Introduction aux théorèmes limites et aux intervalles de confiance

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Introduction aux théorèmes limites et aux intervalles de confiance"

Transcription

1 Chapitre 5 Itroductio aux théorèmes limites et aux itervalles de cofiace Objectifs du chapitre. Savoir approcher ue loi biomiale par ue loi de Poisso ou ue loi ormale. 2. Savoir approcher ue loi e appliquat le théorème cetral limite. 3. Savoir calculer u itervalle de cofiace das le cadre d u sodage. 4. Compredre le lie etre l approche fréquetielle des probabilités et la loi des grads ombres. Applicatio : méthode de Mote-Carlo de calculs d itégrales. 5. Approximatio d ue loi biomiale Nous l avos vu das les chapitres précédets, les loi biomiale et hypergéométrique itervieet das des jeux de hasard et utiliset des factorielles. L usage de factorielles iduit e gééral de gros chiffres, dot la maipulatio à la mai est risquée et fut aguère source d istabilités umériques. A titre d exemple ous vous recommados de taper sur votre calculatrice 0!, 32!, 52! et 365! pour avoir u aperçu du problème. Das ces coditios il est écessaire d avoir ue approximatio de ces lois là ettemet plus magiable et dot o sait cotrôler l erreur. 5.. Approximatio d ue loi biomiale par ue loi de Poisso Le théorème de Poisso doe ue approximatio de la loi biomiale B, p) lorsque est grad et p petit. Théorème 5.. Théorème de Poisso). Soit p ) ue suite de réels de l itervalle ]0, telle que lim p = λ où λ > 0. Cosidéros pour chaque etier ue variable aléatoire S de loi B, p ). O a doc { C k PS = k) = P k) = p k p ) k si 0 k 0 sio. Alors pour tout etier k N, la suite de terme gééral PS = k) est covergete et o a Démostratio. Par hypothèse la suite PS = k) = p λ lim PS = k) = e )) λ λk k!. otée u ) ted vers 0 quad. Doc p = λ + u. Pour tout k, )... k + ) λ k! + u ) k λ + u )) k λ λk e k!.

2 e particulier )... k + ) λ k! + u ) k = )... k + ) k λ + u ) k λk k! k! et λ u ) k ) = e k) λ u + v 2 e λ. Vitesse de covergece Si pour tout ous avos p = λ avec λ > 0 o a alors l estimatio P λ λk k) e k! 2λ mi2,λ). k=0 E particulier, pour tout k N, o a P k) e λ λk k! 2λ mi2,λ). Ituitivemet, le théorème de Poisso doe ue approximatio de la loi biomiale lorsque le paramètre p est petit. E particulier, o remplace la loi biomiale B, p) par la loi de Poisso Pp) dès que est assez grad de l ordre de 30 et p est petit de l ordre de 0.. Exemple O veut détermier umériquemet la probabilité P k) pour que parmis persoes k soiet ées le er javier. O suppose qu aucue persoe est ée le 29 février et de plus que tous les jours sot équiprobables. O fait l étude pour = 500. Le ombre de persoes ées le premier javier suit ue loi biomiale B,/365). Si = 500 alors p,369 : P B500,/365) N = 0) = ; P Pλ N = 0) = P B500,/365) N = 4) = ; P Pλ N = 0) = P B500,/365) N = 7) = ; P Pλ N = 0) = Approximatio d ue loi biomiale par la loi de Gauss Si p est pas trop petit et est grad commet approximer PS = k) lorsque S suit ue loi biomiale B, p)? Théorème 5..3 Moivre-Laplace). Si S est ue variable aléatoire suivat ue loi biomiale B, p). Pour tout k, k ES))2 PS = k) e 2.varS). 2.varS ) Pour tout 0 < a < b, P a < S ) ES ) b b e x2 /2 dx. σs ) Remarque O a le résultat d uiformité plus fort : sup P a < S ) ES ) b b e x2 /2 dx 0 <a<b + σs ) a Corollaire Si S est ue variable aléatoire suivat ue loi biomiale B, p), alors pour tout,β avec < β + a o a P < S β) β ES) σs) ES) σs) e x2 /2 dx. 2

3 5.2 Le théorème de la limite cetrale Le théorème suivat motre combie la loi ormale est cetrale! Théorème 5.2. Théorème de la limite cetrée). Soit Ω,A,P) u espace probabilisé. Soit X ) ue suite de variables aléatoires idépedates, de même loi, de classe L 2, de moyee E et d écart-type σ. Soit Pour tout couple a,b) avec a,b, ] ous avos S = j= X j E σ. b Pa < S b) e x2 /2 dx. Remarque Ce théorème gééralise le théorème de Moivre-Laplace car ue variable aléatoire S de loi B, p) a même loi qu ue somme X X de variables aléatoires de Berouilli idépedates de paramètre p. Plus gééralemet, si X = j= X j où les X j ) sot idépedates de même loi L 2 alors o peut approximer X par N EX),VarX)). Exemple O jette u dé équilibré 2000 fois. O cherche la probabilité pour que le ombre de 6 obteus soit compris etre 800 et 200. ) Le ombre de 6 obteus est ue variable aléatoire de loi biomiale B2000,/6). O a a = 800 et b = 200. Par le théorème de Moivre-Laplace o a Avec P800 N 2000) Φ ) Φ ) /6).5/6) 2000./6).5/6) Φx) = x a e t2 /2 dt. Termios ce paragraphe par u lemme, utile par exemple pour la costructio d u itervalle de cofiace. Lemme Soit X ue variable aléatoire suivat ue loi ormale cetrée réduite. Pour tout ]0,, il existe u uique réel positif t tel que P t X t ) =. Démostratio. Soit ]0,. Cosidéros la foctio t f : t P t X t) = t t e x2 /2 dx = 2 0 e x2 /2 dx. Cette foctio est dérivable de dérivée f t) = 2 e t2 /2 qui est strictemet positive. O e déduit doc que la foctio f est cotiue, strictemet croissate sur ]0,+ avec f 0) = 0 et lim t + f t) =. Cette foctio est doc ue bijectio strictemet croissate de ]0,+ sur ]0,. Il existe doc t tel que f t ) = P t X t ) =. Exemple Détermios t 0.05 et t 0.0. O ote Φ la foctio de répartitio de la loi ormale cetrée réduite. O a Par coséquet, o e déduit l équivalece PX t,t]) = ϕt) ϕ t) = 2ϕt). PX t,t ]) = Φt ) = 2. La table de la loi ormale doe Φ.96) = et doc t De même t

4 Itroductio au sodage : estimatio d ue proportio Das ue populatio, u caractère est préset das ue proportio p. O cherche à estimer la valeur de p. Pour cela o étudie u échatillo de élémets de cette populatio, et o désige par X le ombre de fois où ce caractère est retrouvé das l échatillo. Défiitio O fixe ]0, et o ote t l uique réel tel que t t ] O ote f la fréquece X. L itervalle f t 2 ; f + t 2 e x2 /2 dx =. est appelé itervalle de cofiace au iveau de p. Nous justifios ci dessous que pour grad e pratique si 30, p 5 et p) 5) et f = X ] p soit das l itervalle f t 2 ; f + t 2 est supérieure ou égale à. la probabilité que Costructio d u itervalle de cofiace au iveau. Pour tout, la variable aléatoire X suit ue loi biomiale B, p) comme répétitio de expérieces aléatoires idépedates avec probabilité p de succès. E particulier ous avos X = Y Y où les Y i sot des variables aléatoires de Beroulli idépedates de même paramètre p et d écart type p p). 2. O pose Z = X p. Par applicatio du théorème cetral limite, pour tous réels a < b o a p p) PZ t,t ]) t t e t2 /2 dt =. 3. Notos que où I = X I Z t,t ] p t p p) ; p +t p p) ]. O e déduit doc que lim PX / I ) =. 4. La foctio p p p) admet 4 comme maximum o obtiet doc l ecadremet I p t 2 ; p + t ] O e déduit alors la défiitio précédete de l itervalle de cofiace au iveau : X / p t 2 ; p + t ] 2 X p t 2 ; X + t ] 2. 4

5 Exemple Lors d ue électio opposat deux cadidats, u sodage d opiio réalisé sur u échatillo de 000 persoes doe 52% des voix au cadidat A et 48% au cadidat B.. Doos u itervalle de cofiace au iveau 0.95 des itetios de vote pour A. Nous sommes das les coditios d applicatio de la méthode précédete car 30,p = , p) 5. U itervalle de cofiace est doc doé par I = 0.52 t 2 ; t ] 2 avec = 0.05, t.96. O trouve 0.489; 0.55] I. 2. Combie de persoes suffirait-il d iterroger pour qu il y ait mois de 5% de chaces que B l emporte si A a recueilli 52% des itetios de vote das le sodage? Pour répodre à cette questio ous allos chercher le ombre de persoes écessaire pour que le pourcetage obteu par A soit compris etre 50 et 54%. Il suffit doc de résoudre l iéquatio et o obtiet Loi des grads ombres Théorème 5.3. Loi forte des grads ombres). O cosidère Ω, A, P) u espace probabilisé. O cosidère ue suite de variables aléatoire X idépedates, de même loi de classe L et d espérace E. Il existe u évéemet F A avec PF) = 0 tel que ω Ω \ F, X ω) X ω) E. Remarque Si X = X pour tout alors pour tout ω Ω, X ω) X ω) = Xω), il faudrait doc avoir Xω) = E pour presque tout ω! c est à dire X costat presque sûremet. L hypothèse X ) est ue famille de variables aléatoires idépedates permet de e pas cosidérer ce cas là. Retour sur l approche des fréqueces Cosidéros ue expériece aléatoire et u évèemet A. Répétos ue ifiité de fois l expériece. O ote X la variable aléatoire qui vaut si l évèemet est réalisé à l a -ième expériece et 0 sio. Notos f A) la variable aléatoire f A) = X X ). Les expérieces répétées état toutes idépedates, les variables aléatoires X i le sot et ot la même loi. Doc EX i ) = PX i = ) = PA), doc f A)ω) PA) pour presque toute évetualité ω c est à dire : sauf pour u esemble de probabilité d évetualités). Remarquos qu ici ue évetualité ω = ω ) est ue ifiité d expérieces successives et idépedates. 5

6 Exemple Méthode de Mote-Carlo). Soit U ) ue suite de variables aléatoires idépedates toutes de loi uiforme sur l itervalle 0,]. Soit f : 0,] R ue foctio cotiue. Que peut o dire de f U ) f U ) lorsque ted vers l ifii? Les variables aléatoires f U ) sot idépedates, de même loi et sot toutes de classe L car la foctio est cotiue sur 0, ] doc itégrable. Par la loi des grads ombres, e dehors d u esemble de probabilité ulle, pour tout ω apparteat à l uivers sous jacet f U ) f U ) f t)dt. 0 Cette méthode est utilisée pour calculer des valeurs approchées d itégrales et s appelle la méthode de Mote-Carlo. 6

Chapitre 6 Théorèmes de convergence

Chapitre 6 Théorèmes de convergence Chapitre 6 Théorèmes de covergece 1. La covergece e loi O a déjà recotré ue covergece e loi lors de l approximatio d ue loi biomiale par ue loi de Poisso. Ce problème se place das u cadre plus gééral où

Plus en détail

Annexe : Leçon 10 - Échantillonnage

Annexe : Leçon 10 - Échantillonnage Aexe : Leço 10 - Échatilloage Clémet BOULONNE pour la sessio 01 I Niveau, prérequis, référeces Niveau BTS Prérequis Probabilités, lois discrètes et cotiues Référeces [1,,, 4, 5] II Coteu de la leço 1 Approximatio

Plus en détail

CONVERGENCE ET APPROXIMATION

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

Plus en détail

TD10. Loi des grands nombres, théorème central limite.

TD10. Loi des grands nombres, théorème central limite. Uiversité Pierre & Marie Curie Licece de Mathématiques L3 UE LM345 Probabilités élémetaires Aée 2014 15 TD10. Loi des grads ombres, théorème cetral limite. 1. Soit (U ) 1 ue suite de variables aléatoires

Plus en détail

Convergences et approximations

Convergences et approximations Covergeces et approximatios Probabilités : Chapitre 5 Das tout ce chapitre, les démostratios serot faites das le cas des variables discrètes et des variables à desité. I Iégalité de Bieaymé-Tchebychev

Plus en détail

Convergence en loi. Théorème de la limite centrale.

Convergence en loi. Théorème de la limite centrale. Uiversité Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 10 (semaie du 2 au 6 décembre 2013 Covergece e loi. Théorème de la limite cetrale. Covergece e loi 1. Soiet (X N ue

Plus en détail

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

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

Plus en détail

Opérations sur les variables aléatoires Lois limites

Opérations sur les variables aléatoires Lois limites Opératios sur les variables aléatoires Lois limites A. Idépedace de deux variables aléatoires. Exemple 1. Pour améliorer le stockage d u produit u supermarché fait ue étude sur la vete de packs de 6 bouteilles

Plus en détail

Autour de la loi de Poisson

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

Plus en détail

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple.

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple. Théorie des tests : Rappel très simplifié sur u exemple. Aexe I Test de l efficacité d u remède sur des malades atteit d u rhume. p 0 : probabilité de guérir das les huit jours avec u placebo p 1 : probabilité

Plus en détail

i la moyenne empirique de X n n v =

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

Plus en détail

D- Convergence de variables aléatoires

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

Plus en détail

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

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

Plus en détail

1 Un peu de vocabulaire

1 Un peu de vocabulaire Statistiques - Échatilloage Cours Objectifs du chapitre Passer d u mode de représetatio des doées à u autre (doées brutes, tableau d effectifs, représetatio graphique) Calculer la moyee, la médiae, les

Plus en détail

Résumé : Probabilités Niveau : Bac Sciences de l informatique Réalisé par : Prof. Benjeddou Saber

Résumé : Probabilités Niveau : Bac Sciences de l informatique Réalisé par : Prof. Benjeddou Saber Résumé : Niveau : Bac Scieces de l iformatique Réalisé par : Prof. Bejeddou Saber Tableau récapitulatif sur le déombremet: Type du tirage : Simultaé Successif sas remise Successif avec remise U tirage

Plus en détail

Probabilités générales

Probabilités générales Chapitre 4 termiale s Probabilités géérales Les probabilités (rappels) : ) Quelques otios de vocabulaire : Nous allos étudier selo quelle mesure u fait proveat du hasard peut être prévisible a) Ue expériece

Plus en détail

1 lois usuelles. 2 Estimation. 1.1 Loi Binomiale. 1.2 Loi de Poisson. 1.3 Loi normale. 2.1 Estimation ponctuelle de la moyenne

1 lois usuelles. 2 Estimation. 1.1 Loi Binomiale. 1.2 Loi de Poisson. 1.3 Loi normale. 2.1 Estimation ponctuelle de la moyenne 1 lois usuelles 11 Loi Biomiale B(, p) q = 1 p p(x = k) = C k p k q k Espérace E(X) = p Variace : V ar(x) = pq Écart type : σ = pq 12 Loi de Poisso P(λ) : loi de Poisso de paramètre λ > 0 : X(Ω) = N λ

Plus en détail

Quelques notions élementaires de probabilités et statistiques

Quelques notions élementaires de probabilités et statistiques Chapitre 6 Quelques otios élemetaires de probabilités et statistiques 6.1 Probabilités U uivers Ω est u esemble modélisat les réalisatios possibles d ue expériece. U esemble A P(Ω) modélise la otio d évéemet

Plus en détail

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

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

Plus en détail

Correction de l exercice 1

Correction de l exercice 1 IUT Orsa Iformatique S3 Correctio de l exercice. Ω est l esemble des résultats possibles de l experiece aléatoire lacer u dé à faces : Ω {,, 3,,, }, et Ω.. Si k Ω sort, le gai du jeu est k euros. Doc la

Plus en détail

Exercices sur le chapitre «Variables aléatoires»

Exercices sur le chapitre «Variables aléatoires» Araud de Sait Julie - MPSI Lycée La Merci 2015-2016 1 Pour démarrer Exercices sur le chapitre «Variables aléatoires» Exercice 1 (Recostitutio de paires) O fixe deux etiers aturels 1 r. U placard cotiet

Plus en détail

LOIS NORMALES. I. Introduction. Voici quelques exemples de courbes provenant de la vie quotidienne :

LOIS NORMALES. I. Introduction. Voici quelques exemples de courbes provenant de la vie quotidienne : I. Itroductio. LOIS NORMALES. Voici quelques exemples de courbes proveat de la vie quotidiee : La répartitio du QI das la populatio Le poids d ue populatio de chatos Répartitio des coscrits e 1907 Age

Plus en détail

Divers exercices de probabilité

Divers exercices de probabilité Divers exercices de probabilité Traiter e priorité les quatre premiers exercices de chaque sectio. 1 Probabilité Exercice 1.1 Mo voisi a deux efats. 1- Le plus jeue est ue fille, quelle est la probabilité

Plus en détail

Lois normales. Intervalle de fluctuation. Estimation.

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

Plus en détail

Calcul des probabilités 2 (M-2.1)

Calcul des probabilités 2 (M-2.1) Calcul des probabilités (M-.) I. Probabilités sur u esemble fii. Défiitios Défiitio Ue expériece aléatoire est ue expériece dot il est impossible de prévoir l issue (mais o coaît toutes les issues possibles)

Plus en détail

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

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

Plus en détail

b) Calculer la dérivée de la fonction. La fonction est dérivable sur comme quotient de deux fonctions dérivables sur.

b) Calculer la dérivée de la fonction. La fonction est dérivable sur comme quotient de deux fonctions dérivables sur. DST 6 Correctio Exercice 1 (5 poits) (Asie, jui 11) Le pla est rapporté à u repère orthoormal. 1) Étude d ue foctio. O cosidère la défiie sur l itervalle par. O ote la foctio dérivée de la foctio sur l

Plus en détail

BACCALAUREAT GENERAL. Bac blanc n 4 Mercredi 7 Mai 2014 MATHEMATIQUES. Série : S Enseignement Obligatoire ou de Spécialité

BACCALAUREAT GENERAL. Bac blanc n 4 Mercredi 7 Mai 2014 MATHEMATIQUES. Série : S Enseignement Obligatoire ou de Spécialité BACCALAUREAT GENERAL Bac blac 4 Mercredi 7 Mai 4 MATHEMATIQUES Série : S Eseigemet Obligatoire ou de Spécialité Durée de l épreuve : 4 heures Coefficiet : 7 ou 9 L utilisatio de la calculatrice est autorisée

Plus en détail

II - Estimation d'un paramètre par intervalle de confiance

II - Estimation d'un paramètre par intervalle de confiance II - Estimatio d'u paramètre par itervalle de cofiace 1 ) - Gééralités sur la costructio O veut estimer u paramètre (moyee, proportio ) d'u caractère das ue populatio P. Ue estimatio poctuelle à partir

Plus en détail

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

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

Plus en détail

Chapitre 9 La loi binomiale

Chapitre 9 La loi binomiale A) Variables aléatoires 1) Défiitio Chapitre 9 La loi biomiale O appelle variable aléatoire X ue foctio qui associe à tout résultat (évéemet élémetaire) u ombre réel. Pour ue même expériece aléatoire,

Plus en détail

CH V : Variables aléatoires - généralités

CH V : Variables aléatoires - généralités CH V : Variables aléatoires - gééralités I. Notio de variable aléatoire réelle Soit (Ω, A ) u espace probabilisable. O dit que X est ue variable aléatoire réelle défiie sur (Ω, A ) si : (i) X est ue applicatio

Plus en détail

Corrigé : EM Lyon 2005

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

Plus en détail

Échantillonnage. I Rappels sur les lois usuelles 2

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

Plus en détail

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques

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

Plus en détail

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

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

Plus en détail

Intervalles de fluctuations et intervalles de confiance

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

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable. k n) X k (1 X) n k.

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable. k n) X k (1 X) n k. Exo7 Suites et séries de foctios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable

Plus en détail

X 1 = { X si X est impair 0 sinon

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

Plus en détail

ESTIMATION Exercices

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

Plus en détail

Terminale S Chapitre 2 : Fonctions, continuité et TVI Page 1 sur 5 ( ) = ( )

Terminale S Chapitre 2 : Fonctions, continuité et TVI Page 1 sur 5 ( ) = ( ) Termiale S Chapitre : Foctios, cotiuité et TVI Page sur 5 Ce que dit le programme : Défiitio Soiet f ue foctio défiie sur u itervalle I de R et a = O dit que f est cotiue e a si lim f x f a O dit que f

Plus en détail

SUITES et SERIES DE FONCTIONS

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

Plus en détail

TD Modélisation Statistique

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

Plus en détail

Estimation de paramètres

Estimation de paramètres CHAPITRE 8 Estimatio de paramètres 1. Distributio des moyees des échatillos Das ce chapitre, ous étudieros commet est distribué la moyee de tous les échatillos de taille possibles d ue certaie populatio.

Plus en détail

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

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

Plus en détail

Echantillon : Collection d'individus prélevés dans la population statistique.

Echantillon : Collection d'individus prélevés dans la population statistique. SONDAGE (ECHANTILLONNAGE) POPULATION STATISTIQUE N idividus possédat ue modalité yi de la (ou des) variable(s) y ( i N) PARAMETRES valeur cetrale dispersio corrélatio µ σ² ρ moyee variace coef. corr. ECHANTILLON

Plus en détail

Terminale S Chapitre 10 «Loi Normale» 21/03/2013

Terminale S Chapitre 10 «Loi Normale» 21/03/2013 Termiale S Chapitre «Loi Normale» /3/3 I) Itroductio O fait ue étude statistique de la taille des idividus d'ue populatio. Das chaque cas, la taille moyee est de 7 cm, avec u écart type de cm. O trace

Plus en détail

Suites de variables aléatoires.

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

Plus en détail

Z = 1 4i. z = On multiplie par le conjugué du dénominateur S = 5. = b + i. z 2 = z 1. 2 = 3 i 2. = 6 + 2i 4. { 3 + i. 2 ; 3 i }

Z = 1 4i. z = On multiplie par le conjugué du dénominateur S = 5. = b + i. z 2 = z 1. 2 = 3 i 2. = 6 + 2i 4. { 3 + i. 2 ; 3 i } Nom :........................ DS Préom :..................... Devoir o 7 Mars 6.../... Le soi et la rédactio serot pris e compte das la otatio. Faites des phrases claires et précises. Le barème est approximatif.

Plus en détail

Séance 2 : Estimateurs convergents, non biaisés et exhaustifs.

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

Plus en détail

Baccalauréat S Nouvelle-Calédonie 7 mars 2014 Corrigé

Baccalauréat S Nouvelle-Calédonie 7 mars 2014 Corrigé Baccalauréat S Nouvelle-Calédoie 7 mars 4 Corrigé A. P. M. E. P. EXERCICE 4 poits Commu à tous les cadidats Aucue justificatio était demadée das cet exercice.. Répose b. : 4e i π Le ombre i a pour écriture

Plus en détail

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

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

Plus en détail

x + (2 α) y = 0 3 L donc P

x + (2 α) y = 0 3 L donc P 1 Corrigé ESC 009 par Pierre Veuillez Exercice 1 O cosidère les matrices A, B, D, P, E de M (R) suivates : ( ) 5 1 4 ( ) A B 3 3 1 3 0 7 D P 3 3 ( ) { x (1 α) x y 0 1) a: (A αi) 0 y x + ( α) y 0 ( 1 )

Plus en détail

Éléments de probabilités

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

Plus en détail

Probabilités, MATH 424 Feuille de travaux dirigés 2. Solutions.

Probabilités, MATH 424 Feuille de travaux dirigés 2. Solutions. Probabilités, MATH 44 Feuille de travaux dirigés. Solutios. 1 Exercices Exercice 1. O jette trois dés o pipés. 1. Calculer la probabilité d obteir au mois u 1.. Que vaut la probabilité d obteir au mois

Plus en détail

Master Eseec Statistique pour l expertise - partie2

Master Eseec Statistique pour l expertise - partie2 Master Eseec Statistique pour l expertise - partie2 Christia Laverge Uiversité Paul Valéry - Motpellier 3 http://moodle-miap.uiv-motp3.fr http://www.uiv-motp3.fr/miap/es (UPV) Eseec 1 / 57 Lois limites

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

C.1- Lois discrètes- Loi uniforme

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

Plus en détail

Loi binomiale. Loi de Bernoulli

Loi binomiale. Loi de Bernoulli Loi biomiale Loi de Beroulli O s itéresse ici à la réalisatio ou o d u évéemet. Autremet dit, o étudie les expérieces aléatoires qui ot que deux issues possibles : Obteir Pile ou Face Doer aissace à u

Plus en détail

IREM Martine Quinio. 5 février 2013

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

Plus en détail

Probabilités élémentaires

Probabilités élémentaires 1. Exemple... p2 4. Lois de probabilité... p7 2. Vocabulaire... p4 5. Variables aléatoires... p8 3. Espaces probabilisés fiis... p4 Copyright meilleuremaths.com. Tous droits réservés 1. Exemple Probabilités

Plus en détail

Séries à termes positifs

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

Plus en détail

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

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

Plus en détail

POLYNESIE Série S Juin 2001 Exercice

POLYNESIE Série S Juin 2001 Exercice OLYNESIE Série S Jui 00 Exercice gros rouges et 3 petits rouges Ue boîte cotiet 8 cubes : gros verts et petit vert petit jaue U efat choisit au hasard et simultaémet 3 cubes de la boîte (o admettra que

Plus en détail

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

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

Plus en détail

LES MOINDRES CARRÉS. Table des matières. 1. Justification de la méthode des moindres carrés

LES MOINDRES CARRÉS. Table des matières. 1. Justification de la méthode des moindres carrés LES MOINDRES CARRÉS OLIVIER CASTÉRA Résumé. La méthode des moidres carrés repose sur u fodemet probabiliste sérieux. Table des matières 1. Justificatio de la méthode des moidres carrés 1 2. Caractéristiques

Plus en détail

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3 Tests Chapitre Table des matières 1 Pricipe d u test 1 11 Défiitios 1 Méthode géérale 3 Test de coformité à u paramètre 3 1 Test de coformité à ue moyee 3 Test de coformité à ue proportio 4 3 Test d homogééité

Plus en détail

Baccalauréat S Centres étrangers 10 juin 2016

Baccalauréat S Centres étrangers 10 juin 2016 Baccalauréat S Cetres étragers 0 jui 206 Exercice I (4 poits) Pour chacue des quatre affirmatios suivates, idiquer si elle est vraie ou fausse, e justifiat la répose. il est attribué u poit par répose

Plus en détail

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

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

Plus en détail

B E et Bi Bj pour i j et si A est un evenement de E alors p(a) p(a B ) p(a B )... p(a B ) p(b ) p(a /B ) p(b ) p(a /B )... p(b ) p(a /B ).

B E et Bi Bj pour i j et si A est un evenement de E alors p(a) p(a B ) p(a B )... p(a B ) p(b ) p(a /B ) p(b ) p(a /B )... p(b ) p(a /B ). Rappel : (E,p(E),p) est u espace probabilisé fii. O a: p(e), p( ), p(a) p(a), p(a B) p(a) p(b) p(a B) Probabilité coditioelle : A et B sot deux évèemets tels que p(b). p(a B) p(a / B) et doc p(a B) p(b)

Plus en détail

Proposition : la droite d équation «y= 4» est asymptote horizontale à la courbe de f en. . Calculer : a) lim f( x) h( x) xlim

Proposition : la droite d équation «y= 4» est asymptote horizontale à la courbe de f en. . Calculer : a) lim f( x) h( x) xlim NOM : Termiale S- ABC S3 ludi ovembre 06 La présetatio, la rédactio et la rigueur des résultats etrerot pour ue part sigificative das l évaluatio de la copie. Le sujet est composé de 5 eercices idépedats.

Plus en détail

TD 4 : Variables aléatoires discrètes

TD 4 : Variables aléatoires discrètes MA40 : Probabilités TD 4 : Variables aléatoires discrètes Exercice Soit N u etier aturel supérieur ou égal à.. Motrer les égalités suivates : N k k N N + ) N k k N N + ) N + ). Ue ure cotiet ue boule blache

Plus en détail

Vendredi 20 octobre CONTRÔLE DE MATHEMATIQUES N 2 Classe de TERM 07. En salle 206, deux heures de 8 h à 10 h : LES SUITES et PROBABILITES.

Vendredi 20 octobre CONTRÔLE DE MATHEMATIQUES N 2 Classe de TERM 07. En salle 206, deux heures de 8 h à 10 h : LES SUITES et PROBABILITES. Vedredi 0 octobre 07. CONTRÔLE DE MATHEMATIQUES N Classe de TERM 07. E salle 06, deux heures de 8 h à 0 h : LES SUITES et PROBABILITES. La première feuille de ce devoir doit être ue feuille double. Lisez

Plus en détail

Exercices d oraux de la banque CCP Corrigés BANQUE PROBABILITÉS

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

Plus en détail

Chapitre Rappels sur les suites

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

Plus en détail

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

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

Plus en détail

AVRIL 2013 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie A

AVRIL 2013 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie A AVRIL CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voie A CORRIGE DE LA ère COMPOSITION DE MATHEMATIQUES Eercice. Calculer, e, la dérivée de : Arc ta( ) Soit f ( ) Arc ta( ), alors f ( ) Arc ta( )

Plus en détail

MVA101 - Analyse et calcul matriciel T. Horsin

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

Plus en détail

( 2) e x. x + d x. Donner une interprétation graphique de cette intégrale.

( 2) e x. x + d x. Donner une interprétation graphique de cette intégrale. EXERCICE : (6 poits) Commu à tous les cadidats Les deux parties de cet exercice sot idépedates. Partie A O cosidère l équatio différetielle (E) : y ' + y e x. ) Motrer que la foctio u défiie sur l esemble

Plus en détail

Centres étrangers Enseignement spécifique. Corrigé

Centres étrangers Enseignement spécifique. Corrigé EXERCICE 1 Partie A Cetres étragers 13. Eseigemet spécifique. Corrigé 1) La durée de vie moyee d ue vae est l espérace de la variable aléatoire T. O sait que l espérace de la loi expoetielle de paramètre

Plus en détail

CORRIGÉ : MATH 1 ; MP ; Mines-ponts_2015

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

Plus en détail

1 + t = t. a 6 n ln 1 + a. Suite a : On utilise une relation de Chasles (même terme mais sur des ensembles d indices distincts) ! 1 # 1. 1 k.

1 + t = t. a 6 n ln 1 + a. Suite a : On utilise une relation de Chasles (même terme mais sur des ensembles d indices distincts) ! 1 # 1. 1 k. PHEC Correctio feuille d exercices 00-006 correctio de l exercice t. 8t R + ; + t 6 l( + t) 6 t : Pour cela, o itroduit les foctios f : t 7 l( + t) t et g : t 7 t l( + t) + t dé ies sur [0; +[ et o étudie

Plus en détail

Statistiques inférentielles. Introduction. Exemples. Définition (Échantillon aléatoire) Définition (Statistique inférentielle) Exemple 1.

Statistiques inférentielles. Introduction. Exemples. Définition (Échantillon aléatoire) Définition (Statistique inférentielle) Exemple 1. Statistiques iféretielles Pierre-Heri WUILLEMIN Licece d Iformatique Uiversité Paris 6 Itroductio Soit ue populatio de taille N sur laquelle o observe ue propriété, dot o veut calculer moyee µ et de variace

Plus en détail

GRAPHES ALÉATOIRES D ERDÖS-RÉNYI

GRAPHES ALÉATOIRES D ERDÖS-RÉNYI GRAPHES ALÉATOIRES D ERDÖS-RÉNYI U grad réseau de commuicatio (iteret, Facebook, etc.) est modélisé par u graphe G = (V, E), dot les sommets v V sot les agets de ce réseau, et dot les arêtes e = {u, v}

Plus en détail

Estimation paramétrique

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

Plus en détail

b) Par définition, ln 1 est le nombre dont l'exponentielle est 1. Or e = 1. Donc ln 1 = 0 2) Traduction de la définition.

b) Par définition, ln 1 est le nombre dont l'exponentielle est 1. Or e = 1. Donc ln 1 = 0 2) Traduction de la définition. Termiale S Chapitre 7 «Foctios logarithmes» Page sur 2 I) Défiitio et propriétés algébriques : ) La foctio : Défiitio : La foctio logarithme épérie, otée, est la foctio défiie sur ;+ qui, à tout réel >

Plus en détail

Estimation par intervalle de confiance

Estimation par intervalle de confiance 62 CHAPITRE 12 Estimatio par itervalle de cofiace 1. Estimatio de la moyee par itervalle de cofiace 1.1. Calcul de la marge d erreur. O veut maiteat faire ue estimatio par itervalle de cofiace de la moyee

Plus en détail

TD n o 1 : suites numériques

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

Plus en détail

Les suites récurrentes à convergence lente

Les suites récurrentes à convergence lente Les suites récurretes à covergece lete Daiel PERRIN 0. Itroductio. Je me propose d écrire ue sorte de bila sur la covergece des suites u + = f(u ), avec f de classe C au mois, vers u poit fixe α, das le

Plus en détail

Corrigé du problème: autour de la fonction zeta alternée de Riemann

Corrigé du problème: autour de la fonction zeta alternée de Riemann Corrigé du problème: autour de la foctio zeta alterée de Riema I Gééralités Pour x >, la suite décroît vers, doc la série coverge par le critère spécial des séries alterées Pour x, e ted pas vers, ce qui

Plus en détail

Note sur le comportement en l infini d une fonction intégrable

Note sur le comportement en l infini d une fonction intégrable Note sur le comportemet e l ifii d ue foctio itégrable Emmauel Lesige To cite this versio: Emmauel Lesige. Note sur le comportemet e l ifii d ue foctio itégrable. 2008. HAL Id: hal-00276738

Plus en détail

Expérience aléatoire - modélisation - langage des probabilités

Expérience aléatoire - modélisation - langage des probabilités T.S Probabilités coditioelles L 5 I Expériece aléatoire - modélisatio - lagage des probabilités Ue expériece aléatoire est ue expériece liée au hasard. Les mathématiques itervieet pour apporter u modèle

Plus en détail

Partie A : z x. z =( z ) = 4 = - 4 donc z est aussi solution de (E) Partie C :

Partie A : z x. z =( z ) = 4 = - 4 donc z est aussi solution de (E) Partie C : Corrigé baccalauréat S Polyésie 200 (raiateabac.blogspot.com) EXERCICE (5 poits) Pré-requis : z a + bi et _ z a bi Partie A : a ) E posat z a + bi et z a + b i o obtiet : z x z (a + bi) ( a + b i) aa bb

Plus en détail

1 Présentation du jeu.

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

Plus en détail

Probabilités : programme pour le concours EDHEC AST1

Probabilités : programme pour le concours EDHEC AST1 : programme pour le cocours EDHEC AST1 1 Espaces de probabilité Défiitio. O fixe u esemble Ω qui sera esuite appelé l uivers. O appelle tribu, ou σ-algèbre sur Ω tout esemble F de parties de Ω (aisi F

Plus en détail

BA + DB. Métropole La Réunion septembre 2008

BA + DB. Métropole La Réunion septembre 2008 étropole La Réuio septembre 008 EXERCICE 4 poits Commu à tous les cadidats Das ue kermesse u orgaisateur de jeu dispose de roues de 0 cases chacue. La roue comporte 8 cases oires et cases rouges. La roue

Plus en détail

Convergence de suites réelles

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

Plus en détail

Statistiques inférentielles

Statistiques inférentielles Statistiques iféretielles LI323 Hugues Richard (otes de cours: Pierre-Heri Wuillemi) Uiversité Pierre et Marie Curie (UPMC) Laboratoire géomique des microorgaismes (LGM) Itroductio Soit ue populatio de

Plus en détail

Analyse 5 SUITES REELLES

Analyse 5 SUITES REELLES Aalyse chap 5 /6. GENERALITES SR LES SITES. Défiitios Défiitio : e suite est ue foctio, défiie sur ue partie D de. O ote () =, o lit «idice». O dit que est le terme gééral de la suite, ou terme de rag.

Plus en détail