité d être livré en plus de 7h avec ce livreur? (d) Calculer E(X) et interpréter le résultat 2. Livreur B sachant que la fonction de densité de probabilité est f B (x) =,2x,4 pour le livreur B (a) déterminer p(x 7) graphiquement (b) retrouver le résultat précédent par calcul (c) interpréter le résultat précédent dans le contexte 3. Livreur C sachant que X suit une loi normale N(1;4) pour le livreur C (a) préciser les valeurs de m et σ (b) déterminer p(x 1) sans calcul (c) déterminer p(6 X 14) sans calcul (d) déterminer p(7 X 15) à 1% avec la calculatrice (e) déterminer p(x < 7) à 1% avec la calculatrice 4. avec quel livreur a t-on le plus de chances d être livré en moins de 7h? (justifier) 5. un autre livreur D est tel que X suit une loi uniforme sur [4,24] calculer p(x < 7) à 1% près et le comparer aux précédents
29 4.2 corrigé évaluation 1
30 Exercice 1 : corrigé évaluation : loi à densité 1. Livreur A (a) X suit une loi uniforme avec f A (x) = 1 =,1 pour x [6;16] 16 6 (b) probabilité d être livré en moins de 7h = p(x 7) = p(6 X 7) = 7 6 =,1 = 1% 16 6 (c) probabilité d être livré en plus de 7h avec ce livreur = p(x 7) = 1 p(x 7) = 1,1 =,9 (d) E(X) = 6+16 = 11 soit 11h d attente en moyenne 2 2. Livreur B sachant que la fonction de densité de probabilité est f B (x) =,2x,4 pour le livreur B (a) p(x 7) = aire sous la courbe entre 2 et 7 = aire d un triangle = (7 2),1 =,25 = 25% 2 (b) résultat précédent par calcul : 7 p(x 7) = p(2 X 7) = f(x)dx 2 7 p(x 7) = (,2x,4)dx = [,1x 2,4x] 7 2 = (,1 72,4 7) (,1 2 2,4 2) 2 p(x 7) =,25 (c) le résultat précédent dans le contexte signifie que : avec le livreur B on a 25% de chances d être livré en moins de 7 heures 3. Livreur C sachant que X suit une loi normale N(1;4) pour le livreur C (a) m = 1 et σ = 4 (b) p(x 1) =,5 par symétrie (c) p(6 X 14) = p(m σ X m+σ) =,68 (d) p(7 X 15) 67% à 1% avec la calculatrice (e) déterminer p(x < 7) =,5 p(7 X 1),5, % à 1% avec la calculatrice 4. c est avec le livreur B que l on a le plus de chances d être livré en moins de 7h avec 25% 5. livreur D : p(x < 7) = = 3 2 = 15% D se place donc entre A (1%) et C (23%) Exercice 2 : (7 page 224) (a) si la pièce est équilibrée : p(pile) =,5 (b) intervalle de fluctuation asymptotique : n = 1 p = 6 1 =,6,6 (1,6),6 (1,6) I = [,6 1,96 ;,6+1,96 ] 1 1 I = [ 5,4%;69,6%] (c) 5% / [ 5,4%;69,6%] donc on rejette l hypothèse avec un risque de 5%
TSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détail= constante et cette constante est a.
Le problème Lorsqu on sait que f(x 1 ) = y 1 et que f(x 2 ) = y 2, comment trouver l expression de f(x 1 )? On sait qu une fonction affine a une expression de la forme f(x) = ax + b, le problème est donc
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailExercices 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 détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailL ALGORITHMIQUE. Algorithme
L ALGORITHMIQUE Inspirée par l informatique, cette démarche permet de résoudre beaucoup de problèmes. Quelques algorithmes ont été vus en 3 ième et cette année, au cours de leçons, nous verrons quelques
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
Plus en détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailmathématiques mathématiques mathématiques mathématiques
mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailCorrigé du baccalauréat S Pondichéry 13 avril 2011
Corrigé du baccalauréat S Pondichéry avril EXERCICE Commun à tous ls candidats Parti I points. L ax ds ordonnés st asymptot à C au voisinag d ; la fonction étant décroissant sur ] ; + [, la limit quand
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailMathématiques I Section Architecture, EPFL
Examen, semestre d hiver 2011 2012 Mathématiques I Section Architecture, EPFL Chargé de cours: Gavin Seal Instructions: Mettez votre nom et votre numéro Sciper sur chaque page de l examen. Faites de même
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailCorrection : E = Soit E = -1,6. F = 12 Soit F = -6 3 + 45. y = 11. et G = -2z + 4y G = 2 6 = 3 G = G = -2 5 + 4 11
Correction : EXERCICE : Calculer en indiquant les étapes: (-6 +9) ( ) ( ) B = -4 (-) (-8) B = - 8 (+ 6) B = - 8 6 B = - 44 EXERCICE : La visite médicale Calcul de la part des élèves rencontrés lundi et
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailLE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» )
SYNTHESE ( THEME ) FONCTIONS () : NOTIONS de FONCTIONS FONCTION LINEAIRE () : REPRESENTATIONS GRAPHIQUES * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
Plus en détailQuelques contrôle de Première S
Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage
Plus en détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailLes droites (d 1 ) et (d 2 ) sont sécantes en A Le point A est le point d intersection des 2 droites
I Droites perpendiculaires Lorsque deux droites se coupent, on dit qu elles sont sécantes Les droites (d 1 ) et (d 2 ) sont sécantes en A Le point A est le point d intersection des 2 droites Lorsque deux
Plus en détailMais comment on fait pour...
Mais comment on fait pour... Toutes les méthodes fondamentales en Maths Term.S Édition Salutπaths Table des matières 1) GÉNÉRALITÉS SUR LES FONCTIONS...13 1.Comment déterminer l'ensemble de définition
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailmathématiques mathématiques mathématiques mathématiques mathématiques mathématiques SÉRIE ES ANNALES DES SUJETS DE MATHÉMATIQUES SESSION 2013
mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques mathématiques
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailGEA 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 détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailLoi 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