Cours de terminale S. Giorgio Chuck VISCA 13 mars Lois continues
|
|
- Julie Robichaud
- il y a 6 ans
- Total affichages :
Transcription
1 Cours de terminle S Giorgio Chuck VISCA 3 mrs 206 Lois continues
2 Tble des mtières I Lois continues : cours 2 I Du discret u continu : Exemples de lois continues 2 I. Densité de probbilité I.2 loi de probbilité d une vrible létoire I.3 L loi uniforme I.4 l loi exponentielle I.5 Les lois normles I.5. Approximtion d une loi binomile "centrée et réduite" I.5.2 Loi Normle centrée réduite I.6 les lois normles quelconques I.6. Définition I.6.2 moyenne et écrt-type I.6.3 intervlles remrqubles : plge de normlité II Lois Normles : Exercices et recherche de prmètres 2 Première prtie Lois continues : cours I Du discret u continu : Exemples de lois continues I. Densité de probbilité Définition d une densité Soit I un intervlle der. On ppelle densité de probbilité suri, toute fonction f continue, positive, et telle que f(t)dt =. EXEMPLES : Démontrer que l fonctionf définie prf(x) = est une densité de probbilité sur[,4] 3 Démontrer que l fonctiong définie prg(x) = est une densité de probbilité sur [0, e ]. x I I.2 loi de probbilité d une vrible létoire ACHTUNG : Dns tout ce qui suit X désigne une vrible létoire à vleurs dns un intervlle..
3 Clcul prtique et loi de probbilité On note I un intervlle deretf une densité de probbilité suri. Définition : L ppliction P qui à tout intervlle [,b] de I ssocie le réel P([,b]) = ppelée Loi de probbilité suri. b f(t)dt est Définition 2 : On dit qu une vrible létoire X à vleurs dns I suit une loi de probbilité P si pour tout intervlle [,b] dei on : P( X b) = P([,b]) = b f(t)dt. Définition 3 : L espérnce mthémtique (l moyenne en fit) d une vrible létoire X dont l densité est l fonction f sur l intervlle I est donné pr : E(X) = xf(x)dx. PROPRIÉTÉS : P({}) = P(X = ) = 0, ceci pour conséquence qu une loi continue ne chrge ps les points, c est à dire que P([,b]) = P([,b[) = P(],b]) = P(],b[). P([,b]) = P([,b]) Fondmentl Si X est une vrible létoire continue de densité de probbilité f sur I, lors pour tous réels et b de I tels que b, on : P( X b) = P(X b) P(X ) I Ci-contre est dessiné une courbe définissnt une densité de probbilité ; L probbilité que l vrible X étudiée soit dns l intervlle [;b] est lors donnée pr l ire comprise entre les droitesx =,x = b l courbe et l xe des bscisses ; vous comprendrez isément que l ire ne chnge ps si l on inclue on non les frontières... vleur de P[;b] b I.3 L loi uniforme PROBLÈME : Soit f une fonction constnte sur [,b]. Déterminer l vleur de cette constnte pour que f soit une densité de probbilité Loi uniforme Si l densité f est constnte sur [,b] et égle à, on dit que P est l loi uniforme. b L loi uniforme modélise le choix d un nombre quelconque de [,b]. En outre, si l vrible létoirex suit une loi uniforme sur[,b] on note X U[,b] : P(α X β) = P([α,β]) = β α β α dx = b b. Pr illeurs l espérnce mthémtique dex est ici donnée pre(x) = b xf(x)dx = +b 2 3 by Giorgio...
4 b P(α X β EXEMPLES : 0 α. On choisit u hsrd un nombre dns l intervlle [0,7] ;le choix est modélisé pr une loi uniforme. () Clculer l probbilité que ce nombre soit dns [2,5]. (b) Clculer l probbilité que ce nombre soit dns [4,6]. (c) ClculerP [2,5] ([4,6]). (d) Donner E(X) 2. on choisit un nombre u hsrd de[0,]. Clculer l probbilité que le premier chiffre près l virgule soit impir, schnt que ce nombre est strictement supérieur à Giorgio ttend devnt l porte du bhut. Il voit psser souvent un élève qui sort de chez l proviseure. On estime que le temps d ttente, en minutes, de l rrivée du prochin élève chez l proviseure suit l loi U[0,5]. () Quelle le temps d ttente moyen de Giorgio entre deux élèves qui vont chez le directeur? (b) Quelle est l probbilité qu il ttende entreet 3 minutes? I.4 l loi exponentielle REMARQUE : Dns tout ce qui suit il fudr donner un sens à β + borne infinie, nous définissons cette intégrle de l mnière suivnte : + X 0 b f(t)dt, donc à un intégrle vec une f(t)dt = lim f(t)dt. 0 X + 0 En conséquence, fites tous vos clculs sur [0,X] puis ensuite psser à l limite en+. EXERCICE : Soit λ un réel strictement positif. Démontrer que l fonction f λ définie prf λ (t) = λe λt est une densité de probbilité sur [0,+ [ Loi exponentielle Soit λ un réel strictement positif.on dit que P suit l loi exponentielle de prmètre λ sur [0,+ [ lorsque s densité de probbilité est l fonction f λ définie pr :f λ (t) = λe λt. Si l vrible létoirex suit l loi exponentielle de prmètreλon note X E(λ). On donc pour0 b : P([,b]) = b λe λt dt = e λ e λb. Cette probbilité est celle qui donne l probbilité pour que l durée de vie d une substnce ou un ppreil soit comprise entreet b. l loi exponentielle modélise en outre l loi de durée de vie d une substnce rdioctive 4 by Giorgio...
5 Ci-dessous l courbe def(t) = λe λt L ire totle sous l courbe vut Propriétés fondmentles. Si l vrible létoirex suit l loie(λ), son espérnce mthémtique est lors le réele(x) défini pr E(X) = lim x + x 0 tf(t)dt = + 0 λte λt dt = λ 2. Si l vrible létoirex suit l loie(λ), on lors pour tout réeltpositif ou nul,p(x t) = e λt et P(0 X t) = e λt 3. Si l vrible létoire X suit l loi E(λ), on dit que X suit lors une loi sns mémoire, ou sns vieillissement, c est à dire que pour tout t et s positifs, on : P X t (X t+s) = P(X s) by Giorgio...
6 I.5 Les lois normles I.5. Approximtion d une loi binomile "centrée et réduite" P(X = k) Sur l figure ci-contre, j i tbulé l loi binomile B(5, 0.6), Pr exemple qui donn el prob de succès qund mrguerite lnce une fléchette 5 fois de suite, vec une probbilité d tteindre le centre qui vut 0.6. C est à dire que n = 5 et p = 0.6. ( Pr exemple l probbilité P(X = 2) = 2) 5 (0.6) 2 (0.4) , ou encore P(X = 0) = (0.2) Bref vous vez pigé quoi =) k P(X = k) Ici j i ugmenté le nombre de répétition à 7, c est à dire que Mrguerite lnce 7 fois l fléchette sur l cible vec une ( prob de succès 7) de0.6. Donc P(X = 2) = 2 (0.6) 2 (0.4) k et on ugmente encore le nombre n de répétitions : ci dessous les distributions pour n = 20 et n = k Dns notre exemple, pour n = 50, et p = 0.6, l moyenne du nombre de succès est m = E(X) = np = = 30, qui est le sommet de l histogrmme. Son écrt type est donné pr σ = np( p) = pour l loi binomile. Nous llons réduire et centrer cette loi, en posnt Z = X m, cel donne l distribution de Z σ d espérnce 0 et d écrt-type suivnte : 6 by Giorgio...
7 P(Z = z) ici le cs où n = z P(Z = z) ici le cs où n = P(Z = z) z Bon à votre vis, qu est-ce que j i voulu mettre en évidence sur le schém ci-contre??? Mise à prt m fculté à tper des cours d une clrté Giorgesque =). Hey bien, lorsque n tend vers +, l histogrmme représentnt l distribution binomile, tend vers une courbe ppelée Courbe en cloche, ou courbe de Guss. Cette courbe représente l fonction f définie surrpr : f(x) = e x2 2 2π z ç ne s invente ps. Remrquez l beuté de ce résultt, en effet l écrt-type n pprit ps dns l formule, ce qui signifie que tout phénomène cournt tend finlement vers cette courbe, donc tout phénomène "norml" tend vers cette courbe. D où le nom de Loi normle. Le théorème de Moivre Lplce que nous llons voir, stipule simplement qu en fisnt tendre n vers +, où n est le nombre de répétition d une épreuve à deux issues, vec une probbilité de succès p, en centrnt cette distribution elle tendr vers l courbe de Guss "centrée réduite" définie précédemment. 7 by Giorgio...
8 Théorème de Moivre Lplce Si pour tout entier nturel n non nul, l vrible létoirex n suit l loi binomile de prmètresn et p, on rppelle lors que E(X n ) = np et que σ(x n ) = np( p). L vrible Z n = X n np = X n E(X n ) est ppelée l vrible centrée et réduite ssociée à X n. np( p) σ(x n ) C est à dire que son espérnce est nulle et son écrt type vut, donc E(Z n ) = 0 et σ(z n ) =. Soient etbdeux réels tels que b. On lors : I.5.2 Loi Normle centrée réduite b lim P( Z n b) = e x2 2 dx n + 2π LoiN(0,) Dire qu une vrible létoiret suit l loi normle centrée réduite notée N(0,), signifie que s densité de probbilité est l fonction f définie sur R prf(x) = e x2 2 2π les première propriétés. f est continue sur R 2. Pour tous réelsetbtels que b, on P( T b) = b f(x)dx 3. L ire totle sous l courbe entre et + est égle à et elle représente P(T R) c est à dire l évènement certin. 4. L fonction f est pire, c est à dire symétrique pr rpport à l xe des ordonnées, il en découle donc que P(T 0) = P(T 0) = Pour tout réel t, on P(T t) = P(T t) 6. Pour tout réelt, on P(T t) = P(T t), or comme l courbe est symétrique pr rpport à(oy), on P(T t) = P(T t), donc P(T t) = P(T t) 7. en outre P( t T t) = 2P(T t) 8 by Giorgio...
9 P(T t) t t t t b t t Propriété SiT est une vrible létoire qui suit l loi normle centrée réduiten(0,), lors pour tout nombre réel α ]0,[, il existe un unique nombre réel u α > 0 tel que P( u α T u α ) = α 9 by Giorgio...
10 I.6 les lois normles quelconques I.6. Définition Définition Soit m un nombre réel quelconque etσ > 0. On dit qu une vrible létoirex suit l loi normlen(m;σ 2 ), lorsque l vrible létoiret = X m σ suit l loi normle centrée réduiten(0;). En prticulier, on E(T) = 0 et σ(t) =. On note X N(m;σ 2 ). densité den(m;σ 2 ) l densité de probbilité de N(m;σ 2 ) est l fonction définie pour tout x R pr f(x) = σ 2( x m 2π e σ ) 2 I.6.2 moyenne et écrt-type propriétés Si X N(m;σ 2 ), on lors E(X) = m et σ(x) = σ, insi les prmètres d une loi normle ne sont utres que l moyenne et l écrt-type de celle-ci σ 2π m preuve : On rppelle que pour une vrible létoire X, on E(X + b) = E(X) + b et σ(x + b) = σ(x) vu en première pour les lois discrètes. Ces résultts ce générlisent ux lois continues. Donc six N(m;σ 2 ), on T = X m N(0;), orx = σt +m donce(x) = σe(t)+m = m cre(t) = 0 σ et σ(x) = σ σ(t) = σ crσ(t) = et que σ > 0 CQFD Cette loi est celle qui rend compte de diverses mesures d une grndeur donnée, opérées à diverses reprises, chque mesure étnt sujette à des erreurs. L loi normle (ou de Lplce-Guss, ppelée ń normle ż pr Person en 893) est l loi de certins phénomènes continus qui fluctuent utour d une vleur moyenne m, de mnière létoire, résultnte d un grnd nombre de cuses indépendntes dont les effets s joutent sns que l un d eux soient dominnt : pr exemple l tille d un individu en cm, influencée pr le sexe, l nourriture, l environnement, l hérédité, le lieu géogrphique... Voici des exemples de courbes pour quelques vleurs demetσ : 0 by Giorgio...
11 m = et σ = 0,2 m = 0 et σ = 0, m = et σ = 0.8 m = 2 et σ =. I.6.3 intervlles remrqubles : plge de normlité Intervlles remrqubles Si X suit l loi normle de prmètresmet σ, lors P(m σ X m+σ) 0,68. P(m 2σ X m+2σ) 0,95. P(m 3σ X m+3σ) 0,997. Démonstrtion : T = X m X = m+σt. σ Donc, pour t > 0, P( t T t) = P( σt σt σt) = P(m σt m+σt m+σt) = P(m σt X m+σt). Ainsi, en prticulier : P(m σ X m+σ) = P( T ) 0,68. P(m 2σ X m+2σ) = P( 2 T 2) 0,95. Interpréttion grphique : σ 2π m 2σ m σ m m+σ m+2σ by Giorgio...
12 Deuxième prtie Lois Normles : Exercices et recherche de prmètres 2 by Giorgio...
Tout 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 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 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 détailSynthèse 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
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 détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en 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 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 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 détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
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 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 détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
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 détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
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 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 détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en 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 détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
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 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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en 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 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 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 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 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 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 détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
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 détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
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 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 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 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 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 détailEstimation: 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 détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en 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 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 détailNotes de révision : Automates et langages
Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s
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 détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en 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 détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
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 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 détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en 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 détailCompte rendu de la validation d'un observateur cascade pour la MAS sans capteurs mécaniques sur la plate-forme d'essai de l'irccyn
Compte rendu de l vlidtion d'un oservteur cscde pour l MAS sns cpteurs mécniques sur l plte-forme d'essi de l'irccyn Mlek GHANES, Alin GLUMINEAU et Roert BOISLIVEAU Le 1 vril IRCCyN: Institut de Recherche
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 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 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 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 détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailTransfert. Logistique. Stockage. Archivage
Trnsfert Logistique Stockge Archivge Trnsfert, logistique, stockge Pour fire fce ux nouveux enjeux, il est importnt de pouvoir compter sur l'expertise d'un spéciliste impliqué à vos côtés, en toute confince.
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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en 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 détail