Vecteurs aléatoires. I) Vecteurs aléatoires

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Vecteurs aléatoires. I) Vecteurs aléatoires"

Transcription

1 Vecteurs aléatoires I) Vecteurs aléatoires 1.1) Définition On considère un espace probabilisé,, et variables aléatoires,, définies sur Ω à valeurs dans R. On considère l'application de Ω dans Rⁿ définie par : : Ω R,,, On dit que X est un vecteur aléatoire. Soit un -uplet de réels :,,...,, Rⁿ. L'évènement est défini de la façon suivante : ₁ ₁ ₂ ₂ ) Couples de variables aléatoires On considère deux variables aléatoires et définies sur le même espace probabilisé. On définit la loi de probabilité du couple, par : Pour tout Ω et tout Ω,, On écrit souvent,, 1.3) Loi du couple sous forme de tableau On représente la loi du couple sous la forme d'un tableau : Ω Ω Ce tableau, qui ressemble à celui obtenu en terminale pour les fréquences suggère comme dans le cas des fréquences, on aura (addition en ligne ou en colonne) Ω Ω La connaissance des valeurs de entraîne celle de et. La réciproque est fausse en général. On obtient donc les lois des variables (respectivement en additionnant les lignes (respectivement les colonnes). On parle alors de lois marginales. 1.4) Propriétés On a par construction 1 Ω, Ω, 0,1

2 2) On a pour tout, En effet, la famille d'évènements Ω est un système complet d'évènements. On peut donc écrire : D où la formule proposée. On a de même pour tout Ω, Ω 3 1 Ω,Ω Ω Ω On a 1 Ω Ω Ω On a bien sûr de la même façon : Ω Ω 1.5) Le théorème du transfert pour un couple de VAR On démontre et nous admettrons le théorème suivant : Théorème Soit et deux VAR discrètes définies sur un même espace probabilisé et ϕ une application de R² dans R. On a : Conséquences : Si,, on aura :,, Ω Ω Ω Ω Ω Ω Ω Ω Ω Ω Ω Ω Ω Ω Ω

3 Ω On démontre exactement de la même façon que : R, R, (on dit que est une forme linéaire) 1.6) Covariance On considère un couple, de variables aléatoires définies sur un même espace probabilisé. Nous avions défini la variance de par : ² Par analogie on définit la covariance des variables et par, Si l'on pose et, on a :, 1.7) Variance et covariance Soit et deux nombres réels, on a avec les mêmes notations que dans le 1.6) ² ² ² 2, 2, Dans le cas particulier où 1, on trouve : 2, Ce qui permet d'écrire une nouvelle formule pour la covariance, 1 2 On a pour 1 et 1 2, 1.8) L'inégalité de Schwarz Avec les conditions du 1.6, on veut comparer, et. On a pour tout λr: ² 2, Or on a toujours 0

4 Donc R, ² 2, 0 Le trinôme su second degré en λ est donc positif ou nul pour tout λ. Il ne change pas de signe, ce qui signifie que 2, ² 4 0 Et donc, ² On en déduit que, Or On a enfin l'inégalité de Schwarz :, 1.9) Coefficient de corrélation linéaire Soient deux VAR et, on appelle coefficient de corrélation linéaire le nombre, défini par,, L'inégalité de Schwarz permet de dire que,,, 1 Donc 1, ) Propriétés de la covariance Soit,,, quatre nombres réels, on a,,, la formule,, 1.11) Variables indépendantes Définition Soient et deux variables définies sur le même espace probabilisé. On dit que les variables X et Y sont indépendantes si et, les évènements et sont indépendants. Autrement dit si et, Conséquences Si les deux variables sont indépendantes alors et,

5 De même, on a La réciproque est bien entendu vraie. 1.12) Variables indépendantes et covariance Si les deux variables et sont indépendantes, alors, 0 La réciproque est fausse. (voir le TD sur les vecteurs aléatoires pour les variables discrètes et l exercice 2 de l EDHEC 2007 pour les variables continues) On a alors 2 0 On peut conclure : Théorème Si et sont deux variables indépendantes, on a :, 0 Les réciproques sont fausses 1.13) Variables aléatoires mutuellement indépendantes On considère variables aléatoires,,, définies sur un même espace probabilité Ω,,. Dire que ces variables sont mutuellement indépendantes revient à dire que : Ω, Ω,, Ω, II) Variables aléatoires fonctions d'autres variables aléatoires 2.1) Somme de deux VAR Soient et deux VAR définies sur un même espace probabilisé. On définit une variable par

6 On a montré que 2, On peut définir l'ensemble des valeurs que prend la variable par On peut décrire l'évènement sous la forme Ω, Ω Ω Ω,Ω Tous ces évènements étant incompatibles, on a : Ω,Ω Ce qui se traduit souvent par des probabilités conditionnelles. Si et sont indépendantes, on peut écrire Ω,Ω 2.2) Somme de deux variables de Bernoulli indépendantes de même loi Soit et deux variables de Bernoulli indépendantes de même paramètre. On a et 1 1. Soit. On a 0,1, ² ² On reconnaît une loi binomiale de paramètres 2 et. 2.3) Somme de deux variables binomiales indépendantes de même probabilité de succès On considère deux variables aléatoires et telles que,, Soit. On a Ω 0, 0,, par incompatibilité, puis par indépendance : et et 1 1 et 1 et

7 1 et Les bornes de cette somme obéissent donc à la fois à 0 et 0 Donc 0 et Il faut donc à la fois que soit supérieur à 0 et donc supérieur au plus grand des deux. Il faut également que soit à la fois inférieur à et à, donc au plus petit des deux. en toute rigueur max0, min, En pratique en prenant la convention 0 si ou si 0, on peut considérer que dans tous les cas varie entre 0 et. On est donc ramené à calculer : On reconnaît sous cette forme la formule de Van der Monde dont nous avons donné une démonstration par récurrence en début d année. On a : 1 On reconnaît une loi binomiale de paramètres et. 2.4) Somme de variables aléatoires mutuellement indépendantes On considère variables aléatoires mutuellement indépendantes,, définies sur un même espace probabilisé Ω,,. Posons On a Ω,, Ω,, Ω Ω, Ω,, Ω Ω,, Ω par indépendance On considère maintenant 1variables aléatoires mutuellement indépendantes,,, définies sur un même espace probabilisé Ω,,. On se propose de montrer que les variables et sont indépendantes. On a pour tout Ω et tout Ω Ω,, Ω Ce qui donne par distributivité de l intersection sur la réunion : Ω,, Ω

8 Puis par incompatibilité, puis par indépendance Ω,, Ω Ω,, Ω On a bien indépendance de et de. D où le théorème Théorème : Soit,,, 1 variables aléatoires mutuellement indépendantes, définies sur un même espace probabilisé. Soit. Alors les variables et sont indépendantes. Conséquence : Variance de la somme de variables aléatoires mutuellement indépendantes. On démontre par récurrence que l on aura : 2.5) Somme de variables de Bernoulli indépendantes et de même loi. On considère des variables de Bernoulli, indépendantes et de même paramètre. Soit la variable définie par Nous allons démontrer que suit une loi binomiale de paramètres et. On procède par récurrence. Nous avons vu au 2.2) que la propriété est vraie pour 2 variables. Montrons que si elle est vraie pour, alors elle est vraie pour 1. Posons, étant une variable de Bernoulli de même paramètre telle que les variables,,, soient mutuellement indépendantes. On a vu dans le 2.4) qu alors et sont des variables indépendantes. Par hypothèse de récurrence,. On sait que ce que l on peut écrire 1,. D après le 2.3) on a bien 1,. Ce qu il fallait démontrer. D où le théorème : Théorème : Soit,, variables de Bernoulli, définies sur un même espace probabilisé, mutuellement indépendantes et de même paramètre. Alors la variable suit une loi binomiale de paramètres et. Conséquences 1 1

9 2.6) Somme de deux variables de Poisson indépendantes Soit ₁ et ₂. et sont indépendantes. Soit On a pour tout!!!!!!!!! Donc ₁ ₂ On généralise ce résultat par récurrence à une famille finie de variables de Poisson. Théorème : Soit,, une famille de variables de Poisson, mutuellement indépendantes, de paramètres respectifs,,, définies sur un même espace probabilité (Ω,T,P). Soit. La variable suit une loi de Poisson de paramètre. 2.7) Loi du max On considère variables aléatoires,,, mutuellement indépendantes, définies sur un même espace probabilisé Ω,,. On appelle la variable définie sur,, par Ω, max,, Pour établir la loi de probabilité de la variable, nous allons devoir passer par sa fonction de répartition, c est-à-dire déterminer la probabilité de l évènement pour un réel quelconque. Soit ω un élément de Ω tel que, soit réalisé. Dire que, c est dire que 1,,. Mais dire que 1,, revient à dire que est réalisé. Donc Ω, si alors. On peut écrire que Réciproquement si un élément ω est tel que est réalisé alors cela signifie que tous les évènements de cette intersection sont réalisés et donc que 1,, Mais est égal à l une des valeurs,,. Donc. On en déduit que Ω, si alors.

10 On peut donc écrire que : Et en définitive Ce résultat n a un grand intérêt que si l on sait trouver facilement la fonction de répartition des variables et si elles sont mutuellement indépendantes. Donnons un exemple : On dispose d une urne contenant des boules numérotées de 1 à n, indiscernables au toucher. On extrait une boule de l urne, on note son numéro et on la remet dans l urne. On répète 10 fois cette épreuve. On appelle M la variable aléatoire égale au plus grand des numéros obtenus. On nommera, 1 10, la variable aléatoire correspondant au numéro de la boule tirée à la i-ième épreuve. Déterminer la loi de M. On a bien sûr Ω 1,. On a max,,. Donc d après ce que nous avons dit précédemment, R, Les variables,, sont naturellement mutuellement indépendantes. Elles ont la même loi de probabilité qui est une loi uniforme sur 1,. On a également 1,, 1 1,, 1 On peut en déduire que 1,, par indépendance Remarquons que la formule ci-dessus reste vraie pour 0. En effet l évènement 0 est impossible et l on a bien par la formule : Or Par incompatibilité, on a donc Or Donc 1,, ) Loi du min On se situe dans les mêmes hypothèses que pour la loi du max. On appellera la variable aléatoire définie par min,,,.

11 On a pour tout ω de Ω, et tout réel, 1,, Et donc Réciproquement si alors puisque est égal à l une des valeurs, on aura. On en déduit que On raisonne ensuite comme dans l exemple de la partie précédente. Remarquons que nous aurions le même résultat avec des inégalités strictes au lieu d inégalités larges : On aura donc si les variables sont mutuellement indépendantes : Ce qui donne en passant à la fonction de répartition : Et donc Dans le cas (assez fréquent) où toutes les variables ont la même loi que, on peut écrire : 1 1

Convergence des variables aléatoires

Convergence des variables aléatoires Convergence des variables aléatoires I) L inégalité de Bienaymé Tchebychev 1.1) L inégalité de Markov dans le cas discret On considère une variable discrète non négative, d espérance strictement positive.

Plus en détail

Variables aléatoires indépendantes

Variables aléatoires indépendantes Variables aléatoires indépendantes Nous aurons besoin dans la suite de parler de la notion de variables aléatoires indépendantes (et plus généralement mutuellement indépendantes). On en donne ici la définition

Plus en détail

TD n 6 : Probabilités discrètes

TD n 6 : Probabilités discrètes TD n 6 : Probabilités discrètes Exercice 1 On désigne par un entier naturel non nul. On lance fois une pièce de monnaie donnant "pile" avec la probabilité (avec 0 1 et "face" avec la probabilité 1. On

Plus en détail

Exercice 1. On sait que. Donc. Ce qui donne. On a. ( ) lim. Donc. lim. Posons. La suite ( ) est évidemment croissante puisque

Exercice 1. On sait que. Donc. Ce qui donne. On a. ( ) lim. Donc. lim. Posons. La suite ( ) est évidemment croissante puisque Correction Exercices sur les variables aléatoires Exercice 1 Soit une variable aléatoire suivant la loi géométrique de paramètre (1/). a. Rappeler les valeurs de son espérance et de sa variance ; en déduire

Plus en détail

DS commun Correction. Exercice 1 1. On donne les matrices suivantes: On a. On a immédiatement par identification 2 et 1. On a donc

DS commun Correction. Exercice 1 1. On donne les matrices suivantes: On a. On a immédiatement par identification 2 et 1. On a donc DS commun Correction Exercice 1 1. On donne les matrices suivantes: 0 0 1 0 0 0 0 0 A= 1 0, I= 0 1 0, J= 1 0 0 3 1 0 0 1 3 1 0 a) Montrer qu il existe deux réels et tels que : A=aI+bJ 1 0 0 0 0 0 0 0 0

Plus en détail

Devoir à la maison n 11

Devoir à la maison n 11 Devoir à la maison n 11 Exercice 1 Soit la fonction définie sur R par : Déterminer les trois premières fonctions dérivées :,,., 4, 8 1 On définit les fonctions réelles ₀,₁,₂,₃ par les relations : ₀1, ₁,

Plus en détail

1. Espaces probabilisés dénombrables

1. Espaces probabilisés dénombrables Probabilités sur un univers dénombrable 12-1 Sommaire 1. Espaces probabilisés dénombrables 1 1.1. Ensemble dénombrables......... 1 1.2. Suite infinie d événements........ 1 1.3. Probabilité sur un univers

Plus en détail

mp* : révisions pour l écrit - Probabilités

mp* : révisions pour l écrit - Probabilités mp* 14-15 : révisions pour l écrit - Probabilités I Chapitres concernés P0, P1, P2, P3, P4, P5 II Questions de cours les plus classiques On ne les connaît pas encore...mais il est prudent de savoir Démontrer

Plus en détail

Chapitre 6 Couples et suites de variables aléatoires discrètes

Chapitre 6 Couples et suites de variables aléatoires discrètes Chapitre 6 Couples et suites de variables aléatoires discrètes I Couples de variables aléatoires réelles discrètes Dans toute cette partie, on considère X et Y deux variables aléatoires réelles discrètes

Plus en détail

Une condition nécessaire de convergence Considérons une série de terme général. Supposons cette série convergente. Soit sa somme.

Une condition nécessaire de convergence Considérons une série de terme général. Supposons cette série convergente. Soit sa somme. Séries numériques I) Définitions - Notions essentielles.) Séries numériques Définition Soit une suite numérique. On appelle série de terme général la suite dont les termes successifs sont : ₀ ₀ ₁ ₀ ₁ ₂

Plus en détail

Devoir Vacances Commentaires et corrections

Devoir Vacances Commentaires et corrections Devoir Vacances Commentaires et corrections Voici quelques éléments pour vous aider à faire ce devoir et les corrections de quelques erreurs d énoncé : I) Exercice 1 Les parties 1 et 2 sont indépendantes.

Plus en détail

Exercices sur les variables aléatoires

Exercices sur les variables aléatoires Exercices sur les variables aléatoires Exercice 1 Soit une variable aléatoire suivant la loi géométrique de paramètre (1/2). a) Rappeler les valeurs de son espérance et de sa variance ; en déduire la valeur

Plus en détail

p(x = k) = a ( n+k p(x = k) = 1 a k + k=0 p k, on peut en déduire la valeur de a. (série géométrique)

p(x = k) = a ( n+k p(x = k) = 1 a k + k=0 p k, on peut en déduire la valeur de a. (série géométrique) Colle PC Semaines 9 et 20 204-205 Programme : Variables aléatoires discrètes : Loi, Fonction de répartition, Espérance, Variance et écart-type, Théorème du transfert, Inégalités de Marov et Bienaymé Tchebichev

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Espaces vectoriels de dimension finie 1.1) Famille génératrice (rappel) Exemple 1 On considère par exemple l'espace vectoriel R² et les vecteurs 1,1, 1, et,3. Soit un élément quelconque de R²,,. Peut-on

Plus en détail

Espérance, variance ; loi faible des grands nombres

Espérance, variance ; loi faible des grands nombres 49 Espérance, variance ; loi faible des grands nombres Pour ce chapitre, (Ω, B, P) est un espace probabilisé et X une variable aléatoire à valeurs réelles positives (i. e. une application de Ω dans R +

Plus en détail

Variables aléatoires réelles

Variables aléatoires réelles 23 Variables aléatoires réelles Pour ce paragraphe, (Ω, B, P est un espace probabilisé. 23.1 Définition et propriétés des variables aléatoires réelles Définition 23.1 On dit qu une application X : Ω R

Plus en détail

Chapitre III : Probabilités discrètes

Chapitre III : Probabilités discrètes Chapitre III : Probabilités discrètes Extrait du programme : I. Rappels a. Définitions Prop 1 : Une probabilité est toujours comprise entre 0 et 1. Prop 2 Si A est l événement certain, p(a) = 1. Si A est

Plus en détail

n-uplets de variables aléatoires réelles

n-uplets de variables aléatoires réelles n-uplets de variables aléatoires réelles Table des matières 1 Définition d un n-uplet de variables aléatoires réelles. 2 2 Loi d un vecteur aléatoire à valeurs dans n. 2 3 Loi marginale. 2 4 Caractérisation

Plus en détail

CAPES session 2015 Épreuve 2. Problème n o 1

CAPES session 2015 Épreuve 2. Problème n o 1 CAPES session 2015 Épreuve 2 Problème n o 1 A. P. M. E. P. Problème n o 1 Notations On note N l ensemble des entiers naturels, N l ensemble des entiers naturels non nuls et Z l ensemble des entiers relatifs.

Plus en détail

Variables continues usuelles

Variables continues usuelles Variables continues usuelles I) Variables uniformes 1.1 Densités Nous avons déjà rencontré ce type de variables. Définition 1 On dit que la variable suit une loi uniforme continue sur 0,1 si sa fonction

Plus en détail

DS 9 Correction EXERCICE Etude d'une fonction auxiliaire.

DS 9 Correction EXERCICE Etude d'une fonction auxiliaire. DS 9 Correction EXERCICE On considère la fonction déterminée sur 0, par : ln On se propose dans cet exercice d'étudier la fonction et de la représenter relativement à un repère orthonormal,,, l'unité choisie

Plus en détail

Chapitre V : Probabilité : conditionnement et indépendance

Chapitre V : Probabilité : conditionnement et indépendance Chapitre V : Probabilité : conditionnement et indépendance A- Variables aléatoires et lois de probabilités I Loi d une variable aléatoire 1) Définition d une variable aléatoire Exemple : Un jeu de hasard

Plus en détail

PROBABILITES 2 : Répétition d'expériences identiques et indépendantes.

PROBABILITES 2 : Répétition d'expériences identiques et indépendantes. PROBABILITES 2 : Répétition d'expériences identiques et indépendantes. 1) Représentation par un arbre d'une répétition d'expériences identiques et indépendantes Dans le cas d'une répétition d'expériences

Plus en détail

démonstrations exigibles au baccalauréat

démonstrations exigibles au baccalauréat démonstrations exigibles au baccalauréat fonction exponentielle (1/2) propriété : Il existe une unique fonction dérivable sur telle que ' = et (0) = 1 1 L'existence de la fonction est admise conformément

Plus en détail

Chapitre 6 Couples et suites de variables aléatoires discrètes

Chapitre 6 Couples et suites de variables aléatoires discrètes Mr Dunstetter - ENC-Bessières 204\205 Chapitre Couples et suites de variables aléatoires discrètes I Couples de variables aléatoires discrètes : dénitions Dans toute cette partie, on considère X et Y deux

Plus en détail

Rappels de théorie des probabilités

Rappels de théorie des probabilités Rappels de théorie des probabilités 1. modèle probabiliste. 1.1. Univers, événements. Soit un ensemble non vide. Cet ensemble sera appelé l univers des possibles ou l ensemble des états du monde. Dans

Plus en détail

Corrigé du Concours Blanc

Corrigé du Concours Blanc Corrigé du Concours Blanc Exercice : On considère la fonction f définie par : f(x = x + 2 2 ln(e x + et on note (C la courbe représentative de f dans un repère orthonorrnal.. Etude de la fonction f. a.

Plus en détail

Couples de variables aléatoires réelles

Couples de variables aléatoires réelles Couples de variables aléatoires réelles Table des matières 1 Définition d un couple de variables aléatoires. 2 2 Loi d un couple de variables aléatoires réelles. 2 3 Indépendance de deux variables aléatoires.

Plus en détail

Variables aléatoires discrètes : loi et espérance.

Variables aléatoires discrètes : loi et espérance. Université Pierre et Marie Curie 2013-2014 Probabilités élémentaires - LM345 Feuille 4 (semaine du 7 au 11 octobre 2012) Variables aléatoires discrètes : loi et espérance. 1. Espérance et probabilité Soit

Plus en détail

Correction TD de probabilités

Correction TD de probabilités Correction TD de probabilités Exercice 1 On lance deux fois une pièce considérée comme bien équilibrée. Quelle est la probabilité d'obtenir au moins un face? On décrit l univers des possibles Ω associé

Plus en détail

Probabilités. Exemple d application 1 : On effectue un lancé de dé à six faces, numérotées de 1 à 6. On définie les quatre événements suivants :

Probabilités. Exemple d application 1 : On effectue un lancé de dé à six faces, numérotées de 1 à 6. On définie les quatre événements suivants : I- Définitions et propriétés Probabilités Exemple d application 1 : On effectue un lancé de dé à six faces, numérotées de 1 à 6. On définie les quatre événements suivants : E 1 : Avoir un chiffre pair

Plus en détail

DS n 5 Correction 31 janvier 2007

DS n 5 Correction 31 janvier 2007 DS n 5 Correction 3 janvier 2007 Exercice Le gérant d'un magasin de matériel informatique a acheté un stock de disquettes. 5% des boîtes sont abîmées. Le gérant estime que: 60% des boîtes abîmées contiennent

Plus en détail

Cours N 2 : Probabilités conditionnelles, indépendances, somme et expérience de variables aléatoires discrètes.

Cours N 2 : Probabilités conditionnelles, indépendances, somme et expérience de variables aléatoires discrètes. Cours N 2 : Probabilités conditionnelles, indépendances, somme et expérience de variables aléatoires discrètes. I. Probabilités conditionnelles A. Définition On appelle probabilité conditionnelle de A

Plus en détail

Exercices : Couples et suites de VAR discrètes

Exercices : Couples et suites de VAR discrètes Exercices : Couples et suites de VAR discrètes Exercice : Une urne contient 2 boules blanches et n 2 boules rouges. On effectue n tirages sans remise de cette urne. On appelle X le rang de sortie de la

Plus en détail

Ecricome 2008 Correction

Ecricome 2008 Correction Ecricome 2008 Correction Exercice 1 + 2 2, = 2 4 + 3 =,, réels} 1. 0,0 =, donc. Soit,. On peut écrire 1 0 0 2 1 2, = 0 1 0 + 2 1 4 0 0 1 1 1 3 1 0 0 L ensemble apparaît comme l ensemble des combinaisons

Plus en détail

Activité d'introduction des notions. Tireur d'élite?

Activité d'introduction des notions. Tireur d'élite? Activité d'introduction des notions. Tireur d'élite? 2) On suppose maintenant qu'il fait six tirs et on note Y le nombre de succès obtenus. (Y {0 ; 1 ;... ; 6}) Activité d'introduction des notions. Tireur

Plus en détail

Variables aléatoires discrètes

Variables aléatoires discrètes Marino Alexandre Feuille d exercices 20 Massena ECS Variables aléatoires discrètes Les exercices à regarder sont mentionnés par une *. Loi de probabilité et fonction de répartition (*)Exercice : Une urne

Plus en détail

Correction du devoir de Mathématiques commun aux terminales S (n 1/2H)

Correction du devoir de Mathématiques commun aux terminales S (n 1/2H) Année scolaire 202-20 0 octobre 202 Terminales S 704/705/706) Correction du devoir de Mathématiques commun aux terminales S n /2H) Question de cours : points) Rappeler la définition de deux événements

Plus en détail

EXERCICES SANS PRÉPARATION 2013

EXERCICES SANS PRÉPARATION 2013 7-12- 2014 JFC p 1 EERCICES SANS PRÉPARATION 2013 Question 1 HEC 2013-1-S46 Soit une variable aléatoire à valeurs strictement positives, admettant une densité f et vérifiant la propriété suivante : la

Plus en détail

Variables aléatoires discrètes. Soit une expérience aléatoire à laquelle est associé l ensemble des issues Ω.

Variables aléatoires discrètes. Soit une expérience aléatoire à laquelle est associé l ensemble des issues Ω. Variables aléatoires discrètes I. Définitions 1. Définition d une variable aléatoire : Soit une expérience aléatoire à laquelle est associé l ensemble des issues Ω. On appelle variable aléatoire et on

Plus en détail

Variables aléatoires réelles

Variables aléatoires réelles Variables aléatoires réelles Table des matières 1 Généralités sur les variables aléatoires réelles. 3 1.1 Rappels sur les σ-algèbres ou tribus d événements................................. 3 1.2 σ-algèbre

Plus en détail

Correction du TD n o 2 Partie commune

Correction du TD n o 2 Partie commune Université de Nice Sophia-Antipolis Année Universitaire 00/0 L MI Statistique TD de Statistique Correction du TD n o Partie commune Exercice :. N est une variable aléatoire dénombrable tel que N(Ω) N et

Plus en détail

Ch 07 Probabilités. Exemple Reprendre l exemple précédent et définir la loi de probabilité de X.

Ch 07 Probabilités. Exemple Reprendre l exemple précédent et définir la loi de probabilité de X. Ch 07 Probabilités I VARIABLE ALEATOIRE ET LOI DE PROBABILITE I.1 - d une variable aléatoire On appelle variable aléatoire discrète toute application X de Ω dans IR. L ensemble des valeurs prises par X,

Plus en détail

ESPACES PROBABILISES FINIS

ESPACES PROBABILISES FINIS Lycée de l Essouriau Année 2013-2014 PCSI ESPACES PROBABILISES FINIS Exercice 1 Langage ensembliste. Trois enfants, Arthur, Béatrice et Cécile, lancent chacun un ballon en direction d un panier de basket.

Plus en détail

Chapitre 4: Fonctions génératrices (notions)

Chapitre 4: Fonctions génératrices (notions) Chapitre 4: Fonctions génératrices (notions) 1 Généralités On considère ici le cas particulier des v.a. à valeurs dans l ensemble N des entiers naturels. Ces v.a. interviennent souvent dans les applications.

Plus en détail

Chapitre 10 : Conditionnement et indépendance.

Chapitre 10 : Conditionnement et indépendance. Chapitre 10 : Conditionnement et indépendance. Dans ce chapitre, nous allons donner un sens mathématique au mot «indépendance». Nous pourrons alors modéliser les répétitions indépendantes d expériences

Plus en détail

EXERCICE 1. Corrigé ESC 2005 Eco par Pierre Veuillez. 1. a) Comme h = f 3Id alors N = mat B (h) = mat B (f) 3mat B (I) = A 3I = Donc N 2 =

EXERCICE 1. Corrigé ESC 2005 Eco par Pierre Veuillez. 1. a) Comme h = f 3Id alors N = mat B (h) = mat B (f) 3mat B (I) = A 3I = Donc N 2 = Corrigé ESC 2005 Eco par Pierre Veuillez EXERCICE. a) Comme h = f Id alors N = mat B (h) = mat B (f) mat B (I) = A I = Donc N 2 = Et N = 0 0 8 0 0 8 0 0 8 = = 0 0 8 b) Comme on a la relation polynomiale

Plus en détail

CHAÎNES DE MARKOV. Master MIMSE Bordeaux

CHAÎNES DE MARKOV. Master MIMSE Bordeaux CHAÎNES DE MARKOV MICHEL BONNEFONT Master MIMSE Bordeaux Dans tout ce cours on se placera sur un espace d états E fini ou dénombrable. Dans ce chapitre, on va s intéresser à l étude de phénomènes aléatoires

Plus en détail

Remarque : Dans la suite, on ne traitera que des expériences dont les univers sont finis.

Remarque : Dans la suite, on ne traitera que des expériences dont les univers sont finis. Chapitre 5 Probabilités 5.1 Rappels 5.1.1 Vocabulaire Expérience aléatoire Définition 5.1 Une expérience dont on connaît les issues (les résultats) est appelée expérience aléatoire si on ne peut pas prévoir

Plus en détail

(exercice : calculer u 2 puis u 5 )

(exercice : calculer u 2 puis u 5 ) Suites Prérequis : Division euclidienne Soient a et b deux entiers avec b 0. Il existe un unique couple (q, r) Z N tel que a = q b + r et 0 r < b. q s appelle le quotient de la division enclidienne de

Plus en détail

La formule de Taylor et les développements limités

La formule de Taylor et les développements limités La formule de Taylor et les développements ités I) La formule f de Taylor 1.1 ) Formule de Taylor avec reste intégral On considère une fonction de classe (c est-à-dire 1 fois dérivables et à dérivées continues,

Plus en détail

CHAPITRE 8 : Probabilités (1)

CHAPITRE 8 : Probabilités (1) CHAPITRE 8 : Probabilités (1) I. Généralités (rappels) 1. Vocabulaire Définitions : On appelle expérience aléatoire une expérience dont le résultat dépend du hasard. L'ensemble des résultats (ou issues)

Plus en détail

Chapitre 10. Probabilités conditionnelles. Objectifs du chapitre : item références auto évaluation. modéliser une situation (par un arbre par exemple)

Chapitre 10. Probabilités conditionnelles. Objectifs du chapitre : item références auto évaluation. modéliser une situation (par un arbre par exemple) Chapitre 10 Probabilités conditionnelles Objectifs du chapitre : item références auto évaluation modéliser une situation (par un arbre par exemple) utiliser la formule des probabilités totales indépendance

Plus en détail

Jour n 1. Exercice 1.1. Exercice 1.2

Jour n 1. Exercice 1.1. Exercice 1.2 Jour n 1 Exercice 1.1 Soit un entier naturel non nul. Un jardinier plante bulbes de tulipes dans son jardin. Chaque bulbe a une probabilité de donner une fleur. Lorsqu une tulipe fleurit une année, elle

Plus en détail

ESSEC option Eco 2003 Maths III

ESSEC option Eco 2003 Maths III ESSEC option Eco 2003 Maths III Exercice 1 Suites récurrentes et algèbre linéaire Soit a un nombre réel. On note R N l ensemble des suites réelles définies sur N, et F le sous- ensemble de R N formé des

Plus en détail

PROBABILITES CONDITIONNELLES

PROBABILITES CONDITIONNELLES I- Probabilté conditionnellle POAILITES CODITIOELLES Soit A et deux événements d un univers Ω muni d une loi de probabilité tels que P (A) 0. La probabilité de l événement sachant que l événement A est

Plus en détail

de la variable aléatoire X est l'événement noté ( X = x i ).

de la variable aléatoire X est l'événement noté ( X = x i ). I. Variable aléatoire : Loi de probabilité et espérance 1. Variable aléatoire discrète On considère l'ensemble des issues d'une expérience aléatoire. Définir une variable aléatoire X sur cet ensemble,

Plus en détail

Durée : 2h Une feuille recto-verso autorisée Calculatrice interdite. Le barême tiendra compte de la rédaction. Justifiez clairement vos réponses.

Durée : 2h Une feuille recto-verso autorisée Calculatrice interdite. Le barême tiendra compte de la rédaction. Justifiez clairement vos réponses. SY1 Médian A11 Durée : 2h Une feuille recto-verso autorisée Calculatrice interdite Le barême tiendra compte de la rédaction. Justifiez clairement vos réponses. Exercice 1. Soit (Ω, A, IP) un espace de

Plus en détail

Sommes de variables aléatoires indépendantes.

Sommes de variables aléatoires indépendantes. Université Pierre et Marie Curie 03-04 Probabilités et statistiques - LM345 Feuille 7 (semaine du 8 au 3 octobre Sommes de variables aléatoires indépendantes.. Indépendance d événements et de variables

Plus en détail

Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées. Fiche de T.D. n o 2

Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées. Fiche de T.D. n o 2 Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées CAPES-M1 Année 2010-2011 Fiche de T.D. n o 2 Ex 1. Urne à composition évolutive Dans une urne contenant au départ

Plus en détail

SERIE 1 Statistique descriptive.

SERIE 1 Statistique descriptive. Université Abdelmalek Essaadi. Ecole Nationale des Sciences Appliquées - Tétouan - Cycle Ingénieur. S1. Module Proba-Stat. A/U: 2011-2012. M. CHERKAOUI 0 - Statistique descriptive. Contenu du module. -

Plus en détail

Loi d une variable aléatoire réelle

Loi d une variable aléatoire réelle Licence Math et MASS, MATH504 : probabilités et statistiques Loi d une variable aléatoire réelle On introduit la notion de variable aléatoire dans le cas réel ainsi que la notion fondamentale de loi d

Plus en détail

2 Expérience aléatoire, probabilité, probabilité conditionnelle

2 Expérience aléatoire, probabilité, probabilité conditionnelle Leçon n o 2 Expérience aléatoire, probabilité, probabilité conditionnelle 9 Niveau Lycée Prérequis théorie des ensembles Références [7], [8] 2.1 Expérience aléatoire, événements 2.1.1 Expérience aléatoire

Plus en détail

Chapitre 5 : Lois Discrètes Usuelles

Chapitre 5 : Lois Discrètes Usuelles Chapitre 5 : Lois Discrètes Usuelles L2 Eco-Gestion, option AEM (L2 Eco-Gestion, option AEM) Chapitre 5 : Lois Discrètes Usuelles 1 / 25 Joseph Bertrand (1900) Comment oser parler des lois du hasard? Le

Plus en détail

Exercice 1 sur 5 points Cet exercice est commun à tous les candidats

Exercice 1 sur 5 points Cet exercice est commun à tous les candidats Eercice sur 5 points Cet eercice est commun à tous les candidats Soit f une fonction définie sur ]0 ; + [. On note C f sa courbe représentative dans un repère orthonormal représentée en annee. - La courbe

Plus en détail

AR - SUITES RECURRENTES LINEAIRES ET EQUATIONS DIFFERENTIELLES LINEAIRES

AR - SUITES RECURRENTES LINEAIRES ET EQUATIONS DIFFERENTIELLES LINEAIRES AR - SUITES RECURRENTES LINEAIRES ET EQUATIONS DIFFERENTIELLES LINEAIRES Suites de nombres complexes Notons l(c) l espace vectoriel sur C des suites de nombres complexes. Si (s n ) n 0 est un élément de

Plus en détail

Chapitre 13 Loi des Grands Nombres et Théorème Central Limite

Chapitre 13 Loi des Grands Nombres et Théorème Central Limite Chapitre 13 Loi des Grands Nombres et Théorème Central Limite La Loi des Grands Nombres Abordons maintenant le premier théorème fondamental des probabilités. On a vu précédemment que la proba d un certain

Plus en détail

1. Donner la loi, l espérance et la variance de X 1.

1. Donner la loi, l espérance et la variance de X 1. Exercice 1 On considère une urne contenant n boules numérotées portant des numéros deux à deux distincts. Un premier joueur effectue dans l urne des tirages sans remise jusqu à ce qu il obtienne la boule

Plus en détail

Couples et vecteurs de variables aléatoires Préparation à l agrégation interne

Couples et vecteurs de variables aléatoires Préparation à l agrégation interne Couples et vecteurs de variables aléatoires Préparation à l agrégation interne 1 Couples et vecteurs aléatoires discrets 1.1 Loi conjointe On se donne X et Y deux variables aléatoires discrètes avec X(Ω)

Plus en détail

Indépendance. Université Pierre et Marie Curie Probabilités et statistiques - LM345 Feuille 7

Indépendance. Université Pierre et Marie Curie Probabilités et statistiques - LM345 Feuille 7 Université Pierre et Marie Curie 00-0 Probabilités et statistiques - LM345 Feuille 7 Indépendance a) Déterminer à quelle condition un événement est indépendant de lui-même b) Déterminer à quelle condition

Plus en détail

AS - DECOMPOSITION D UN NOMBRE REEL EN BASE a COURBE DE PEANO

AS - DECOMPOSITION D UN NOMBRE REEL EN BASE a COURBE DE PEANO AS - DECOMPOSITION D UN NOMBRE REEL EN BASE a COURBE DE PEANO Soit a un entier strictement plus grand que 1. Notons N a = {0,1,...,a 1}. Définition On dira qu un nombre réel positif x est de classe a,

Plus en détail

Travaux Dirigés 1 Introduction aux probabilités

Travaux Dirigés 1 Introduction aux probabilités Université Pierre et Marie Curie LM231 Année 2010-2011 Semestre 2 Travaux Dirigés 1 Introduction aux probabilités Dans la suite, pour tout entier naturel n, nous notons N n = {0,...,n} et N n = N n \{0}

Plus en détail

Devoir surveillé de terminales S1-Samedi 22 février durée 3h

Devoir surveillé de terminales S1-Samedi 22 février durée 3h Devoir surveillé de terminales S1-Samedi 22 février durée 3h Exercice 1 : Une urne A contient quatre boules rouges et six boules noires. Une urne B contient une boule rouge et neuf boules noires. Les boules

Plus en détail

Compléments autour de la notion d indépendance

Compléments autour de la notion d indépendance Compléments autour de la notion d indépendance 1 Tribus engendrées Soit Ω un ensemble. On note P(Ω) l ensemble des parties de Ω. Une tribu T est un sous-ensemble de P(Ω) contenant l ensemble vide, stable

Plus en détail

I.12 Exercices II.2 Variables aléatoires discrètes II.1 Variables aléatoires... 26

I.12 Exercices II.2 Variables aléatoires discrètes II.1 Variables aléatoires... 26 Table des matières partie I Calcul des probabilités I Espaces probabilisés 3 I.1 Vocabulaire... 3 I.2 Probabilités... 4 I.3 Probabilités sur un ensemble fini ou dénombrable... 7 I.4 La modélisation (I)...

Plus en détail

CHAPITRE 8 - PROBABILITÉS

CHAPITRE 8 - PROBABILITÉS CHAITRE - ROBABILITÉS OBJECTIS Définir une variable aléatoire discrète. Établir la loi de probabilité d'une variable aléatoire discrète. Calculer l'espérance d'une variable aléatoire. Interpréter l'espérance

Plus en détail

Combinatoire et dénombrement

Combinatoire et dénombrement Exercices de probabilités 1 Combinatoire et dénombrement Exercice 1 On considère un polygone convexe à n sommets. 1. Combien de diagonales ce polygone admet-t-il? 2. En combien de points intérieurs au

Plus en détail

Probabilités Conditionnement et Indépendance Cours Terminale S 2. Indépendance. Formule des probabilités totale

Probabilités Conditionnement et Indépendance Cours Terminale S 2. Indépendance. Formule des probabilités totale Page d accueil Terminale S Cours Calculatrices ROC ROC Conditionnement Indépendance Probabilités Conditionnement et Indépendance Cours Terminale S 2 Indépendance Formule des probabilités totale 1 Indépendance

Plus en détail

Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées. Probabilités et Statistique, Corrigé Code de la Route

Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées. Probabilités et Statistique, Corrigé Code de la Route Université des Sciences et Technologies de Lille UFR de Mathématiques Pures et Appliquées DEUG MASS 2 Année 2000-2001 Probabilités et Statistique, Corrigé Code de la Route Ex 1 Code de la Route I Pour

Plus en détail

/1 point n, c est-à-dire que

/1 point n, c est-à-dire que Externat Notre Dame Devoir n Tle S) Samedi 5 octobre 204 Proposition de corrigé Exercice : / point Restitution organisée de connaissances Dans cet exercice n désigne un entier naturel. On définit une suite

Plus en détail

FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES 29-3- 2011 J.F.C. Fnpv p. 1 TD 25 2010-2011 FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES Lundi 28 mars 2010 Exercice 1 ECRICOME 99 n est un élément de N. (x, y) R 2, f n (x, y) = (x n y) e x y. On se propose

Plus en détail

Type bac janvier Corrigé

Type bac janvier Corrigé Exercice (Métropole 24) Commun à tous les élèves Type bac janvier 27 - Corrigé Partie A ) L image de par la fonction f est : f () +e. Le point d abscisse sur la courbe C, représentative de la fonction

Plus en détail

Exercice n 1. On note An l'évènement " le tirage a lieu dans l'urne U1 à l'étape n " et pn sa probabilité. On a donc p1 = Calculer p2.

Exercice n 1. On note An l'évènement  le tirage a lieu dans l'urne U1 à l'étape n  et pn sa probabilité. On a donc p1 = Calculer p2. Exercice n 1 On considère deux urnes U1 et U2. L'urne U1 contient 17 boules blanches et 3 boules noires indiscernables au toucher. L'urne U2 contient 1 boule blanche et 19 boules noires indiscernables

Plus en détail

Probabilités conditionnelles Indépendance. Vérifier les acquis» page 352

Probabilités conditionnelles Indépendance. Vérifier les acquis» page 352 TS Probabilités conditionnelles Indépendance Cours I. Quelques rappels Rappels sur la loi binômiale : Vérifier les acquis» page 352 Une épreuve de Bernouilli est une expérience aléatoire à deux issues

Plus en détail

7 2 Variables aléatoires discrètes

7 2 Variables aléatoires discrètes BCPST2 9 5 7 2 Variables aléatoires discrètes I Compléments sur les variables aléatoires discrètes A) Dénition Dénition : Variable aléatoire discrète Une variable aléatoire réelle discrète est une variable

Plus en détail

Commentaires préliminaires. Partie I: cas de la dimension 1.

Commentaires préliminaires. Partie I: cas de la dimension 1. Préparation au CAPES externe -, Correction succincte du problème sur le laplacien discret Commentaires préliminaires Ce document n est pas à proprement parler une correction, mais plutôt une série d indications

Plus en détail

1 Probabilités-Rappel

1 Probabilités-Rappel Chapitre Probabilités sur un ensemble fini - Probabilités conditionnelles 1 Probabilités-Rappel On lance un dé non truqué à six faces numérotées de 1 à 6 et on note le nombre figurant sur la face supérieure

Plus en détail

x y z = 0 que l on paramètre par y pour avoir (?, 1,?) dans le générateur

x y z = 0 que l on paramètre par y pour avoir (?, 1,?) dans le générateur Corrigé EDHEC 26 Eco par Pierre Veuillez Exercice Soit f l endomorphisme de R 3 dont la matrice dans la base canonique B de R 3 est : A 2 7 4 3 2 8 6 On note I la matrice unité de M 3 (R) et on pose u

Plus en détail

Cours de Terminale S /Probabilités : conditionnement et indépendance. E. Dostal

Cours de Terminale S /Probabilités : conditionnement et indépendance. E. Dostal Cours de Terminale S /Probabilités : conditionnement et indépendance E. Dostal aout 2013 Table des matières 6 Probabilités : conditionnement et indépendance 2 6.1 Généralités............................................

Plus en détail

CH V : Généralités sur les suites réelles

CH V : Généralités sur les suites réelles CH V : Généralités sur les suites réelles I. Notion de suite I.1. Définition générale Définition Une suite de nombre réels u est une application de N dans R i.e. une fonction de N dans R telle que tout

Plus en détail

Dans tout ce devoir, la qualité de la rédaction et le soin seront pris en compte dans la notation.

Dans tout ce devoir, la qualité de la rédaction et le soin seront pris en compte dans la notation. Externat Notre Dame Bac Blanc n Tle S) janvier 206 durée : 4 h calculatrice autorisée Dans tout ce devoir, la qualité de la rédaction et le soin seront pris en compte dans la notation. Les exercices pourront

Plus en détail

Des outils pour les suites

Des outils pour les suites Des outils pour les suites Suites arithmético-géométriques Définition : ppelle suite arithmético-géométrique toute suite récurrente de la forme : où a et b sont des nombres réels. Quelques cas particuliers

Plus en détail

Indépendance en probabilité. Loi de Bernoulli. Loi binomiale.

Indépendance en probabilité. Loi de Bernoulli. Loi binomiale. Loi de Bernoulli. Loi binomiale. 1. Indépendance... p2 2. Épreuves et lois de Bernoulli... p4 3. Loi binomiale... p6 Copyright meilleurenmaths.com. Tous droits réservés 1. Indépendance 1.1. Proposition

Plus en détail

Chapitre 4 PROBABILITES TES

Chapitre 4 PROBABILITES TES Chapitre 4 PROBABILITES TES «En augmentant le nombre d observations, nous augmentons continuellement la probabilité d atteindre le rapport réel entre les nombres des cas qui font qu un événement peut arriver

Plus en détail

Corrigé de l examen de mathématiques

Corrigé de l examen de mathématiques Collège notre Dame de Jamhour Juin 2014 Classe de première S Corrigé de l examen de mathématiques Exercice 1 1. a. admet pour vecteur directeur ; admet pour vecteur directeur Alors et sont orthogonales.

Plus en détail

1 Probabilités-Rappel

1 Probabilités-Rappel Chapitre Probabilités sur un ensemble fini-variable aléatoire 1 Probabilités-Rappel On lance un dé non truqué à six faces numérotées de 1 à 6 et on note le nombre figurant sur la face supérieure du dé.

Plus en détail

LES SUITES 3. II Utilisation de la calculatrice Représentation Graphique Représentation graphique (n ;u n ) 4

LES SUITES 3. II Utilisation de la calculatrice Représentation Graphique Représentation graphique (n ;u n ) 4 LES SUITES 3 I Généralités 3 1.1 Définitions 3 Exemple : 3 1. Différentes façons de définir une suite 3 a ) Par une formule explicite 3 3 3 b ) Par récurrence 4 ex 4 II Utilisation de la calculatrice Représentation

Plus en détail

Variables aléatoires : loi et espérance.

Variables aléatoires : loi et espérance. Université Pierre et Marie Curie 2010-2011 Probabilités et statistiques - LM345 Feuille 4 Variables aléatoires : loi et espérance. 1. Dans une population de n oiseaux, on en capture m que l'on bague puis

Plus en détail

Fonction exponentielle

Fonction exponentielle Fonction exponentielle 1 Fonction exponentielle Définition et variation Théorème Définition Il existe une unique fonction définie et dérivable sur telle que et Cette fonction est appelée fonction exponentielle

Plus en détail

COMPOSITION DE MATHÉMATIQUES

COMPOSITION DE MATHÉMATIQUES ÉCOLES NORMALES SUPÉRIEURES ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES CONCOURS D ADMISSION SESSION 205 FILIÈRE BCPST COMPOSITION DE MATHÉMATIQUES Épreuve commune aux ENS de Cachan, Lyon, Paris et de l ENPC

Plus en détail