Chapitre 18. La loi normale
|
|
- Jérôme Bibeau
- il y a 6 ans
- Total affichages :
Transcription
1 Chpitre 8. L loi normle Ce chpitre v vous prître difficile en première lecture cr les notions eposées, les différentes formules ou epressions mthémtiques rencontrées ont un spect rebutnt. Rssurez-vous. Ce que vous devrez effectivement svoir fire u bout du compte est simple. Les principles ctivités issues de ce chpitre consistent en l utilistion de l clcultrice et ps grnd chose de plus. I. Le théorème de Moivre-Lplce Pour chque n entier nturel non nul et p réel de],[, on considère une vrible létoire que l on note X n suivnt une loi binomile de prmètres n et p. On rppelle que l espérnce de X n est E(X n )=np, l vrince de X n est V(X n )=np( p) et l écrt-type de X n est (X n )= np( p). Y n X n np Considérons les vribles létoires Y n =X n np puis Z n = =. np( p) np( p) Pour lléger les nottions, on peut poser µ n =np=e(x n ) et n = np( p)=(x n ). On lors Y n =X n µ n et Z n = X n µ n n. On sit que de mnière générle, si X est une vrible létoire et et b sont deu réels, l espérnce de X+b est E(X+b)=E(X)+b, l vrince de X+b est V(X+b)= V(X) et l écrt-type de X+b est (X+b)=(X). Donc l espérnce de Y n est E(Y n )=E(X n µ n )=E(X n ) µ n =. En retrnchnt à X n son espérnce, on obtenu une vrible létoire Y n d espérnce nulle. On dit que l on centré l vrible X n. D utre prt, l vrince ou l écrt-type n ont ps chngé ou encore V(Y n )=V(X n )= n et (Y n)=(x n )= n. Pssons à l vrible létoire Z n. L espérnce de Z n est toujours nulle cr E(Z n )= n E(Y n )=. Pr contre, l vrince et l écrt-type ont chngé : V(Z n )= V(Y n )=et(z n )= (Y n )= n n et donc l vrince de Z n est égle à puis l écrt-type de Z n est égl à. En divisnt Y n pr son écrt-type, on obtenu une vrible létoire d écrt-type égl à. On dit que l on réduit l vrible Y n =X n µ n. Au totl, qund on retrnché à X n son espérnce puis que l on divisé l vrible obtenue pr l écrt-type, on centré et réduit l vrible X n. L vrible Z n est ppelée : l vrible centrée réduite ssociée à l vrible X n. Considérons pr eemple le cs n= et p=. On rppelle que pour tout entier k tel que k, 3 P(X n =k)=( n k )pk ( p) n k =( k )( 3 ) k ( 3 ) k. D utre prt, X n =k Y n =k µ n Z n = k µ n n. Les vleurs prises pr les vribles Y n ou Z n ne sont plus les mêmes que les vleurs prises pr l vrible X n mis les probbilités elles n ont ps chngé : P(X n =k)=( n k )pk ( p) n k =P(Y n =k np)=p Z n= On note z, z,..., z les vleurs prises pr l vrible Z. Donc, z = 3 k np np( p)., z = 3 et de mnière générle, pour k n, z k = k µ n n. On donne les vleurs de X, Y et Z et des p(x =k) dns un tbleu. Les vleurs ci-dessous sont des vleurs pprochées.
2 X p(x =k),7,86,95,6,7,36,56,6,3,3, Y 3,33,33,33,33,66,66,66 3,66 4,66 5,66 6,66 Z,3,56,89,,44,,7,45 3,3 3,8 4,47 On représente grphiquement les lois de probbilités. En bscisse, on plce les vleurs prises pr X (ou Y ou Z ) et en ordonnée, on plce les probbilités corresondntes. Loi de probbilité de X Loi de probbilité de Y L espérnce est mintennt nulle et l écrt-type est toujours égl à 3 3 = 9 =,49... Loi de probbilité de Z L moyenne est nulle et l écrt-type est mintennt égl à. Puisque l écrt-type diminué, les vleurs se sont resserrées utour de l moyenne. L vrible Z prend un nombre fini de vleurs z, z,..., z. C est une vrible discrète. Entre deu vleurs consécutives, l distnce est
3 z k+ z k = k+ µ n k µ n =. n n n Plus précisément, l distnce entre deu vleurs de l vrible Z est =,67... Le milieu du segment[z k,z k+ ] est z k + n ou ussi z k+ n. 9 z k / z k + =z k+ z k z k z k+ / On note lors que l seule vleur prise pr l vrible Z n dns l intervlle[z k,z k + ] est l vleur z k. n n Pr suite, P(Z k =z k )=P(z k n Z k z k + n ). On sit que les probbilités du type P(z k Z k z k + ) peuvent se représenter pr un histogrmme où n n les probbilités sont les ires des rectngles dessinés. C est ce qu on v fire. L lrgeur de chque rectngle est =,67... Pour que l ire d un rectngle soit P(z k Z k z k + ) n n n ou encore P(Z n =z k ), il fut et il suffit que l longueur du rectngle soit n P(Z n =z k ). On construit donc un rectngle dont l bse est centrée sur z k de lrgeur et de longueur n P(Z n =z k ). n On donne dns un tbleu les vleurs des z k pour k et les vleurs des P(Z =z k ). k Z,3,56,89,,44,,7,45 3,3 3,8 4,47 P(Z =z k ),5,9,9,387,339,3,84,4,4,5, On peut lors construire l histogrmme. z z 3 z 5 z 8 z 9 3 z z z 4 z 6 z z Notons que qund on dditionne les ires de tous les rectngles, on trouve. Plus générlement, qund on dditionne les ires d un certin nombre de rectngles consécutifs mis ps tous, on trouve une probbilité du type P( Z n b) où et b sont deu réels. Fisons mintennt vrier n puis fisons tendre n vers+. Puisque n = np( p)= n 3 3, n tend vers + puis n tend vers. Ainsi, l lrgeur des rectngles de l histogrmme tend vers et les rectngles «deviennent 3
4 des trits». On peut démontrer grâce à des techniques dépssnt lrgement le cdre du progrmme de Terminle S que l histogrmme «tend» vers le grphe de l fonction f e. Ci-dessous, nous vons construit le grphe de l fonction f et reproduit l histogrmme ssocié à Z Puisque l histogrmme tend vers l courbe représenttive de f, les sommes d ires de certins rectngles tendent vers une ire délimitée pr l courbe de f. A prtir d une remrque fite plus hut, cel revient à dire que P( Z n b) tend vers l ire du domine délimité pr l e des bscisses, l courbe de f et les droites d équtions b respectives = et =b. Puisque f est positive, on sit que cette ire est e d. On peut mintennt énoncer le théorème de Moivre-Lplce : Théorème (théorème de Moivre-Lplce). Soit X n une vrible létoire suivnt une loi binomile de prmètres n et p où n est un entier nturel non nul et p est un réel de],[. Soient µ n =E(X n ) et n =(X n ). Soit Z n = X n µ n l vrible centrée réduite ssociée à X n. n Alors, pour tous réels et b, lim P( Z b n b)= e d n + ou ussi lim P(np+ np( p) X n np+b np( p))= n + b e d. Commentire. C est vri, l formule est horrible. Mis si vous ne comprenez ps l significtion du théorème de Moivre-Lplce, ce n est vriment ps grve. Vous serez tout de même cpbles le moment venu de fire les différents eercices sur l loi normle et en prticulier ceu du bc. Commentire. On rppelle que toute fonction continue sur un intervlle dmet des primitives sur cet intervlle. L fonction f e est continue sur R et dmet donc des primitives sur R. Cependnt, on peut démontrer que l fonction f e n dmet ps de primitive s eprimnt à l ide des fonctions usuelles. Dit utrement, ne cherchez ps à dériver une fonction que vous connissez déjà cr vous n en trouverez ucune dont l dérivée soit f. Pr eemple, l dérivée de l fonction f elle-même est l fonction ( ) e et n est ps l fonction f. Dns l prtique, les vleurs des intégles du type tbleur ou même pr une tble de vleurs. Nous reviendrons plus loin sur ce sujet. b e d seront fournies pr l clcultrice ou pr un Commentire 3. Si on recommence un grnd nombre de fois de mnière indépendnte une même epérience à deu éventulités, on est en présence d un schém de Bernoulli vec n grnd. C est pr eemple le cs si on lnce fois un dé équilibré et que l on s intéresse u nombre de fois où sort le n o. Si on note X n l vrible létoire insi définie, l formule de Moivre-Lplce dit qu une probbilité du type P( n X n b n ) où n =np+ np( p) et b n =np+b b np( p) vut environ e d où = n np n np et b=. np( p) np( p) 4
5 Pr eemple, l probbilité d obtenir entre 5 et 7 fois un en lnçnt fois un dé équilibré est P(5 X 7). Ici, n=, p= 6, n=5, b n =7 puis = = 4,47... etb= =,89... L probbilité d obtenir entre 5 et 7 fois un en lnçnt fois un dé équilibré est donc environ, ,47... e d. L clcultrice pr eemple donne l vleur de cette intégrle (nous verrons plus loin comment). Elle est égle à,8 à près et est ussi, on le rppelle, une bonne pproimtion de l probbilité d obtenir entre 5 et 7 fois un en lnçnt fois un dé équilibré. II. L loi normle ) L loi normle centrée réduite : N(,) ) Définition de l loi normle centrée réduite Définition. L loi normle centrée réduite N(,) est l loi continue de densité l fonction f définie sur R pr : pour tout réel, f()= e. Voici le grphe de l fonction f e dns le pln rpporté à un repère orthogonl. Cette courbe s ppelle prfois «l courbe en cloche» ou ussi «l courbe de Guss». On note que pour tout réel, f( )=f() et donc l fonction f est pire ou encore l e des ordonnées est un e de symétrie de s courbe représenttive b) Clculs de probbilités vec l loi normle centrée réduite Pr définition d une densité, on imméditement Théorème. Soit X une vrible létoire suivnt une loi normle centrée réduite. b ) Pour tous réels et b, p( X b)= e t dt. ) Pour tout réel, p(x )= e t dt. 5
6 ire=p( X b)= b e t dt b ire=p(x )= e t dt Remrque. L fonction F p(x )= centrée réduite. Remrque. L ire totle est égle à ou encore e t dt est l fonction de réprtition de l loi normle + e t dt=. Comme on l déjà signlé, l vleur des différentes intégrles ne peut s obtenir qu à prtir de l clcultrice ou vec un tbleur. Nous donnons ici les procédures pour TI 83 plus, Csio Grph 35+ et Ecel. Avec l TI 83 plus. Pour clculer p( X b) : On choisit le menu des distributions de probbilités : nd + DISTR On sélectionne le choi : :normlcdf (norml cumultive density function) ou normlfrep (fonction de réprtition de l loi normle) suivnt le cs. On tombe sur normlcdf( On doit donner l vleur de qutre prmètres suivnt le schém : normlcdf(,b,[moyenne,écrt-type]). Les deu derniers prmètres sont optionnels. Ce sont l moyenne et l écrt-type de l loi normle. Leurs vleurs pr défut sont respectivement et. Pr eemple, normlcdf(-.5,.7,,)+ ENTER ou plus simplement normlcdf(-.5,.7)+ ENTER ffiche Donc si X est une vrible létoire suivnt une loi normle centrée réduite, on p( X,7)=, Pour clculer p(x ) : Le principe est le même cr p(x )=p( <X ). Pour l clcultrice est 99 et donc p(x ) est obtenu en tpnt normlcdf( 99,,[moyenne,écrt-type]). 6
7 Pr eemple, normlcdf( 99,.7,,)+ ENTER ou plus simplement normlcdf( 99,.7)+ ENTER ffiche Donc si X est une vrible létoire suivnt une loi normle centrée réduite, on Pour clculer p(x > b) : On tpe p(x,7)=, Pour clculer tel que p(x )=p : normlcdf(b, 99,[moyenne,écrt-type]). On se donne une probbilité p [,] et on cherche tel que p(x )=p. On choisit le menu des distributions de probbilités : nd + DISTR On sélectionne le choi 3 vec les flèches de défilement : 3 :invnorm (inverse norml cumultive density function). On tombe sur invnorm( On doit donner l vleur de trois prmètres suivnt le schém : invnorm(p,[moyenne,écrt-type]). Les deu derniers prmètres sont optionnels. Leurs vleurs pr défut sont respectivement et. Pr eemple, invnorm(.85,,)+ ENTER ou plus simplement normlcdf(.85)+ ENTER ffiche Donc si X est une vrible létoire suivnt une loi normle centrée réduite, le réel tel que p(x )=,85 est =, Avec l Csio Grph 35+. Pour clculer p( X b) : p(x, )=,85. On choisit le menu STAT puis DIST (F5) puis NORM (F). On choisit ensuite Ncd (norml cumultive density) On complète les prmètres : Pr défut = et µ=. Pour clculer p(x ) : Norml C.D Lower : Upper : b : écrt-type µ : moyenne On prtique comme précédemment vec = 99. Pour clculer p(x > b) : On prtique comme précédemment vec b= 99. Pour clculer tel que p(x )=p : On choisit le menu STAT puis DIST (F5) puis NORM (F). On choisit InvN puis on complète Inverse Norml Til : Left Are : p : écrt-type µ : moyenne L ire Are est l probbilité p. Si on choisit Til : Left, l clcultrice répond le réel tel que p(x )=p et si on choisit Til : Right, l clcultrice répond le réel tel que p(x )=p. Avec Ecel. Pour clculer p(x ) : Dns une cellule on tpe 7
8 =LOI.NORMALE( On qutre prmètres à remplir suivnt le schém : =LOI.NORMALE( ;moyenne ;écrt-type ;cumultive) Le premier est, le deuième est l moyenne µ et le troisième l écrt-type c est-à-dire respectivement et pour l loi normle centrée réduite. Le qutrième prend l vleur VRAI ou FAUX suivnt que l on veuille cumuler ou ps ou encore suivnt que l on veuille p(x ) ou f() où f est l fonction densité de l loi normle. Pr eemple, si X suit une loi centrée réduite, pour obtenir p(x,7), on tpe =LOI.NORMALE(,7 ; ; ;VRAI) Pour clculer p( X b) : On utilise p( X b)=p(x b) p(x ). Pr eemple, pour obtenir p( X,7), on tpe Pour clculer p(x > ) : =LOI.NORMALE(,7 ; ; ;VRAI)-LOI.NORMALE(- ; ; ;VRAI) On utilise p(x>)= p(x ). Pr eemple, pour obtenir p(x>,7), on tpe Pour clculer tel que p(x )=p : Dns une cellule on tpe =-LOI.NORMALE(,7 ; ; ;VRAI) =LOI.NORMALE.INVERSE( On trois prmètres à remplir suivnt le schém : =LOI.NORMALE.INVERSE(p ;moyenne ;écrt-type) Pr eemple, si X est une vrible létoire suivnt une loi normle centrée réduite, le réel tel que p(x )=,85 est obtenu pr =LOI.NORMALE.INVERSE(,85 ; ;) c) Espérnce, vrince et écrt-type de l loi normle centrée réduite Soit X une vrible létoire suivnt l loi normle centrée réduite. On rppelle que son espérnce est E(X)= + tf(t)dt= lim + tf(t)dt+ lim y + y tf(t) dt, où f est l fonction densité de l loi normle centrée réduite. On rppelle ussi que l vrince de X et l écrt-type de X sont respectivement V(X)=E((X E(X)) ) et(x)= V(X). Ce n est ps pour rien que l loi normle centrée réduite s ppelle insi cr : Théorème 3. Soit X une vrible létoire suivnt une loi normle centrée réduite. L espérnce de X est E(X) =, l vrince de X est V(X) = et l écrt-type de X est (X) =. Démonstrtion. Soit X une vrible létoire suivnt une loi normle centrée réduite. Pour tout réel t, posons u(t)= t. u est dérivble sur R et pour tout réel t, u (t)= t puis tf(t)=t e t = ( t)e t = u (t)e u(t). On sit lors qu une primitive sur R de l fonction t tf(t) est l fonction t e u(t) = e t. Soit un réel négtif. 8
9 Mintennt, lim e tf(t)dt=[ e t ] = lim X ex = et donc lim De même, pour tout réel positif y, =( e ) ( e )= + e. tf(t)dt= lim ( + e )=. puis Finlement, y tf(t)dt=[ e t ] y y lim y + =( e y ) ( e )= e y +, tf(t)dt= lim ( e y + )= y +. E(X)= lim tf(t)dt+ lim y + y On dmet que l vrince et l écrt-type de X sont égu à. tf(t)dt= + =. d) Définition du frctile u α Théorème 4. Soit X une vrible létoire suivnt une loi normle centrée réduite. Pour tout réel α de],], il eiste un réel positif u α et un seul tel que p( u α X u α )= α. Démonstrtion. On note toujours f l densité de l loi normle centrée réduite. Soit α un réel de],]. Puisque f est une fonction pire ou encore puisque son grphe est symétrique pr rpport à l e des ordonnées, pour tout réel positif, Pr suite, p( X )= f(t)dt= f(t)dt=p( X ). p( X )= α p( X )= α p( X )= α. Pour tout réel positif, posonsg()=p( X )= f(t)dt de sorte quep( X )= α G()= α. L fonction f est continue sur R +. On sit lors que l fonction G est dérivble sur R et que G =f (G est une primitive de l fonction f sur R + ). L fonction f est strictement positive sur R + et donc l fonction G est strictement croissnte sur R +. L fonction G est continue et strictement croissnte sur R +. D utre prt, G() = et lim G()= + puisque des bscisses et l courbe de f, ire qui est égle à. + f(t)dt est l moitié de l ire du domine situé entre l e D près un corollire du théorème des vleurs intermédiires, pour tout réel k de[g(), lim G()[=[, + [, il eiste un réel positif et un seul tel que G( )=k. Enfin <α α< α< α <. Comme α est dns[, [, il eiste un réel positif u α et un seul tel que G(u α )= α ou encore tel que p( u α X u α )= α. On doit connître eplicitement u α dns deu situtions précises, qund α=,5 de sorte α=,95 et qund α=, de sorte que α=,99. 9
10 u,5,96 u,,58 p(,96 X,96),95 p(,58 X,58),99 Pour toute utre vleur de α, le réel u α est obtenu à l clcultrice à prtir de l fonction inverse de l loi normle qui, on le rppelle, répond à l question : quel est le réel tel que p(x )=p où p est un réel donné dns[,[? On doit pour cel voir conscience que, pour des risons de symétrie, l églité p( u α X u α )= α fournit ussi p(x u α )= α et p(x u α)= α. Donc p(x u α )= p(x u α )= α. ire=p( u α X u α )= α ire=p(x u α )= α ire=p(x u α )= α u α u α On peut énoncer Théorème 5. Pour tout réel α de],], u α est le réel tel que p(x u α )= α. Pr eemple, déterminons grâce à l clcultrice le réel u. Pr définition de u, Pour des risons de symétrie, p(x u )= ou ussi p( u X u )= =,75. = et p(x u )= p(x u )= =,875, = puis p(x u )=p(x u )+p( u X u )=,75+=,875. Grâce à l «fonction inverse» de l fonction de réprtition de l loi normle, l clcultrice fournit u =,5...
11 e) Approimtion d une loi binomile pr l loi normle centrée réduite Revenons mintennt sur le théorème de Moivre-Lplce. Soient X n une vrible létoire suivnt une loi binomile de prmètres n N et p ],[ puis Z n = l vrible létoire centrée réduite ssociée à X n. Soient et b deu réels. On rppelle tout d bord que X n np np( p) puis que Z n b X n np np( p) b np( p) X n np b np( p) np+ np( p) X n np+b np( p), P( Z n b)=p(np+ np( p) X n np+b np( p)). Le théorème de Moivre-Lplce ffirme lors que lim P( Z n b)= lim P(np+ np( p) X n np+b np( p))= n + n + où Z suit une loi normle centrée réduite. b e d=p( Z b), Si on pplique ce résultt u cs prticulier où = u α et b=u α pour un α donné dns],[, puisque pr définition de u α, on obtient u α u α e d=p( uα Z u α )= α, Théorème 6. Pour tout réel α de],], lim P( u α Z n u α )= lim P(np u α np( p) Xn np+u α np( p))= α. n + n + Ainsi, P( u α Z n u α ) peut être pproché d ussi près qu on veut pr u α u α e d= α pourvu que l on choisisse n suffisment grnd c est-à-dire pourvu que l on choisisse n supérieur à un certin entier n. On doit voir conscience que l entier n dépend de l probbilité p. Pr eemple, qund p est proche des bords de l intervlle],[, l convergence vers α est beucoup plus lente et il fut choisir n beucoup plus grnd que si p est proche de. Dns l prtique, il est communément reconnu que l on peut effectuer l pproimtion P( u α Z n u α ) est à peu près égl à α qund n 3, np 5 et n( p) 5. ) L loi normle de prmètres µ et : N(µ, ) ) Définition de l loi normle de prmètre µ et Définition. Soit X une vrible létoire. Soient µ un réel et un réel strictement positif. X suit une loi normle de prmètres µ et si et seulement si l loi Z= X µ suit une loi normle centrée réduite. On peut démontrer que Théorème 7. Soit X une vrible létoire suivnt une loi normle de prmètres µ et. L espérnce de X est E(X)=µ, l vrince de X est V(X)= et l écrt-type de X est (X)=. Nottion. L loi normle de prmètres µ et se note trditionnellement N(µ, ). On peut être surpris de trouver dns l prenthèse le crré de l écrt-type c est-à-dire l vrince. Ce choi vient du fit qu on peut démontrer que l vrince d une loi normle des propriétés de clculs plus grébles que les propriétés de l écrt-type. Les mthémticiens préfèrent donc décrire une loi normle pr les prmètres µ et. Ainsi, N( 3;) désigne l loi normle d espérnce 3 et d écrt-type = cr =. Nénmoins,
12 ttention! Qund vous utiliserez l clcultrice, les prmètres que vous indiquerez seront l moyenne µ et l écrt-type et ps l moyenne µ et l vrince. Commentire. On peut démontrer que l loi normle de prmètres µ et est l loi de densité l fonction ( µ) e mis on n ps à le svoir en terminle S. Qund on trville vec une loi normle quelconque, on revient toujours à s définition à prtir de l loi normle centrée réduite ssociée Z= X µ. Commentire. L moyenne µ est un prmètre de position. Pour l loi normle, il indique l bscisse du sommet de l courbe en cloche. Qund on fit grndir µ, on déplce le sommet vers l droite sns modifier l forme de l courbe. µ= et = µ= et = µ=,5 et = L écrt-type est un prmètre de dispersion. Qund on fit grndir, on ugmente l dispersion des vleurs et donc on élrgit et on ppltit l cloche et qund on diminue, on ressere les vleurs utour de µ. µ= et =,6 µ= et = µ= et = b) Un, deu ou trois écrts-types Soit X une vrible létoire suivnt une loi normle de prmètres µ et. On doit connître une bonne fois pour toutes les probbilités que X pprtienne respectivement à[µ,µ+],[µ,µ+] et[µ 3,µ+3]. On note que ces probbilités peuvent ussi être obtenues grâce à l clcultrice. On note enfin que si Z= X µ est l loi centrée réduite ssociée à X, on p(µ X µ+)=p( Z ) et p(µ X µ+)=p( Z ) et p(µ 3 X µ+3)=p( 3 Z 3). Les vleurs fournies ci-dessous sont des vleurs pprochées.
13 µ µ µ+ µ µ µ+ µ 3 µ µ+3 p(µ X µ+),68 p(µ X µ+),95 p(µ 3 X µ+3),99 Donc, on environ 68% de chnces de tomber entre l moyenne moins un écrt-type et l moyenne plus un écrt-type, environ 95% de chnces de tomber entre l moyenne moins deu écrts-types et l moyenne plus deu écrts-types et environ 99% de chnces de tomber entre l moyenne moins trois écrts-types et l moyenne plus trois écrts-types. Pour finir ce chpitre, on donne mintennt trois eercices. Le premier se plce à un niveu théorique et nlyse à peu près toutes les situtions de clcul. Les deu utres reposent pproimtivement les mêmes questions dns un cdre concret. Eercice. Dns cette eercice, X est une vrible létoire suivnt une loi normle de prmètres µ et. ) Dns cette question µ= et =5. Donc, X suit l loi N(). ) Clculer p(85 X 5). b) Clculer p(3 X 95). c) Clculer p(x ). d) Clculer p(x ). e) Clculer tel que p(x )=,85. f) Clculer tel que p( X +)=,85. ) Dns cette question =55. On sit d utre prt que p(x 675)=,9. Clculer µ. 3) Dns cette question µ = 4, 7. On sit d utre prt que p(x 7, 5) =, 97. Clculer. 4) Dns cette question µ = 9. On sit d utre prt que p(88 X 9) =, 97. Clculer. Solution. ) ) L probbilité demndée est p(µ X µ + ). D près le cours, cette probbilité est directement, 68 à près. b) On utilise l fonction de réprtition de l loi normle prédéfinie dns l clcultrice (normlcdf ou normlfrep pour TI et Ncd pour CASIO). On remplit =3, b=95, µ= et =5. On obtient rrondie u centième. p(3 X 95)=,37 c) On utilise l fonction de réprtition de l loi normle prédéfinie dns l clcultrice. On remplit = 99, b=, µ= et =5. On obtient p(x )=,75 rrondie u centième. d) On utilise l fonction de réprtition de l loi normle prédéfinie dns l clcultrice. On remplit =, b= 99, µ= et =5. On obtient p(x )=,9 rrondie u centième. e) On utilise l fonction invnorm sur TI et InvN sur Csio. On remplit p=,85, µ= et =5. On obtient = 55, 4 rrondi u diième ou encore p(x 55,4...)=,85. f) On trnsforme d bord le problème pour se rmener à l sitution précédente. p( X +)=,85 fournit p(x oux +)=,85= puis, pour des risons de symétrie, p(x )=p(x +)=,85 =,75. Enfin, 3
14 p(x +)=p(x )+p( X +)=,75+,85=,95. n utilise ensuite l fonction invnorm sur TI et InvN sur Csio. On remplit p=,95, µ= et =5. On obtient +=5,9... et donc =5,9... ) Puisqu on ne connit ps l un des deu prmètres µ ou, on se rmène à l loi normle centrée réduite. Soit Z= X µ = X µ l vrible centrée réduite ssociée à X. 55 X 675 X µ 675 µ X µ 675 µ Z 675 µ L énoncé donne p(z 675 µ )=,9. L clcultrice fournit 675 µ =,45... grâce à l «fonction inverse» de l loi normle vec p =, 95, moyenne = et écrt-type =. On en déduit que µ=675 55,45...=597,7... 3) On se rmène à l loi normle centrée réduite. Soit Z= X µ = X 4,7 l vrible centrée réduite ssociée à X. X 7,5 X 4,7 7,5 4,7 X 4,7,8,8 Z. L énoncé donne p(z,8,8 )=,97. L clcultrice fournit =,88... grâce à l «fonction inverse» de l loi normle vec p =, 97, moyenne = et écrt-type =. On en déduit que,8 =,88... =, ) On se rmène à l loi normle centrée réduite. Soit Z= X µ = X 9 l vrible centrée réduite ssociée à X. 88 X 9 X 9 X 9 Z. L énoncé donne p( Z )=,97. Pour des rions de symétrie, p(z )=p(z )=,97 =,5 puis p(z )=p(z )+p( Z )=,97+,5=,985. L clcultrice fournit =,7... grâce à l «fonction inverse» de l loi normle vec p=,985, moyenne= et écrt-type=. On en déduit que =,7... =9,... Eercice. Réglge d une mchine d embouteillge. ) Sur une chîne d embouteillge dns une brsserie, l quntité X (en cl) de liquide fourni pr l mchine pour remplir chque bouteille de contennce cl peut être modélisée pr une vrible létoire suivnt une loi normle de moyenne µ et d écrt-type =. L législtion impose qu il y it moins de,% de bouteilles contennt moins d un litre. A quelle vleur de l moyenne µ doit-on régler l mchine pour respecter cette législtion? ) L contennce des bouteilles étnt de cl, quelle est lors l probbilité qu une bouteille déborde lors du remplissge. 3) Le directeur de l coopértive veut qu il y it moins de % de bouteilles qui débordent u risque de ne plus suivre l législtion. ) Quelles sont les vleurs possibles de µ? b) Le directeur choisit de prendre µ=5,3. Quelle est lors l probbilité que l bouteille contienne moins d un litre? Solution. On note Z l vrible centrée réduite ssociée à X c est-à-dire Z= X µ. 4
15 ) L énoncé donne p(x ),. Or X X µ µ X µ µ Z µ et donc p(x ), p(z µ ),. Déterminons d bord le réel µ tel que p(z µ )=,. L clcultrice fournit µ = 3,9... et donc µ =6,... Ensuite, on rppelle que l fonction de réprtition p(z ) est une fonction strictement croissnte sur R et donc p(z µ ), p(z µ ) p(z µ ) µ µ µ µ µ µ µ. µ En réglnt l mchine sur une moyenne µ=6, cl ou dvntge, l législtion ser respectée. ) On choisit µ=µ =6, (et =). L probbilité demndée est p(x ). L clcultrice fournit p(z )=,5... En prennt µ=6,, on environ,5% de chnces qu une bouteille déborde u remplissge. 3) ) µ est de nouveu quelconque. L condition s écrit p(x ), ou encore p(x ),99 ou enfin p(z µ ),99. L mchine fournit le réel tel que p(z ) =, 99 : =, 3... puis, comme à l question ), p(z µ ),99 p(z µ ) p(z ) µ µ µ µ 5,3... b) L probbilité demndée est p(x ). L clcultrice fournit En prticulier, l législtion n est ps respectée. p(x )=,3... Eercice 3. Durée de vie d un ppreil. L durée de vie d un certin type d ppreil est modélisée pr une vrible létoire suivnt une loi normle de moyenne et d écrt-type inconnus. Les spécifictions impliquent que 8% de l production des ppreils it une durée de vie entre et jours et que 5% de l production it une durée de vie inférieure à jours. ) Quelles sont les vleurs de µ et. ) Quelle est l probbilité d voir un ppreil dont l durée de vie est comprise entre et 3 jours? Solution. Soit X l vrible létoire égle à l durée de vie d un ppreil. X suit une loi normle de prmètres et µ. On note Z l vrible létoire centrée réduite ssociée à X à svoir Z= X µ. L énoncé donne p( X )=,8 et p(x )=,5. En dditionnnt ces deu églités, on obtient En pssnt à l loi centrée réduite, on obtient p(x )=p( X )+p(x )=,8+,5=,85. p(z µ )=,85 et p(z µ )=,5. 5
16 L clcultrice fournit lors µ =,36... et µ système =, On rrondit u centième et on obtient le Résolvons-le. µ =,4 µ =,64. µ =,4 µ =,64 On rrondit u jour : { µ=,4 µ=,64 = 8,68 µ=,4 8,68 { µ=,4 (,4)=,64 { 8=,8 µ=,4 { =9,85... µ=68,95... µ=69 et =3. ) L probbilité demndée est p( X 3). L clcultrice fournit p( X 3)=,3 rrondi u centième. 6
Synthèse de cours (Terminale S) Calcul intégral
Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (
Plus en détailTout ce qu il faut savoir en math
Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :
Plus en détailThéorème de Poincaré - Formule de Green-Riemann
Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler
Plus en détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détailSTI2D Logique binaire SIN. L' Algèbre de BOOLE
L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.
Plus en détailSéquence 8. Probabilité : lois à densité. Sommaire
Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit
Plus en détailLICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER
LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries
Plus en détailCOURS D ANALYSE. Licence d Informatique, première. Laurent Michel
COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................
Plus en détailsemestre 3 des Licences MISM annnée universitaire 2004-2005
MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................
Plus en détailUniversité Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO
Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................
Plus en détailANALYSE NUMERIQUE NON-LINEAIRE
Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailChapitre VI Contraintes holonomiques
55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce
Plus en détailChapitre 11 : L inductance
Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4
Plus en détailLANGAGES - GRAMMAIRES - AUTOMATES
LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront
Plus en détailCours d Analyse IV Suites et Séries de fonctions
Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d
Plus en détail3- Les taux d'intérêt
3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents
Plus en détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détailLicence M.A.S.S. Cours d Analyse S4
Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,
Plus en détail/HVV\VWqPHVFRPELQDWRLUHV
/HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x
Plus en détailTechniques d analyse de circuits
Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre
Plus en détailL'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.
ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie
Plus en détailChapitre 1 : Fonctions analytiques - introduction
2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux
Plus en détailInfluence du milieu d étude sur l activité (suite) Inhibition et activation
Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu
Plus en détailANALYSE : FONCTIONS D UNE VARIABLE RÉELLE
Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr
Plus en détailGuide d'utilisation Easy Interactive Tools Ver. 2
Guide d'utilistion Esy Interctive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver.2 Présenttion de Esy Interctive Tools 3 Crctéristiques Fonction de dessin Vous pouvez utiliser Esy Interctive
Plus en détailLOGICIEL FONCTIONNEL EMC VNX
LOGICIEL FONCTIONNEL EMC VNX Améliortion des performnces des pplictions, protection des données critiques et réduction des coûts de stockge vec les logiciels complets d EMC POINTS FORTS VNX Softwre Essentils
Plus en détailPartie 4 : La monnaie et l'inflation
Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que
Plus en détailIntégrale et primitives
Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition
Plus en détailStatuts ASF Association Suisse Feldenkrais
Sttuts ASF Assocition Suisse Feldenkris Contenu Pge I. Nom, siège, ojectif et missions 1 Nom et siège 2 2 Ojectif 2 3 Missions 2 II. Memres 4 Modes d ffilition 3 5 Droits et oligtions des memres 3 6 Adhésion
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 détailThèse Présentée Pour obtenir le diplôme de doctorat en sciences En génie civil Option : structure
République Algérienne Démocrtique et Populire Ministère de l enseignement supérieur et de l recherche scientifique Université Mentouri de Constntine Fculté des sciences et sciences de l ingénieur Déprtement
Plus en détailMagister en : Génie Mécanique
الجمهورية الجزاي رية الديمقراطية الشعبية République Algérienne Démocrtique et Populire وزارة التعليم العالي و البحث العلمي Ministère de l enseignement supérieur et de l recherche scientifique Université
Plus en détailConseils et astuces pour les structures de base de la Ligne D30
Conseils et stuces pour les structures de bse de l Ligne D30 Conseils et stuces pour l Ligne D30 Ligne D30 - l solution élégnte pour votre production. Rentbilité optimle et méliortion continue des séquences
Plus en détailModification simultanée de plusieurs caractéristiques d un bien hédonique : une nouvelle méthode de calcul de la variation de bien-être des ménages
Modifiction simultnée de plusieurs crctéristiques d un bien hédonique : une nouvelle méthode de clcul de l vrition de bien-être des ménges Trvers Muriel * Version provisoire Résumé : De nombreuses situtions
Plus en détailToyota Assurances Toujours la meilleure solution
Toyot Assurnces Toujours l meilleure solution De quelle ssurnce vez-vous besoin? Vous roulez déjà en Toyot ou vous ttendez s livrison. Votre voiture est neuve ou d occsion. Vous vlez les kilomètres ou
Plus en détailAUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*)
Revue d histoire des mthémtiques, 2 (1996), p. 1 66. AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES Bruno BELHOSTE (*) RÉSUMÉ. Dns cet rticle,
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 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 détailLITE-FLOOR. Dalles de sol et marches d escalier. Information technique
LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion
Plus en détailPour développer votre entreprise LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!
Pour développer votre entreprise Gestion Commercile Gérez le cycle complet des chts (demnde de prix, fcture fournisseur), des stocks (entrée, sortie mouvement, suivi) et des ventes (devis, fcture, règlement,
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
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 détailLe canal étroit du crédit : une analyse critique des fondements théoriques
Le cnl étroit du crédit : une nlyse critique des fondements théoriques Rfl Kierzenkowski 1 CREFED Université Pris Duphine Alloctire de Recherche Avril 2001 version provisoire Résumé A l suite des trvux
Plus en détailLa pratique institutionnelle «à plusieurs»
L prtique institutionnelle «à plusieurs» mury Cullrd Février 2013 Nicols, inquiet: «Qund je suis seul vec quelqu un, il se psse des choses» Vlentin, à propos de l institution : «Ici, y beucoup de gens,
Plus en détailTSTI 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 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 détail- Phénoméne aérospatial non identifié ( 0.V.N.I )
ENQUETE PRELIMINAIRE ANALYSE ET REFEREWCES : Phénoméne érosptil non identifié ( 0VNI ) B8E 25400 DEF/GEND/OE/DOlRENS du 28/9/1992 Nous soussigné : M D L chef J S, OPJ djoint u commndnt de l brigde en résidence
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
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 détailTurbine hydraulique Girard simplifiée pour faibles et très faibles puissances
Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits
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 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 détailRégression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006
Régression multiple : principes et eemples d ppliction Dominique Lffly UMR 5 603 CNRS Université de Pu et des Pys de l Adour Octobre 006 Destiné à de futurs thémticiens, notmment géogrphes, le présent
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 détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailEnsEignEmEnt supérieur PRÉPAS / BTS 2015
Enseignement supérieur PRÉPAS / BTS 2015 Stnisls pour mbition de former les étudints à l réussite d exmens et de concours des grndes écoles de mngement ou d ingénieurs. Notre objectif est d ccompgner chque
Plus en détailElectrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11
Electrovnne double Dimension nominle 3/8 - DMV-D/11 DMV-DLE/11 7.30 M Edition 11.13 Nr. 223 926 1 6 Technique L électrovnne double DUNGS DMV intère deux électrovnnes dns un même bloc compct : - vnnes d
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
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 détailSEANCE 4 : MECANIQUE THEOREMES FONDAMENTAUX
SEANCE 4 : MECANIQUE THEOREMES FONDAMENTAUX 1. EXPERIENCE 1 : APPLICATION DE LA LOI FONDAMENTALE DE LA DYNAMIQUE a) On incline d un angle α la table à digitaliser (deuxième ou troisième cran de la table).
Plus en détailSommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2
Sommire 1. A propos de Sophos... 3 2. Comprtif des solutions Sophos NAC... 4 3. Sophos NAC pour Endpoint Security nd Control 8.0... 4 3.1. Administrtion et déploiement... 4 3.2. Gestion des politiques
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en 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 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 détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailTheorie des mrches Dns ce chpitre, on etudie l'interction de l'ore et de l demnde sur un mrche d'un bien donne. On etudier, en prticulier, l'equilibre du mrche. Etnt donne qu'on s'interesse uniquement
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 détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailBilan pédagogique / Projet ipad Contexte
t e j n r i t P t n e m i r é d p x d e es ip e d s s l c en gie. l chn, p s e g iss rent p p es ur l s é r cent t e j n pr Bil g g éd n p l2 vri, e iqu U d ps égrtin m t L sch en in tin duc en De gique
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 détailSciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot
Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
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 détailSYSTEME DE TELEPHONIE
YTEME DE TELEPHOIE LE OUVEUTE PTIE MOITEU COULEU Le système de téléphonie comporte un moniteur vec un écrn couleurs de intégré u téléphone. Cette prtie est disponile en lnc, nthrcite et Tech. TLE DE MTIEE
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailVIBRATIONS COUPLEES AVEC LE VENT
VIBRATIONS OPLEES AVE LE VENT Pscl Hémon Lbortoire d Hydrodynmique, LdHyX Ecole Polytechnique, Pliseu Octobre 00 Vibrtions couplées vec le vent Si vous pense que j i révélé des secrets, je m en ecuse.
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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
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 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 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 détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
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 détailPour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!
Pour développer votre entreprise Compt Avec EBP Compt, vous ssurez le suivi de l ensemble de vos opértions et exploitez les données les plus complexes en toute sécurité. Toutes les fonctionnlités essentielles
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 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 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 détailGuide de l'utilisateur
Guide de l'utilisteur Symboles Utilisés Dns ce Guide Indictions de sécurité L documenttion et le projecteur utilisent des symboles grphiques qui indiquent comment utiliser l ppreil en toute sécurité. Veillez
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailSOCIÉTÉ LINNÉENNE DE LYO N FONDEE EN 182 2
39 nnée N 6 Juin 197 0 BULLETIN MENSUE L DE LA SOCIÉTÉ LINNÉENNE DE LYO N FONDEE EN 182 2 RECONNUE D'UTILITE PUBLIQUE PAR DECRET DU 9 AOUT 193 7 des SOCIETES BOTANIQUE DE LYON, D'ANTHROPOLOGIE ET DE BIOLOGIE
Plus en détailRadioCommunications CDMA
Conservtoire tionl es Arts et Métiers Cours u Conservtoire tionl es Arts et Métiers RioCommunitions CDMA (Version 7) Mihel Terré terre@nmfr Eletronique C4 / Conservtoire tionl es Arts et Métiers Les performnes
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détail