Sommes de variables aléatoires indépendantes.
|
|
- Albert David
- il y a 6 ans
- Total affichages :
Transcription
1 Université Pierre et Marie Curie Probabilités et statistiques - LM345 Feuille 7 (semaine du 8 au 3 octobre Sommes de variables aléatoires indépendantes.. Indépendance d événements et de variables aléatoires. a Donner un exemple d un espace de probabilité et de trois événements A, B, C sur cet espace de probabilité tels que P(A B C P(AP(BP(C mais tels que A, B, C ne soient pas indépendants. b Déterminer à quelle condition une variable aléatoire réelle est indépendante d ellemême. On pourra étudier sa fonction de répartition. Solution de l exercice.a On prend Ω {,, 3, 4, 5} muni de F P(Ω. On choisit A : {, 4} B : {,, 4}, et C : {3, 4}. On a alors A B A, A C B C A B C, ce qui entrainera que si on a P(A B C P(AP(BP(C avec P(A, P(B et P(C dans ]0, [, alors on aura aussi P(A B P(A P(AP(B, P(A C P(AP(C et P(B C P(BP(C. On peut choisir par exemple P(A /3, P(B / et P(C /, ce qui donne la solution suivante au problème : P({4} P(A B C P(AP(BP(C /, P({} P(A P({4} /4, P({} P(B P(A /6, P({3} P(C P({4} 5/, P({5} P({,, 3, 4} /. Autre possibilité, parmi de nombreuses autres : on considère le lancer d une pièce, et A {le résultat est pile}, B {le résultat est face}, C. Clairement P(A B C 0 P(AP(BP(C, et A et B ne sont pas indépendants donc A, B, C ne le sont pas. b Soit X une variable aléatoire indépendante d elle-même. Pour tout x R, on a P(X x, X x P(X xp(x x, donc P(X x P(X x, donc la fonction de répartition de X ne prend que les valeurs 0 ou. Posons a sup{x R : P(X x 0}. Pour tout x < a, il existe t tel que x < t a et P(X t 0 (sinon, x serait un majorant strictement plus petit que a de l ensemble {x R : P(X x 0}. Donc P(X x P(X t 0. Par ailleurs, pour tout x > a, on a P(X x > 0 (sinon a ne serait pas un majorant de {x R : P(X x 0}, donc P(X x. Par continuité à droite de la fonction de répartition de X, on a donc P(X x [a,+ [ (x. C est la fonction de répartition de la loi constante égale à a, donc X est une variable aléatoire constante. Réciproquement, soit X une variable aléatoire constante égale à c. Soient A et B deux boréliens de R. Les deux nombres P(X A, X B et P(X AP(X B valent
2 si et seulement si c A B, et 0 sinon. Dans tous les cas, ils sont égaux, donc X est indépendante d elle-même. Finalement, une variable aléatoire est indépendante d elle-même si et seulement si elle est constante presque sûrement.. Soient E {x, x, x 3 } et F {y, y, y 3 } deux parties finies de R. Pour chacune des matrices P (P ij i,j,,3 ci-dessous, on considère un couple (X, Y de variables aléatoires à valeurs dans E F tel que pour tous i, j {,, 3}, on ait P(X x i, Y y j P ij. Déterminer si les variables aléatoires X et Y sont indépendantes P 0 0 0, P 3, P P (cf. Examen 0, exercice Solution de l exercice. Dans chaque cas, on commence par calculer la loi de X et la loi de Y, en utilisant les relations P(X x i P(X x i, Y y +P(X x i, Y y +P(X x i, Y y 3 P i +P i +P i3, P(Y y j P(X x, Y y j +P(X x, Y y j +P(X x 3, Y y j P j +P j +P 3j. On examine ensuite si pour tous i, j on a P ij P(X x i P(Y y j. C est le cas pour les trois premières matrices mais pas pour la quatrième Soit (Ω, F, P un espace de probabilité. Soit (X n n une suite de variables aléatoires indépendantes définies sur (Ω, F, P, toutes de loi de Bernoulli de paramètre p ]0, [. a On définit, pour tout n et tout ω Ω, S n (ω le nombre d entiers k {,..., n} tels que X k (ω. Déteminer la loi de S n. Les variables (S n n sont-elles indépendantes? b On définit, pour tout ω Ω, T (ω min{n : X n (ω }, avec la convention min +. Calculer P(T + puis déterminer la loi de T. c On définit maintenant, pour tout ω Ω, T (ω min{n > T (ω : X n (ω }. Déterminer les lois de T et de T T. Les variables T et T sont-elles indépendantes? Qu en est-il des variables T et T T?
3 Solution de l exercice 3. a On remarque que S n X + + X n est la somme de n variables aléatoires de Bernouilli de paramètre p, elle suit donc la loi binomiale de paramètre n et p. Les variables (S n n ne sont pas indépendantes. Pour le voir on peut remarquer que S n+ S n X n+. Ainsi P(S n+ S n 0. Donc P(S n+ et S n 0 0. Or si n, P(S n+ P(S n 0 > 0 ce qui montre qu il ne peut y avoir indépendance. b Soit k un entier. Par indépendance des X n, on a : P(T k P(X X k 0, X k P(X 0... P(X k 0P(X k p( p k. On vérifie immédiatement que P(T < + k P(T k, et donc que P(T + 0. T suit dont une loi géométrique (modifiée de paramètre p (ou p selon les conventions : il s agit du temps de premier succès. c Soient j et k des entiers. P(T j, T k 0 si k j. On suppose donc maintenant k > j. P(T j, T k P(X X j 0, X j, X j+ X k 0, X k P(X 0... P(X j 0P(X j P (X j P(X k 0P(X k p ( p k. On fixe k et on somme l égalité précédente pour j,..., k, ce qui donne P({T k (k p ( p k. Là encore, on peut sommer sur k pour vérifier que P(T + 0. T prend toutes les valeurs {,, 3,...} avec probabilité strictement positive, et T les valeurs {, 3, 4,...}. Comme P(T < T, T et T ne peuvent pas être indépendantes (par exemple parce que P(T, T 0 < P(T P(T. En posant k i + j, on obtient P(T j, T T i P(T j, T k p ( p k p( p j p( p i. En sommant sur j, on obtient P(T T i p( p i et on remarque que P(T j, T T i P(T j P(T T i. T T a donc la même loi que T et est indépendante de T. 4. (Examen 0, ème session Soit (X, Y un vecteur aléatoire dont la loi admet la densité f (X,Y (x, y x e x y x ]0,+ [ (x ]0,+ [ (y par rapport à la mesure de Lebsegue sur R. 3
4 a Déterminer la densité de X. Quelle est le nom de cette loi? b Calculer, pour tout entier n 0, l intégrale 0 x n e x dx c Calculer, pour tout entier n, l espérance de Y n. d Les variables X et Y sont-elle indépendantes? e On pose (T, Z ( X, Y X. Déterminer la loi du vecteur (T, Z. Solution de l exercice 4. cf corrigé de l exercice de la deuxième session d examen 0 5. Lois discrètes classiques Calculer, de deux manières différentes, la loi de : a la somme de deux variables aléatoires indépendantes, l une de loi de binomiale de paramètres n et p, l autre de paramètres m et p, où p [0, ] et m, n sont deux entiers. b la somme N +...+N p où les N i sont indépendantes et où N i suit une loi de Poisson de paramètre λ i. Solution de l exercice 5. Loi binômiales On peut procéder de plusieurs façons.. On sait que la loi binomiale de paramètres n et p est la loi de la somme de n variables aléatoires indépendantes de loi de Bernoulli de paramètre p. Soient X,..., X n+m des variables aléatoires indépendantes identiquement distribuées de loi de Bernoulli de paramètre p. Posons Y X X n et Z X n X n+m. Alors Y et Z sont indépendantes, de lois respectives B(n, p et B(m, p. Leur somme, qui est Y + Z X X n+m, suit la loi B(n + m, p.. Soient Y et Z indépendantes de lois respectives B(n, p et B(m, p. Les fonctions génératrices de Y et Z sont G Y (s ( p + sp n et G Z (s ( p + sp m. Puisqu elles sont indépendantes, la fonction génératrice de leur somme est G Y +Z (s E[s Y +Z ] E[s Y ]E[s Z ] ( p + sp n+m. On reconnaît la fonction génératrice de la loi binomiale de paramètres n + m et p. Lois de Poisson La réponse est que N N p suit une loi de Poisson de paramètre λ λ p. A nouveau deux approches sont possibles : On calcule d abord la loi de N + N : k k P(N + N k P((N + N k (N l P((N k l (N l l0 k P(N k lp(n l etc. l0 4 l0
5 et on montre que P(N + N k e λ λ (λ +λ k k!, puis on conclut par récurrence. On calcule la fonction génératrice de fonction génératrice de N + N N p directement (qui est le produit des fonctions génératrices, par indépendance, et on reconnaît la fonction génératrice de P(λ +... λ p. 6. Somme de gaussiennes Soient X et Y des variables aléatoires indépendantes de lois respectives N (µ, σ et N (µ, σ. Soient a, b et c des réels. Déterminer la loi de ax + by + c. Solution de l exercice 6. Soit g une fonction continue bornée R R. E[g(X + Y ] πσ σ + + e (x µ σ (y µ σ g(x + ydydx. On fait le changement de variable affine u x + y dans l intégrale par rapport à y : E[g(X + Y ] πσ σ + + e (x µ σ (u x µ σ g(ududx. On écrit le trinôme dans l exponentielle sous forme canonique : (x µ σ + (u x µ σ σ + σ σ σ [ (x λu ] + µ σ + (u µ σ σ + σ λ σ u, σ avec λ u : σ µ +σ (u µ. σ +σ En développant λ u, on obtient µ σ µ σ µ + (u µ σ + σ λ σ σσ u ( σ + (u µ σ + σ σ + (u µ µ (u µ σ + σ σ + σ σ + σ Autrement dit, le trinôme de l exponentielle s écrit ( σ µ (u µ σ + σ σ + σ (u µ µ. σ + σ (x µ σ + (u x µ σ σ + σ σ σ [ (x λu ] + (u µ µ. σ + σ En remarquant que pour tout u R, le changement de variable affine x x λ u donne + e σ +σ σ (x λ u + σ dx e σ +σ σ x πσ σ dx σ, σ + σ 5
6 on obtient, en changeant l ordre d intégration : E[g(X + Y ] πσ σ + + π(σ + σ + e (u x µ σ dxe (u µ µ (σ +σ g(udu e (u µ µ (σ +σ g(udu. X + Y suit donc la loi N (µ + µ, σ + σ. La question était de déterminer la loi de ax + by + c. On va montrer que ax + c suit la loi N (aµ + c, a σ, ce qui, appliqué aussi à by et combiné avec le calcul précédent, permet de conclure que ax + by + c suit la loi N (aµ + bµ + c, a σ + b σ. Pour le voir, considérons une fonction g : R R continue et bornée. On a E[g(aX + c] + πσ e (x µ σ g(ax + cdx. On fait le changement de variable u ax + c (la valeur absolue vient du fait que lorsque a < 0, on échange les bornes d intégration : E[g(aX + c] + πσ πa σ + e ( u c a µ σ g(u du a e (u c aµ a σ g(udu. Ce qui achève la démonstration. 7. Soit (Ω, F, P un espace de probabilité. Soient N, X, X,... : (Ω, F, P N des variables aléatoires indépendantes. On suppose que N suit la loi de Poisson de paramètre λ > 0 et que X, X,... sont identiquement distribuées. On pose R X X N, c est-à-dire, pour tout ω Ω, R(ω N(ω k X k (ω. a - Si N et X n sont de carré intégrable, en déduire E(R et Var(R en fonction de E(X, E(N, E(N, Var(N. b - Connaissant le nombre moyen (µ d accidents par semaine dans une usine, la variance (σ de ce nombre, la moyenne ν (et la variance τ du nombre d individus blessés dans un accident, estimez le nombre moyen et la variance du nombre d individus blessés en une semaine. Solution de l exercice 7. 6
7 a - On a en utilisant successivement les définitions, l indépendance de N, X,..., et le fait que les variables X i aient la même loi que X : [ N ] E(R E X k k n n n,(x,...,x n x i P[N n, X x,..., X n x n ] i P[N n] (x,...,x n x i P[X x,..., X n x n ] i P[N n]e[x X n ] n P[N n]ne(x De même on obtient : k E(NE(X. [ ( N ] [ E(R N ] E X k E X k X l Ainsi : k,l n,(x,...,x n x i x j P[N n, X x,..., X n x n ] i,j P[N n] x i x j P[X x,..., X n x n ] n (x,...,x n i [ n ] P[N n]e X k X l n k,l ( P[N n] n(n E(X + ne(x n E(N(N E(X + E(NE(X. Var(R E(R E(R E(N E(X + E(NVar(X E(N E(X Var(NE(X + E(NVar(X b - On modélise le nombre d accidents par semaine par une variable aléatoire N, (X i i représente le nombre aléatoire d individus blessés dans l accident numéro i. On suppose que N, X,... sont indépendantes. Dans ce cas le nombre d individus blessés par semaine est : N i X i donc le nombre moyen d individus blessés par semaine est µν et sa variance σ ν + µτ. 7
Espérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en 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: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
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 détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
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 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 détailProbabilités et statistique. Benjamin JOURDAIN
Probabilités et statistique Benjamin JOURDAIN 11 septembre 2013 2 i ii À Anne Préface Ce livre est issu du polycopié du cours de probabilités et statistique de première année de l École des Ponts ParisTech
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 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 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 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 détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
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 détailEI - EXERCICES DE PROBABILITES CORRIGES
EI 1 EI - EXERCICES DE PROBABILITES CORRIGES Notations 1 Les coefficients du binôme sont notés ( n p 2 Un arrangement de n objets pris p à p est noté A p n 3 Si A est un ensemble fini, on notera A ou card
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 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 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 détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
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 détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
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 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 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 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 détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
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 détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
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 détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 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 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 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 détailProbabilités conditionnelles
Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
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 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 détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
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 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 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 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 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 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 détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
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 détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailNOTES DE COURS STT1700. Introduction à la statistique. David Haziza
NOTES DE COURS STT1700 Introduction à la statistique David Haziza Automne 008 Qu est ce que la statistique? La statistique est la science dont le but est de donner un sens aux données. L étude statistique
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
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 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 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 détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
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 détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
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 détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailDu Premier au Second Degré
Du Premier au Second Degré Première Bac Pro 3 ans November 26, 2011 Première Bac Pro 3 ans Du Premier au Second Degré Sommaire 1 Fonction Polynôme du second degré 2 Fonction Polynôme du Second Degré: Synthèse
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
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 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 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 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 détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
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 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 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 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 détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
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 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 détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
Plus en détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détailCalcul Stochastique pour la finance. Romuald ELIE
Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailMARTINGALES POUR LA FINANCE
MARTINGALES POUR LA FINANCE une introduction aux mathématiques financières Christophe Giraud Cours et Exercices corrigés. Table des matières I Le Cours 7 0 Introduction 8 0.1 Les produits dérivés...............................
Plus en détailMathématiques Première L, ES, S, Concours Post-Bac Equations et inéquations du second degré FORMAV
Mathématiques Première L, ES, S, Concours Post-Bac Equations et inéquations du second degré Méthode et exercices corrigés générés aléatoirement Pour un meilleur rendu ouvrir ce document avec TeXworks FORMAV
Plus en détail