Lois normales. P( Z u ) = P ( Z u ) P( Z u ) = 1 P( Z < u )
|
|
- Jean-Marie Déry
- il y a 6 ans
- Total affichages :
Transcription
1 Lois normales La loi de probabilité la plus utilisée en statistique est la loi normale, encore appelée loi de Gauss ou de Laplace_Gauss. C'est une distribution théorique qui ne se rencontre jamais exactement dans la nature mais de nombreuses distributions observées s'en rapprochent et sont représentées par une courbe en forme de «cloche» (c'est à dire avec beaucoup d'individus autour de la moyenne et de moins en moins au fur et à mesure que l'on s'éloigne de cette moyenne et ceci de façon symétrique ) I- Loi normale centrée réduite Définition : La fonction f définie sur R par f(x) = 1 2 e 2 est une densité de probabilité. C'est à dire qu'elle est continue positive sur R et l'aire sous la courbe vaut 1 u.a.. On a donc lim A A f x d x = 1 A Cette fonction f est paire ( f(x) = f( x) ) donc sa courbe représentative est symétrique par rapport à l'axe des ordonnées Définition : loi normale centrée réduite On dit qu'une variable aléatoire Z suit la loi normale centrée réduite si elle admet pour densité de probabilité la b 2 d x. fonction f : x 1 2 e La loi normale centrée réduite est notée N (0;1) 2. On a alors pour tous nombres réels a et b, P ( a Z b ) = a 1 2 e Propriétés 1) La fonction f étant paire sa courbe représentative est symétrique par rapport à l'axe des ordonnées. On en déduit que : P(Z [0;+ [ ) = e 2 d x = 1 2 2) Pour tout réel u, P( Z u ) = 1 P( Z > u ) = 1 P( Z < u ). On a donc pour tout réel u, P( Z u ) = P ( Z u ) P( Z u ) = P ( Z u ) P( Z u ) = 1 P( Z < u ) 3) Si la variable aléatoire Z suit la loi normale N ( 0 ; 1 ) alors son espérance est nulle : E(Z) = 0 ( c'est pourquoi on l'appelle centrée ) son écart-type vaut 1 : Z =1 (c'est pourquoi on la dit réduite ) M. Philippe 26/04/13 Page 1 / 7
2 POINT CALCULATRICE Z est la variable aléatoire qui suit une loi normale N ( 0 ; 1 ). Pour calculer P ( a Z b ), on utilise la calculatrice : Casio On va dans le menu STAT puis DIST puis Norm On a alors trois possibilités : TI On obtient le menu des lois des probabilités par : 2 nd VAR (DIST) Seuls les numéros 1, 2 et 3 nous intéressent ici 1: Npd qui permet d'obtenir des valeurs prises par la fonction de densité Normal P, D x : 3 : 1 : 0 donne la valeur de f ( 3 ) 4, : Ncd qui permet de calculer P ( 4 Z 13 ) Normal C, D Lower : 4 Upper : 13 : 1 : 0 On trouve P ( 4 Z 13 ) 3, A noter que si l'on veut calculer P( Z 13 ), on place dans Lower une valeur très petite comme La 3ème possibilité est vue plus loin 1 : normalpdf( qui permet d'obtenir des valeurs prises par la fonction de densité On tape : normalpdf( 3, 0, 1 ) donne f ( 3 ) 4, : normalcdf( qui permet de calculer P ( 4 Z 13 ) On tape : normalcdf( 4, 13, 0, 1 ) qui donne P ( 4 Z 13 ) 3, Syntaxe : normalcdf( a, b,, ) A noter que si l'on veut calculer P( Z 13 ), on place en première valeur une valeur très petite comme Le numéro 3 sera vu plus loin Théorème : intervalle centré en 0 de probabilité donnée Si Z est une variable aléatoire qui suit une loi normale N ( 0 ; 1 ) alors pour tout nombre réel ]0;1[, il existe un unique nombre u > 0 tel que P( u Z u ) =1 Remarque : Il s'agit du problème inverse du problème précédent. On connait la probabilité et l'on cherche à calculer l'intervalle correspondant Démonstration ( exigible ) : On cherche un nombre x tel que P x Z x =1. La fonction densité de Z étant continue, on peut définir la fonction F par F(x) = f t d t = P ( Z x ) F est donc une primitive de f : F ' = f et comme f > 0, F est donc strictement croissante P x Z x =P Z x P Z x = P Z x P Z x = P Z x 1 P Z x = 2 P Z x 1 x On recherche donc x > 0 tel que 2 P Z x 1 = 1 P Z x =1 2 F(x) = 1 2 Dressons alors le tableau de variation de la fonction F. M. Philippe 26/04/13 Page 2 / 7
3 On a F(0) = 1 2 et lim F x =1 d'où F étant strictement croissante, on a le tableau de variation suivant : x Or ]0;1[ 1 2 ] 1 2 ; 1 [ x 0 + f '(x) + f(x) 1/2 On termine en utilisant le théorème de la bijection : F est continue et strictement croissante sur ]0;+ [ et on a : F ( ] 0 ; + [ ) = ] 1 2 ; 1 [ 1 Comme 1 2 ] 1 2 ; 1 [, d'après le théorème de la bijection, il existe un unique u ]0;+ [ tel que F(x) = 1 2 CQFD POINT CALCULATRICE Dans la pratique, le calcul de u se fait à l'aide de la calculatrice Casio On va dans le menu STAT puis DIST puis Norm Troisième possibilité : 3 : InvN qui permet de calculer a tel que P( Z a ) = p Inverse Normal Area : valeur de p : 1 : 0 TI On obtient le menu des lois des probabilités par : 2 nd VAR (DIST) numéro 3 3 : invnorm( qui permet de calculer a tel que On tape : P( Z a ) = p invnorm( p,, ) Si on veut P ( Z a ) = 3, , on trouve a = 4 Si on veut P ( Z a ) = 3, , on trouve a = 4 Deux valeurs à connaître A l'aide du point calculatrice précédent déterminer u dans les deux cas suivants : Pour = 0,05 une valeur approchée du nombre réel u 0,05 tel que P( u 0,05 Z u 0,05 )= 1 est : u 0,05 Pour = 0,01 une valeur approchée du nombre réel u 0,01 tel que P( u 0,01 Z u 0,01 )= 1 est : u 0,01 M. Philippe 26/04/13 Page 3 / 7
4 II- Lois normales N ( ; 2 ) Définition : Une variable X aléatoire suit la loi normale N ( ; 2 normale centrée réduite N ( 0 ; 1 ) ) si la variable aléatoire Z = X suit la loi Propriété : On a X = Z. Les deux paramètres et 2 de la loi normale N ( ; 2 ) s'interprètent comme l'espérance et la variance ( écart type au carré ) de X La démonstration est simple puisque X et Z sont reliées par une transformation affine donc d'après un résultat de première, on a : E(X) = E(Z) + or E(Z) = 0 donc E(X) = V(X) = 2 V(Z) or V(Z) = 1 donc V(X) = 2 Influence des paramètres et On admet que la loi normale N ( ; 2 ) est une loi à densité. Cette densité est la fonction g définie sur R par 1 g(x)= 1 2 e 2 X 2. Toutes les courbes ont la même forme celle d'une courbe en cloche mais l'axe de symétrie est alors la droite d'équation x =. L'écart type a quant à lui un impact sur la forme de la cloche : plus sigma est petit, plus la cloche est haute. Influence de =1,7 =5 Influence de Calculs de probabilités Soit X une variable aléatoire qui suit la loi normale N ( ; 2 ) Si on veut calculer P X, on revient à la loi centrée réduite Z associée à X : P X = P 1 X 1 = P ( 1 Z 1 ). Compléter alors sur le même principe : P 2 X 2 = P ( Z ) et P 3 X 3 = P ( Z ) Utiliser alors la calculatrice pour compléter la propriété suivante : M. Philippe 26/04/13 Page 4 / 7
5 Propriété : Soit X une variable aléatoire qui suit la loi normale N ( ; 2 ) P X P 2 X 2 P 3 X 3 III- Intervalle de fluctuation Situation : Dans une population de taille n, la proportion d'individus présentant un certain caractère est supposée être connu et égal à p. On prélève un échantillon de taille n ( échantillon assimilé à une suite de n tirages aléatoires avec remise ) et on étudie la fréquence du caractère dans cet échantillon III- 1 Définition Définition : X n est une variable aléatoire qui suit la loi binomiale de paramètre n et p. F n est la variable aléatoire définie par F n = X n. est un réel de l'intervalle ] 0 ; 1 [. n Un intervalle de fluctuation asymptotique de la variable aléatoire F n au seuil de 1 est un intervalle déterminé à partir de n et p et qui contient F n avec une probabilité d'autant plus proche de 1 que n est grand Théorème 1 : X n est une variable aléatoire qui suit la loi binomiale de paramètre n et p. F n est la variable aléatoire définie par F n = X n n Pour tout réel de l'intervalle ] 0 ; 1 [, il existe un unique réel u tel que lim P X n n n Démonstration: Voir p 432 Remarque : I n =1 où I n désigne l'intervalle [ p u p 1 p p 1 p ; p u n I n est alors appelé intervalle de fluctuation asymptotique de F n au seuil de 1 On admet que pour n 30, np 5 et n(1-p) 5, on peut utiliser l'approximation P( F n I n ) 1 p 1 p p 1 p Cas particulier : L'intervalle de fluctuation asymptotique au seuil de 95 % est p 1,96 ; p 1,96 [ n p 1 p p 1 p Cela signifie que F n appartient à l'intervalle p 1,96 ; p 1,96 [ n dans environ 95% des cas M. Philippe 26/04/13 Page 5 / 7
6 III-2 Intervalle de fluctuation en seconde et première S En classe de seconde, l'intervalle de fluctuation au seuil de 95 % que l'on a utilisé est J n =[ En classe de première S, l'intervalle de fluctuation au seuil de 95 % que l'on a utilisé est [ a n ; b n ] plus petit entier tel que P X n a 0,25 et b le plus petit entier tel que P X n b 0,975 p 1 n ; p 1 où a est le III-3 Prise de décision au seuil de 5 % La proportion du caractère étudié dans la population est supposée être p. La prise de décision consiste, à partir d'un échantillon de taille n, à valider ou non cette hypothèse faite sur la proportion p. Pour cela : on calcule la fréquence observée f du caractère dans cet échantillon si les conditions d'approximation n 30, np 5 et n 1 p 5 sont respectées, on détermine l'intervalle de fluctuation asymptotique I au seuil de 95 % de la variable aléatoire correspondant à la fréquence d'individus possédant le caractère étudié dans un échantillon de taille n. ( Sinon on utilise un intervalle de fluctuation vu en seconde ou 1S ) on applique alors la règle de décision suivante : si f I, on rejette l'hypothèse faite sur p avec un risque d'erreur d'environ 5 % si f I, on ne rejette pas l'hypothèse faite sur p sans connaître le risque d'erreur Application : D'après un encyclopédie, la proportion p de personnes de groupe sanguin A en France est 45%. Dans une classe de Terminale, 11 élèves sur 36 sont de groupe sanguin A a) Quelle est la fréquence de personnes de groupe sanguin A dans l 'échantillon? b) Déterminer l'intervalle de fluctuation au seuil de 95 % de F n. c) Peut-on accepter l'hypothèse faite sur la proportion p? IV Intervalle de confiance et estimation Situation : Dans une population de taille n, la proportion p d'individus présentant un certain caractère est supposée être inconnue. On prélève un échantillon de taille n ( échantillon assimilé à une suite de n tirages aléatoires avec remise ) et on étudie la fréquence du caractère dans cet échantillon dans le but d'estimer la proportion p à l'aide de cet échantillon. M. Philippe 26/04/13 Page 6 / 7
7 Définition : Un intervalle de confiance pour une proportion p à un niveau de confiance 1 ( ]0;1[ ) est la réalisation, à partir d'un échantillon, d'un intervalle aléatoire contenant la proportion p avec une probabilité supérieure ou égale à 1 Théorème : X n est une variable aléatoire qui suit une loi binomiale de paramètres n et p. F n est la variable aléatoire définie par F n = X n n Il existe un entier n 0 tel que, pour tout entier naturel n n 0, P p [ F n 1 n ; F n 1 0,95 Remarques : Cet intervalle de confiance est centré en f On utilise cet intervalle dès que n 30, nf 5 et n(1 f) 5. Le niveau de confiance à 95 % nous indique alors que dans 95 cas sur 100, la proportion p appartient à cet intervalle Application : Voici un extrait d'un article du journal Le monde après le premier tour de l'élection présidentielle de 2002 «Pour les rares scientifiques qui savent comment sont produites les estimations, il était clair que l'écart des intentions de vote entre les candidats LE PEN et JOSPIN rendait tout à fait plausible le scénario qui s'est réalisé. En effet, certains des derniers sondages indiquaient 18% pour JOSPIN et 14 % pour LE PEN» Sachant que les sondages sont effectués sur des échantillons de taille 1000, déterminer un intervalle de confiance au seuil 95% pour chacun des candidats puis confronter ces intervalles aux résultats de cette élection : 16,18 % pour JOSPIN et 16,86% pour LE PEN Propriété : Si l'on souhaite situer p dans un intervalle au niveau de confiance 95 %, d'amplitude donné a, la taille n de l'échantillon doit respecter n 4 a 2 Démonstration : M. Philippe 26/04/13 Page 7 / 7
Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailBaccalauréat ES 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 détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
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 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 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 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 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 détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
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 détailProbabilités conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en 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 détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en 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 détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en 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 détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en 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 détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailTaux d évolution moyen.
Chapitre 1 Indice Taux d'évolution moyen Terminale STMG Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Indice simple en base 100. Passer de l indice au taux d évolution, et réciproquement.
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 détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en 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 détailMais comment on fait pour...
Mais comment on fait pour... Toutes les méthodes fondamentales en Maths Term.S Édition Salutπaths Table des matières 1) GÉNÉRALITÉS SUR LES FONCTIONS...13 1.Comment déterminer l'ensemble de définition
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en 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 détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
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 détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailLes suites numériques
Chapitre 3 Term. STMG Les suites numériques Ce que dit le programme : Suites arithmétiques et géométriques CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Suites arithmétiques et géométriques Expression du terme
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailExercice 3 (5 points) A(x) = 1-e -0039' -0 156e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2
Les parties A et B sont indépendantes. Partie A Exercice 3 (5 points) Commun à tous les candidats On considère la fonction A définie sur l'intervalle [1 ; + 00 [ par A(x) = 1-e -0039' ' x 1. Calculer la
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 détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en 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 détailDérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES
Capitre 4 Dérivation Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Dérivation Nombre dérivé d une fonction en un point. Tangente à la courbe représentative d une fonction dérivable
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailPeut-on croire un sondage?
Peut-on croire un sondage? Après le «traumatisme» du premier tour de l élection présidentielle de 2002, sont parus le même jour dans le journal «le Monde» deux articles au ton assez différent. On peut
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en 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 détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailChap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R.
Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R. Démonstration : Soit la fonction %:& %&!= &!, elle est dérivable sur R et & R, %. &!= &! = &! = %&! gaelle.buffet@ac-montpellier.fr
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
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 détailRÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3
RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 Pour construire un graphique : On lance l assistant graphique à l aide du menu Insérer è Diagramme en ayant sélectionné au préalable une cellule vide dans
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 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 détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détail1 TD1 : rappels sur les ensembles et notion de probabilité
1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détail