COURS N 6 : Estimations

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "COURS N 6 : Estimations"

Transcription

1 COURS N 6 : Estimatios O peut rappeler que les biostatistiques ot pour objectif de predre e compte la variabilité iteridividuelle, de résumer et décrire des doées et de comparer des échatillos. Nous avos fait, durat les 5 premiers cours, des statistiques descriptives, ous coaissios les caractéristiques des populatios et ous avos calculé des probabilités d'évéemets pour teter de prévoir certaies choses cocerat des échatillos. Nous allos maiteat réaliser des statistiques iféretielles, c'est-à-dire qu'o va predre e compte des résultats expérimetaux obteus sur des échatillos pour teter de gééraliser des doées sur toute ue populatio. C'est cette secode partie de l'eseigemet qui est le plus importat et qui permet aux biostatistiques d'avoir ue place importate e médecie, das plusieurs domaies : E recherche cliique, où l'o va étudier et comparer des groupes de malades pour gééraliser des doées sur ue populatio. E recherche diagostique, pour évaluer la performace des tests ou des stratégies diagostiques. E recherche thérapeutique, pour : Pour évaluer la toxicité et l'efficacité de médicamets. Pour comparer les ouveaux traitemets par rapport aux précédets. Pour predre e compte la variabilité des réposes aux traitemets etre patiets pour adapter le traitemet. - E recherche proostique, pour évaluer ou prédire l'évolutio des maladies sous différetes stratégies thérapeutiques. [Je passe les rappels de la moyee de variables aléatoires et l'itervalle de pari] I. Théorie de l'estimatio A. Itroductio Pour les itervalles de pari, o coait les valeurs théoriques de la moyee et de la variace (ou de l'écart-type). E statistiques, o a la problématique iverse : o a u échatillo de valeurs et o veut e déduire quelque chose au iveau d'ue populatio. Se poset alors les questios de la précisio de otre étude et de la taille efficiete ou o de otre échatillo.

2 B. Estimatio statistique L'estimatio statistique cosiste à obteir le maximum d'iformatios d'u échatillo e vue d'estimer u ou plusieurs paramètres icous das la populatio. O se base alors sur l'échatillo représetatif qui est u sous-esemble de la populatio d'étude costitué par tirage au sort (de faço aléatoire doc). Cepedat, souvet e médecie, o réalise u échatilloage «systématique» (o va par exemple predre tous les patiets d'u service etc...). Soit u -échatillo de X (X 1, X 2,..., X ) (les X sot idépedats) dot o cherche le paramètre θ icou. NB : θ 'est pas ue variable aléatoire! U estimateur de θ est ue foctio des valeurs de l'échatillo. O le ote T. T =T X 1, X 2,..., X A chaque fois qu'o tire u au sort u ouvel échatillo, l'applicatio de la foctio T doe u résultat différet : o parle d'estimatio de θ otée t. t =T x 1, x 2,..., x Les fluctuatios d'échatilloage de t sot liées aux valeurs x 1, x 2,..., x observées. C. Propriétés d'u estimateur 1. Biais d'u estimateur Le biais d'u estimateur est l'écart etre la vraie valeur et la valeur idiquée. O parle aussi de déformatio systématique. Le biais d'u estimateur est doée par la relatio : E T θ U estimateur est sas biais si E(T ) = θ : les estimatios obteues e s'écartet pas de la vraie valeur de faço systématique. Notre but est d'avoir u estimateur sas biais pour otre étude.

3 2. Variace d'u estimateur La variace d'u estimateur correspod à la dispersio des estimatios. Elle est otée Var(T ). Quad les estimatios sot peu dispersées, la variace est faible. Notre but est d'avoir ue variace la plus basse possible. 3. Covergece d'u estimateur U estimateur est dit coverget si E([T θ]²) ted vers 0 lorsque ted vers l'ifii. E([T θ]²) est l'erreur quadratique moyee (car elle déped du biais et de la variace) : E [T θ]² =E T ² 2θ E T θ²=e T ² E T ² E T ² 2θ E T θ² D'après la défiitio de variace, o a Var(T ) = E(T ²) E(T )² O remarque aussi que E(T )² 2θE(T ) + θ² = (E[T ] θ)² or E(T ) θ est le biais de l'estimateur. Doc : E [T θ] ² =Var T E[T ] θ ²=Var T biais² D. Estimateur de la moyee µ Il est possible d'utiliser 3 estimateurs pour la moyee µ : T = X 1 T = X 1, X 2,..., X 1 T =M = X 1, X 2,..., X

4 Pour cet estimateur, o a : 1. Estimateur 1 : T = X 1 - E(T ) = E(X 1 ) = µ ; d'où E(T ) µ = 0 L'estimateur est doc sas biais. - Var(T ) = Var(X 1 ) = σ² - E([T µ]²) = σ² (pas de biais) Cette valeur e déped pas de doc elle e ted pas vers 0 quad augmete. L'estimateur 'est pas coverget. 2. Estimateur 2 : T = X 1, X 2,..., X 1 Pour cet estimateur, équivalet à M 1, o a : - E T = E M = µ 1 1 L'estimateur est biaisé (E[T ] est différet de µ). Le biais équivaut à µ 1 µ= µ 1 - Var T =Var M σ² = 1 1 ² - E [T µ]² = σ² 2 1 ² µ 1 L'erreur quadratique moyee ted vers 0 quad ted vers 0 doc l'estimateur est coverget.

5 Pour cet estimateur, o a : 3. Estimateur 3 : T =M = X 1, X 2,..., X - E(T) = E(M) = µ L'estimateur 'est pas biaisé. - Var T =Var M = σ² - E [T µ] ² = σ² L'erreur quadratique moyee ted vers 0 quad ted vers 0 doc l'estimateur est coverget. M est doc u «bo» estimateur de la moyee (e tout cas le meilleur des 3). La moyee expérimetale m est ue estimatio de µ et doc ue réalisatio de M. E. Estimateur de la variace A partir d'u -échatillo, o pred ue variable aléatoire V e tat qu'estimateur de la variace σ², défiie par : V = 1 1 X i M 2 = 1 1 X 2 i M 2 Ue réalisatio de V sur u échatillo est s², variace «expérimetale» ou bie estimatio de la variace : s²= 1 1 x i m 2 = 1 1 x 2 i m 2 [à coaître pour estimer des variaces! Cette formule 'est pas das le formulaire.] Biais de l'estimateur : E V = 1 1 E[ X 2 i ] E[M 2 ] O sait que Var(X) = E(X²) E(X)² doc : E(X i ²) = E(X²) = Var(X) + E(X)² = σ² + µ² doc E[ X 2 i ]= σ² µ² =σ² µ²

6 De la même faço : E M 2 =Var M E M 2 = σ² µ² Doc E V = 1 1 E V = 1 1 E[ X i 2 ] E[M 2 ] = 1 1 σ²[ 1] =σ² =σ² 1 E(V) σ² = 0 L'estimateur 'est pas biaisé. 1 σ² µ² [σ² µ²] = 1 1 σ² µ² σ² µ² E V =σ² La variace expérimetale s² est ue estimatio de σ². C'est aussi ue réalisatio de V. F. Estimateur d'ue proportio Soit π la moyee d'ue variable de Beroulli. L'estimateur de π est doé par : T =P = ombre de X i =1 = X 1, X 2,..., X C'est u estimateur o biaisé et coverget (il a doc les propriétés de M). La proportio observée p est ue estimatio de π. C'est aussi ue réalisatio de P. II. Itervalle de cofiace Soit u échatillo X 1, X 2,..., X d'ue loi ayat u paramètre θ icou. O pourrait doer ue estimatio poctuelle de θ à partir d'u estimateur. Mais cela 'est pas très satisfaisat puisque l'estimatio déped de l'échatillo et qu'il existe de ombreuses fluctuatios d'échatilloage. O peut aussi doer u itervalle de valeurs possibles (ou ue «fourchette») de θ pour doer ue précisio à la valeur estimée.

7 A. Défiitio L'itervalle de cofiace de iveau 1 α, oté IC 1 α, est u itervalle qui a pour probabilité 1 α de coteir la vraie valeur θ. (Si o calcule IC 1 α sur u ombre ifii d'échatillos, alors θ IC 1 α das ue proportio de 1 α cas.) B. Itervalle de cofiace pour la moyee Soit X ue variable aléatoire cotiue défiie par E(X) = µ et Var(X) = σ². O cosidère qu'o a u grad échatillo et que 30 (o peut appliquer le TLC). O sait que : P µ M ε α σ² =1 α O obtiet l'estimatio par itervalle de µ, ou l'itervalle de cofiace de µ, e cosidérat que µ est l'icoue que que σ² est estimé par s² (le calcul est impossible sio). Sur u échatillo de valeurs, o observe la moyee m et la variace s², toutes deux expérimetales, pour calculer l'itervalle de cofiace de µ de iveau 1 α, ou de risque α (e cosidérat que 30 ) : IC 1 α =[m±ε α s² ] Remarque : souvet, α = 5% et doc ε α = 1,96 2, d'où : IC 95 =[m±2 s² ]

8 C. Itervalle de cofiace pour ue proportio Soit X ue variable de Beroulli de paramètre π. O admet qu'o est sur u grad échatillo et que π 5 ET 1 π 5 O sait que : P π M ε α π 1 π =1 α O obtiet l'estimatio par itervalle de π, ou l'itervalle de cofiace de π, e cosidérat que π est l'icoue que que π est estimé par p (le calcul est impossible sio). Sur u échatillo de valeurs, o observe la proportio p expérimetale, pour calculer l'itervalle de cofiace de π de iveau 1 α, ou de risque α (e cosidérat que π 5 ET 1 π 5 ) : IC 1 α =[ p±ε α p 1 p ] Attetio : Après votre calcul, il faut vérifier les coditios de validité aux bores de l'itervalle de cofiace. Avec vos deux valeurs de π limites π 1 et π 2, il faut s'assurer que les quatre termes π 1 ; 1 π 1 ; π 2 ; 1 π 2 sot tous supérieurs ou égaux à 5. Remarque : souvet, α = 5% et doc ε α = 1,96 2, d'où : IC 95 =[ p±2 [formulaire page 2] p 1 p ] D. Largeur, précisio et ombre de sujets écessaires pour u itervalle de cofiace La largeur d'u itervalle [a ; b] vaut b a. - Pour l'itervalle de cofiace d'ue moyee, la largeur l est doée par : Elle déped de s et. l=2ε α s

9 - Pour l'itervalle de cofiace d'ue proportio, la largeur l est doée par : l=2ε α p 1 p Elle déped de p et de. (Pour diviser par 2 la largeur, il faut multiplier par 4). Pour rappel, la précisio i est la demi-largeur. Nombre de sujets écessaires pour avoir ue précisio i doée : - Pour l'itervalle de cofiace d'ue moyee, o a : ε 2 α s² i² Il faut se doer ue valeur à priori pour s². augmete avec s². - Pour l'itervalle de cofiace d'ue proportio, o a : ε 2 α p 1 p i² Il faut se doer ue valeur à priori pour p. est maximum pour p = 0,5. [Ces formules sot à coaître ou à retrouver, elles e sot pas das le formulaire. Il e faut pas les cofodre avec le ombre de sujets écessaires pour les tests que ous allos voir plus tard! Je passe sur la coclusio, tout est das le cours.] Ce documet, aisi que tous les cours P1, sot dispoibles gratuitemet sur

Estimations. Les Moyennes des échantillons suivent une loi normale : = m et d' écart - type σ X

Estimations. Les Moyennes des échantillons suivent une loi normale : = m et d' écart - type σ X Estimatios Problématique. A partir d'observatios faites sur u échatillo, o se propose de tirer des coclusios sur la populatio toute etière. Aisi cotrairemet à la logique déductive, qui va du gééral au

Plus en détail

est la fréquence empirique des succès lors des 10 premières expériences.

est la fréquence empirique des succès lors des 10 premières expériences. Pierre Veuillez Statistiques iféretielle Sources, et pour e savoir plus : http://www.math-ifo.uiv-paris5.fr/smel 1 Problématique : Exemple ue ure cotiet des boules rouges et blaches dot o e coaît pas la

Plus en détail

Statistiques inférentielles

Statistiques inférentielles Statistiques iféretielles LI323 Hugues Richard (otes de cours: Pierre-Heri Wuillemi) Uiversité Pierre et Marie Curie (UPMC) Laboratoire géomique des microorgaismes (LGM) Itroductio Soit ue populatio de

Plus en détail

Résumé de statistique inductive

Résumé de statistique inductive Uiversité de Bourgoge Faculté de Médecie et de Pharmacie Résumé de statistique iductive NB : les iformatios coteues das ce polycopié e fot e aucu cas office de référece pour le cocours, il s agit uiquemet

Plus en détail

Estimation par intervalle de confiance

Estimation par intervalle de confiance 62 CHAPITRE 12 Estimatio par itervalle de cofiace 1. Estimatio de la moyee par itervalle de cofiace 1.1. Calcul de la marge d erreur. O veut maiteat faire ue estimatio par itervalle de cofiace de la moyee

Plus en détail

Master Eseec Statistique pour l expertise - partie2

Master Eseec Statistique pour l expertise - partie2 Master Eseec Statistique pour l expertise - partie2 Christia Laverge Uiversité Paul Valéry - Motpellier 3 http://moodle-miap.uiv-motp3.fr http://www.uiv-motp3.fr/miap/es (UPV) Eseec 1 / 57 Lois limites

Plus en détail

Intervalles de confiance

Intervalles de confiance Itervalles de cofiace H4 H4 Itervalles de cofiace Vocabulaire : u correspod à ue fiabilité (ou cofiace) de 95 %, u correspod à ue fiabilité (ou cofiace) de 99 % 0 ) Echatillo o exhaustif La théorie des

Plus en détail

CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variation

CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variation U.F.R. S.P.S.E. Licece de psychologie L3 PLPSTA0 Bases de la statistique iféretielle UNIVERSITE PARIS X NANTERRE CORRIGE DES EXERCICES : Distributios d'échatilloage - Itervalles de variatio Exercice 1

Plus en détail

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations Pla du cours 2 RFIDEC cours 2 : Échatillos, estimatios poctuelles Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Lois des grads ombres 2 Théorème cetral-limite 3 Estimatio poctuelle à partir d échatillos

Plus en détail

IREM Martine Quinio. 5 février 2013

IREM Martine Quinio. 5 février 2013 : 1 IREM 2013 Martie Quiio 5 février 2013 1 La loi de Gauss, ou loi ormale Itroductio : Lire court article C.Villai das Le Mode du 14-15/12 : il compare le traitemet médiatique boso de Higgs et rats OGM

Plus en détail

Chapitre 6 Théorèmes de convergence

Chapitre 6 Théorèmes de convergence Chapitre 6 Théorèmes de covergece 1. La covergece e loi O a déjà recotré ue covergece e loi lors de l approximatio d ue loi biomiale par ue loi de Poisso. Ce problème se place das u cadre plus gééral où

Plus en détail

ESTIMATION Exercices

ESTIMATION Exercices ESTIMATION Exercices EERCICE : Les variables aléatoires cosidérées das cet exercice sot défiies sur u espace probabilisable, AP, Soit a u réel strictemet positif et ue variable aléatoire de loi uiforme

Plus en détail

Estimation Intervalle de Confiance

Estimation Intervalle de Confiance Estimatio Itervalle de Cofiace Pr Roch Giorgi roch.giorgi@uiv-amu.fr SESSTIM, Faculté de Médecie, Aix-Marseille Uiversité, Marseille, Frace http://sesstim-orspaca.org Itroductio Coaître des valeurs de

Plus en détail

Éléments de probabilité.

Éléments de probabilité. Élémets de probabilité.. Gééralités Les probabilités s'occupet de phéomèes aléatoires, c'est à dire qui sot liés au hasard. Défiitio : O appelle expériece aléatoire, ue expériece dot les résultats, o tous

Plus en détail

sont égales, alors le produit des «extrêmes» a d est égal au produit des «moyens» c d ; et réciproquement ; la preuve est ici 1.

sont égales, alors le produit des «extrêmes» a d est égal au produit des «moyens» c d ; et réciproquement ; la preuve est ici 1. Cours 5 Idépedace 1 Das le cours précédet, ous avos vu que la variable Y était idépedate de la variable X si ses distributios coditioelles e fréquece sot égales ; das ce cas e effet, la mesure de X sur

Plus en détail

Corrigé Fiche 6 Septembre 2016

Corrigé Fiche 6 Septembre 2016 Corrigé Fiche 6 Septembre 2016 1. Estimatio de la moyee, variace coue, cas gaussie O dispose d u -échatillo X 1,..., X i.i.d. tel que X i suit ue loi ormale N µ, σ 2 ). L objectif est d estimer µ. Supposos

Plus en détail

EXERCICES de Statistiques

EXERCICES de Statistiques EXERCICES de Statistiques Aette Corpart lycée Jea Zay de Thiers EXERCICES sur la LOI NORMALE La variable aléatoire X suit la loi ormale N ( 12 ; 4 ). Calculer les probabilités suivates : P ( X 15 ) ; P

Plus en détail

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

Plus en détail

Intervalles de fluctuations et intervalles de confiance

Intervalles de fluctuations et intervalles de confiance Complémets e statistique. Préparatio au Capes. Uiversité de Rees 1. 2015. Complémets e Statistique Préparatio au Capes Uiversité de Rees 1 Itervalles de fluctuatios et itervalles de cofiace Table des matières

Plus en détail

Autour de la loi de Poisson

Autour de la loi de Poisson Agrégatio Itere de Mathématiques Thierry Champio séace du 25 ovembre 2016 Autour de la loi de Poisso Notatios - Itroductio Das tout ce problème, (Ω, T, P) est u espace probabilisé. Toutes les variables

Plus en détail

Échantillonnage. I Rappels sur les lois usuelles 2

Échantillonnage. I Rappels sur les lois usuelles 2 BTS DOMOTIQUE Échatilloage 2008-2010 Échatilloage Table des matières I Rappels sur les lois usuelles 2 II Approximatios de la loi biomiale 2 II.1 Approximatio par la loi de poisso................................

Plus en détail

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008 Sup Galilée - Maths pour l Igéieur Corrigé du Partiel du 9 Novembre 008 Étude d ue suite récurrete Soit u 0 ]0, [ O cosidère la suite (u ) défiie par u + u 3 u ) Justifier que la suite u est borée O motre

Plus en détail

Séance 2 : Estimateurs convergents, non biaisés et exhaustifs.

Séance 2 : Estimateurs convergents, non biaisés et exhaustifs. Exercice Séace 2 : Estimateurs covergets, o biaisés et exhaustifs. Soiet les variables aléatoires X i i =,..., i.i.d. Motrez que S 2 = X i X 2 est u estimateur o biaisé de σ 2, où σ 2 = V ar[x ]. O utilise

Plus en détail

CORRIGE DES EXERCICES : Exercices de révision

CORRIGE DES EXERCICES : Exercices de révision U.F.R. S.P.S.E. Licece de psychologie L5 PLPSTA03 Tests d'hypothèses statistiques UNIVERSITE PARIS X NANTERRE CORRIGE DES EXERCICES : Exercices de révisio Exercice 8. P{filles de 0 as}, X ombre de boes

Plus en détail

Variables aléatoires finies Présentation

Variables aléatoires finies Présentation Variables aléatoires fiies Présetatio. Défiitio élémetaire (tombola).... Le prix de vete d'u billet de la tombola... 3 3. Espérace mathématique d ue variable aléatoire fiie... 4 4. Variace et écart type

Plus en détail

Utilisation en modélisation. Régression linéaire

Utilisation en modélisation. Régression linéaire Utilisatio e modélisatio Régressio liéaire La régressio est l ue des otios basiques de la statistique et de l aalyse des doées. Gééralemet, le problème cosiste à décrire la dépedace etre deux variables

Plus en détail

Estimation par intervalle de conance

Estimation par intervalle de conance SQ20 - ch7 Page 1/6 Estimatio par itervalle de coace Pricipe de costructio : Das le chapitre précédet, ous avos déi les estimateurs, et l'estimatio poctuelle d'u paramètre θ. Soit : X ue variable aléatoire

Plus en détail

10ème cours Une variable numérique : indices de localisation

10ème cours Une variable numérique : indices de localisation 10ème cours Ue variable umérique : idices de localisatio Das ce cours, o fait u rappel sur les idices de localisatio, médiae, quatiles et moyee, et o étudie la faço de les utiliser pour comparer les distributios

Plus en détail

SUITES et SERIES DE FONCTIONS

SUITES et SERIES DE FONCTIONS UE7 - MA5 : Aalyse SUITES et SERIES DE FONCTIONS I Suites de foctios à valeurs das È ou  Etat doé u esemble E, ue suite de foctios umériques défiies sur E est la doée, pour tout etier, d'ue applicatio

Plus en détail

Loi binomiale. Loi de Bernoulli

Loi binomiale. Loi de Bernoulli Loi biomiale Loi de Beroulli O s itéresse ici à la réalisatio ou o d u évéemet. Autremet dit, o étudie les expérieces aléatoires qui ot que deux issues possibles : Obteir Pile ou Face Doer aissace à u

Plus en détail

Cours 11 Une variable numérique : dispersion et variance

Cours 11 Une variable numérique : dispersion et variance Cours 11 Ue variable umérique : dispersio et variace Ce cours est cosacré à la variace et à l'écart-type ; o commece par faire u rappel sur la variace comme idice de dispersio, mesure de l'éparpillemet

Plus en détail

Distributions d échantillonage

Distributions d échantillonage Chapitre 3 Distributios d échatilloage 3.1 Gééralités sur la otio d échatilloage 3.1.1 Populatio et échatillo O appelle populatio la totalité des uités de importe quel gere prises e cosidératio par le

Plus en détail

Séance 5 : Exercices récapitulatifs sur l estimation ponctuelle

Séance 5 : Exercices récapitulatifs sur l estimation ponctuelle Math-F-207 Corrigé Séace 5 Exercice 1 Séace 5 : Exercices récapitulatifs sur l estimatio poctuelle Les élémets d ue populatio possèdet u caractère X qui suit ue loi de desité f (x e x2 /2 2π où > 0. Pour

Plus en détail

SERIES NUMERIQUES réelles ou complexes

SERIES NUMERIQUES réelles ou complexes UE7 - MA5 : Aalyse SERIES NUMERIQUES réelles ou complexes I. Gééralités Défiitio Etat doée ue suite (u ) de ombres réels ou complexes, o appelle série de terme gééral u la suite (S ) défiie par : () S

Plus en détail

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques CHAPITRE 2 : Estimatio o-paramétrique 1. Estimateurs empiriques Soit u échatillo i.i.d. de durées T i i1,..., de foctio de survie S Défiitio: L estimateur empirique de la foctio de survie est S x 1 i1

Plus en détail

Corrigé : EM Lyon 2005

Corrigé : EM Lyon 2005 Corrigé : EM Lyo 5 Optio écoomique Eercice :. Par défiitio de E, la famille (I,J,K) est ue famille géératrice de E. Cette famille est-elle libre? O cherche tous les réels a, b et c tels que : ai +bj +ck

Plus en détail

CHAPITRE 4 Paramètres d'une série statistique

CHAPITRE 4 Paramètres d'une série statistique Cours de Mathématiques Classe de secode Statistiques CHAPITRE 4 Paramètres d'ue série statistique A) Diverses sortes de séries statistiques 1) Défiitio Ue série statistiques est u esemble de ombres, représetat

Plus en détail

X 1 = { X si X est impair 0 sinon

X 1 = { X si X est impair 0 sinon Corrigé ECRICOME 998 par Pierre Veuillez Das tout le problème, X désige ue variable aléatoire défiie sur u espace probabilisé (Ω, A, P et à valeurs das N et E(X l espérace de X si elle eiste. O ote A l

Plus en détail

Les calculatrices sont autorisées. **** **** Le sujet comporte 6 pages. 1 n. (resp. f x ln 1 e ) la somme de cette série.

Les calculatrices sont autorisées. **** **** Le sujet comporte 6 pages. 1 n. (resp. f x ln 1 e ) la somme de cette série. Les calculatrices sot autorisées **** NB : Le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio de la rédactio Si u cadidat est ameé à repérer ce qui peut lui sembler

Plus en détail

TD Modélisation Statistique

TD Modélisation Statistique Licece 3 Mathématiques TD Modélisatio Statistique Ex 1. Soit X ue variable aléatoire réelle de desité f cotiue et de foctio répartitio F. 1. Calculer la foctio de répartitio de Y = αx + β pour α, β R,

Plus en détail

1. Notion de «série statistique» 2. VRAI ou FAUX. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P.

1. Notion de «série statistique» 2. VRAI ou FAUX. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P. 351-355) Page 1 1. Notio de «série statistique» Il s agit d ue série de doées recueillies auprès des différetes uités statistiques d u

Plus en détail

C.1- Lois discrètes- Loi uniforme

C.1- Lois discrètes- Loi uniforme C- Lois usuelles C.1- Lois discrètes- Loi uiforme Loi d ue variable aléatoire X preat ses valeurs das {1,,} avec la même probabilité: 1 P ( X = x ) = x {1,,... } Ex : E=«lacer d u dé régulier» X=uméro

Plus en détail

Séries à termes positifs

Séries à termes positifs Séries à termes positifs Das toute la suite N désigera les etiers aturels positifs 0,,,..., Z tous les etiers aturels...,,, 0,,, 3,... et Q les ombres ratioels. Efi R désigera les réels, et C les complexes.

Plus en détail

Limites de suites et de fonctions

Limites de suites et de fonctions TermS Limites de suites et de foctios I ] Suites ) Défiitio : Ue suite réelle est ue foctio de! das!, défiie à partir d'u certai rag 0. Notatio : u = lire "u idice " = terme d'idice, ou de rag = terme

Plus en détail

ANOVA Analyse de la Variance

ANOVA Analyse de la Variance Chapitre 8 ANOVA Aalyse de la Variace. Obectif de la méthode Chap 8.. Obectif de la méthode. Approche ituitive 3. Décompositio de la variace 4. ANOVA: le test et le modèle statistique sous-acet O s itéresse

Plus en détail

MÉTHODES STATISTIQUES EXAMEN FINAL HIVER 2007 Date : Dimanche 29 avril de 14h00 à 17h00

MÉTHODES STATISTIQUES EXAMEN FINAL HIVER 2007 Date : Dimanche 29 avril de 14h00 à 17h00 MAT 080 MÉTHODES STATISTIQUES EXAME IAL HIVER 007 Date : Dimache 9 avril de 14h00 à 17h00 ISTRUCTIOS Détachez la feuille-réposes à la fi de ce cahier et iscrivez-y immédiatemet votre om, votre code permaet

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

COURS DE STATISTIQUES INFERENTIELLES Licence d économie et de gestion

COURS DE STATISTIQUES INFERENTIELLES Licence d économie et de gestion COURS DE STATISTIQUES INFERENTIELLES Licece d écoomie et de gestio Laurece GRAMMONT Laurece.Grammot@uiv-st-etiee.fr http://www.uiv-st-etiee.fr/maths/cvlaurece.html September 19, 003 Cotets 1 Rappels 5

Plus en détail

Texte Filtre de Kalman-Bucy

Texte Filtre de Kalman-Bucy Page 1. Texte Filtre de Kalma-Bucy 1 e modèle U avio se déplace etre Paris et odres. Il suit ue trajectoire théorique appelée trajectoire omiale dot les coordoées sot coues de tous. a trajectoire de l

Plus en détail

Éléments de probabilités

Éléments de probabilités Chapitre 1 Élémets de probabilités 1.1 Notio d expériece aléatoire Défiitio 1 Ue expériece, dot o coait les issues possibles, est appelé expériece aléatoire s il est impossible de savoir à l avace quelle

Plus en détail

ECOLE POLYTECHNIQUE TRAITEMENT STATISTIQUE DES DONNEES GEOLOGIQUES COURS GLQ3402. (Version 2.5; 2000) par Denis Marcotte

ECOLE POLYTECHNIQUE TRAITEMENT STATISTIQUE DES DONNEES GEOLOGIQUES COURS GLQ3402. (Version 2.5; 2000) par Denis Marcotte ECOLE POLYTECHNIQUE TRAITEMENT STATISTIQUE DES DONNEES GEOLOGIQUES COURS GLQ340 (Versio.5; 000) par Deis Marcotte Itroductio 1 1. INTRODUCTION... 1.1 OBJECTIFS DE L'ANALYSE DES DONNÉES... 1. PLACE DU COURS

Plus en détail

Université Lumière Lyon 2 L3-Economie & Gestion

Université Lumière Lyon 2 L3-Economie & Gestion Uiversité Lumière Lyo L3-Ecoomie & Gestio UFR de Scieces Ecoomiques et de Gestio Statistique Iféretielle - Support de cours 1 Estimatio poctuelle & Itervalle de cofiace Rafik Abdesselam Courriel : rafik.abdesselam@uiv-lyo.fr

Plus en détail

Suites de variables aléatoires.

Suites de variables aléatoires. Uiversité Pierre et Marie Curie 200-20 Probabilités et statistiques - LM345 Feuille 8 Suites de variables aléatoires.. Soit Ω, F, P u espace de probabilités. Détermier pour chacue des covergeces suivates

Plus en détail

Chapitre 5 Les suites Chapitre 5 Les suites. N dans R, donc si U est une telle suite, on aura : est le n ème terme de la suite.

Chapitre 5 Les suites Chapitre 5 Les suites. N dans R, donc si U est une telle suite, on aura : est le n ème terme de la suite. ECG JP A 00-00 F. FRANZOSI & A. WENGER http://math.aki.ch 5. Défiitio et gééralités Défiitio : Ue suite réelle est ue applicatio de * N das R, doc si U est ue telle suite, o aura : U : N * R U ( ) U U

Plus en détail

Baccalauréat S Centres étrangers 10 juin 2016

Baccalauréat S Centres étrangers 10 juin 2016 Baccalauréat S Cetres étragers 0 jui 206 Exercice I (4 poits) Pour chacue des quatre affirmatios suivates, idiquer si elle est vraie ou fausse, e justifiat la répose. il est attribué u poit par répose

Plus en détail

Limite d'une suite. soit n > 9

Limite d'une suite. soit n > 9 Limite d'ue suite I) Limite d'ue suite : a) ite ifiie : défiitio : Ue suite (u ) a pour ite + quad ted vers + si tout itervalle de la forme ]A; +[ (A état u réel) cotiet tous les termes u à partir d'u

Plus en détail

Partie B u. 4 Soit (u n ) la suite définie par : pour tout entier naturel n 0, u

Partie B u. 4 Soit (u n ) la suite définie par : pour tout entier naturel n 0, u Exercice 1 (6 poits) Commu à tous les cadidats O cosidère la foctio f défiie et dérivable sur l itervalle [ 0 ; + [ par : f (x) = 5 l ( x ± 3 ) x. 1. a. O appelle f ' la foctio dérivée de la foctio f sur

Plus en détail

Estimation paramétrique

Estimation paramétrique Retour au pla du cours Soit Ω, A, P u espace probabilisé et X ue v.a. de Ω, A das E, E. La doée d u modèle statistique c est la doée d ue famille de probabilités sur E, E, {P θ, θ Θ}. Le modèle état doé,

Plus en détail

Université Denis Diderot (Paris VII) MP 3. Quelques exercices corrigés Suites et séries numériques

Université Denis Diderot (Paris VII) MP 3. Quelques exercices corrigés Suites et séries numériques Uiversité Deis Diderot (Paris VII) 006-007 MP 3 Quelques exercices corrigés Suites et séries umériques Das les pages qui suivet ous proposos la correctios de quelques exercices de la feuille sur les suites

Plus en détail

Feuille de travaux pratiques # 3

Feuille de travaux pratiques # 3 Uiversité de Rees 1 Préparatio à l agrégatio Modélisatio - Proba/stat aée 015-016 Feuille de travaux pratiques # 3 1 La méthode de Mote-Carlo La méthode de Mote-Carlo est ue méthode de calcul approché

Plus en détail

Chapitre H6 : MESURES ET INCERTITUDES. Thème 1 : HABITAT. Sous-thème : Mesures et incertitudes Compétences attendues

Chapitre H6 : MESURES ET INCERTITUDES. Thème 1 : HABITAT. Sous-thème : Mesures et incertitudes Compétences attendues Thème : HABITAT Sous-thème : Mesures et icertitudes Chapitre H6 : MESURES ET INCERTITUDES. Notios et Coteus Erreurs et otios associées Thème 1 : HABITAT. Sous-thème : Mesures et icertitudes Compéteces

Plus en détail

Master 1 Métiers de l Enseignement, Mathématiques - ULCO, La Mi-Voix, 2012/2013

Master 1 Métiers de l Enseignement, Mathématiques - ULCO, La Mi-Voix, 2012/2013 Master Métiers de l Eseigemet, Mathématiques - ULCO, La Mi-Voix, 202/203 ANALYSE 2 Fiche de Mathématiques 4 - Séries umériques Soit E u espace vectoriel sur le corps K = R ou C Pour toute famille fiie

Plus en détail

SERIE S EPREUVE DE MATHEMATIQUES. Durée : 4h Coefficient : 7 ou 9

SERIE S EPREUVE DE MATHEMATIQUES. Durée : 4h Coefficient : 7 ou 9 BACCALAUREAT BLANC 2014 LYCEE DES ILES SOUS LE VENT SERIE S EPREUVE DE MATHEMATIQUES Durée : 4h Coefficiet : 7 ou 9 La calculatrice est autorisée, mais est pas échageable de cadidat e cadidat. La qualité

Plus en détail

Corrigé du baccalauréat ES Asie 23 juin 2016

Corrigé du baccalauréat ES Asie 23 juin 2016 Corrigé du baccalauréat ES Asie jui 16 A.. M. E.. EXERCICE 1 Commu à tous les cadidats 6 poits Das u repère orthoormé du pla, o doe la courbe représetative C f d ue foctio f défiie et dérivable sur l itervalle

Plus en détail

MVA101 - Analyse et calcul matriciel T. Horsin

MVA101 - Analyse et calcul matriciel T. Horsin MVA101 - Aalyse et calcul matriciel 2012 2013 T. Horsi (thierry.horsi@cam.fr) Attetio: Ce documet est ue base de travail qui peut coteir des coquilles. Les zoes e bleus sot, de loi, hors programme, et

Plus en détail

MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimanche 15 mars 2009 de 14h00 à 17h00

MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimanche 15 mars 2009 de 14h00 à 17h00 MAT 2080 MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimache 15 mars 2009 de 14h00 à 17h00 INSTRUCTIONS 1. Détachez la feuille-réposes à la fi de ce cahier et iscrivez-y immédiatemet votre om,

Plus en détail

Le rang d une matrice correspond à la dimension de son image, ce qui est égal à la dimension maximale d une sous-matrice extraite inversible.

Le rang d une matrice correspond à la dimension de son image, ce qui est égal à la dimension maximale d une sous-matrice extraite inversible. Uiversité de Geève Sectio de Mathématiques Algèbre I Corrigé 2 Série 7, ex 3 Toutes les affirmatios sot vraies sauf la derière E effet, pour que deux espaces soiet e somme directe, il faut que leur itersectio

Plus en détail

donc sont-ils colinéaires : ne sont pas colinéaires donc les points A, B et C ne sont pas alignés.

donc sont-ils colinéaires : ne sont pas colinéaires donc les points A, B et C ne sont pas alignés. 1 Exercice 1 ( poits) L espace est mui d u repère orthoormal (O ; i, j, k ). Les poits A, B et C ot pour coordoées respectives A (1 ; ; ), B ( ; 6 ; 5), C( ; ; 3). 1 a) Démotrer que les poits A, B et C

Plus en détail

Externat Notre Dame Bac Blanc n 1 (Tle S) janvier Proposition de corrigé

Externat Notre Dame Bac Blanc n 1 (Tle S) janvier Proposition de corrigé Exterat Notre Dame Bac Blac Tle S) javier 06 durée : 4 h Propositio de corrigé calculatrice autorisée Das tout ce devoir, la qualité de la rédactio et le soi serot pris e compte das la otatio. Les exercices

Plus en détail

Exercices sur le chapitre «Variables aléatoires»

Exercices sur le chapitre «Variables aléatoires» Araud de Sait Julie - MPSI Lycée La Merci 2015-2016 1 Pour démarrer Exercices sur le chapitre «Variables aléatoires» Exercice 1 (Recostitutio de paires) O fixe deux etiers aturels 1 r. U placard cotiet

Plus en détail

1 Intervalles de confiance. 2 Tests d hypothèses. 3 La loi du χ 2. X N (µ; σ 2 ) n très grand = la valeur observée x de X µ

1 Intervalles de confiance. 2 Tests d hypothèses. 3 La loi du χ 2. X N (µ; σ 2 ) n très grand = la valeur observée x de X µ Pla du cours 3 RFIDEC cours 3 : Itervalles de cofiace, tests d hypothèses, loi du χ Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Itervalles de cofiace Tests d hypothèses 3 La loi du χ Itervalles

Plus en détail

1 Echantillonnage préférentiel (importance sampling)

1 Echantillonnage préférentiel (importance sampling) TP 7 : Méthodes de Mote Carlo (II) : réductio de variace Le but de ce TP est d étudier l erreur commise par les méthodes de Mote Carlo vues das le TP précédet. Il peut être traité idépedammet du TP précédet.

Plus en détail

Intervalle de confiance - Données censurées

Intervalle de confiance - Données censurées Itervalle de cofiace - Doées cesurées Durées de vie expoetielles: Echatillo complet Supposos que ous avos eregistré u échatillo complet de durées de vie T,T 2,,T qui sot i.i.d. suivat ue expoetielle dot

Plus en détail

Fiche 8 : Fonctions II. Limites

Fiche 8 : Fonctions II. Limites Uiversité Paris-Est Val-de-Mare Créteil DAEU-B Fiche 8 : Foctios II. Limites Das la fiche 7 "Foctios I", o a vu la défiitio d ue foctio et différetes otios afféretes. E particulier, o a travaillé sur le

Plus en détail

Chapitre 4 Séries trigonométriques

Chapitre 4 Séries trigonométriques MVA Aalyse et calcul matriciel Chapitre 4 Séries trigoométriques Foctios périodiques Soit f ue foctio défiie sur R. Le ombre θ est ue période de f si f (t + θ) = f (t) quel que soit t R. Quad f admet ue

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 0-03 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5. Pricipe des tests 6.a. Méthodologie

Plus en détail

Chapitre 4 Tests paramétriques de comparaison de 2 moyennes. José LABARERE

Chapitre 4 Tests paramétriques de comparaison de 2 moyennes. José LABARERE UE4 : Biostatistiques Chapitre 4 Tests paraétriques de coparaiso de oyees José LABARERE Aée uiversitaire 0/0 Uiversité Joseph Fourier de Greoble - Tous droits réservés. Pla I. Nature des variables II.

Plus en détail

Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction. 4. 2. Lois discrètes..4

Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction. 4. 2. Lois discrètes..4 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Chapitre 4 Lois de Probabilité Sommaire. Itroductio. 4. Lois discrètes..4.. Loi uiforme..4... Défiitio...4... Espérace et variace..5..

Plus en détail

1. Convergence des Séries Numériques

1. Convergence des Séries Numériques Séries umériques 8 - Sommaire. Covergece des Séries Numériques.. Nature d ue série umérique.......2. Séries géométriques............ 2.3. Coditio élémetaire de covergece. 2.4. Suite et série des différeces.......

Plus en détail

Chapitre 2 : Raisonnement par récurrence, manipulation de sommes.

Chapitre 2 : Raisonnement par récurrence, manipulation de sommes. ECS1B Carot Chapitre 013/014 Chapitre : Raisoemet par récurrece, maipulatio de sommes Objectifs : Écrire propremet u raisoemet par récurrece (simple, double Maipuler les symboles Σ et sas erreur ceci viedra

Plus en détail

Questions de cours. tend vers 0, alors que la série harmonique 1. v n = ln n La série u n est convergente, et la série [ ( )]

Questions de cours. tend vers 0, alors que la série harmonique 1. v n = ln n La série u n est convergente, et la série [ ( )] PC - DS N 6 - U corrigé Questios de cours QC..a L assertio a. est fausse. Par exemple, la suite + ted vers 0, alors que la série harmoique + est divergete. QC..b L assertio b. est vraie. Supposos que la

Plus en détail

TD 2 : Suites numériques réelles

TD 2 : Suites numériques réelles Uiversité Paris-Est Mare-la-Vallée Licece L Maths/Ifo d semestre 0/0 Aalyse TD : Suites umériques réelles Exercice Cours) Motrer que si ue suite réelle u ) N coverge, alors toute sous-suite de u ) coverge

Plus en détail

Introduction aux tests statistiques

Introduction aux tests statistiques Itroductio aux tests statistiques Philippe Boeau 27 septembre 2006 Chapitre 1 Élémets de probabilités Exercice 1 O ote E l esemble des etiers aturels iférieurs ou égaux à 12 et A (respectivemet B et C)

Plus en détail

Fiche 2 : Les fonctions

Fiche 2 : Les fonctions Nº : 300 Fiche : Les foctios Calculer des limites O commece par aalyser f (). Peut o directemet appliquer l u des théorèmes du cours (limites et opératios, théorèmes de comparaiso)? Das la égative, il

Plus en détail

STATISTIQUE : ESTIMATION

STATISTIQUE : ESTIMATION STATISTIQUE : ESTIMATION Préparatio à l Agrégatio Bordeaux Aée 202-203 Jea-Jacques Ruch Table des Matières Chapitre I. Estimatio poctuelle 5. Défiitios 5 2. Critères de comparaiso d estimateurs 6 3. Exemples

Plus en détail

Chapitre 1 : Statistique descriptive univariée

Chapitre 1 : Statistique descriptive univariée Biostatistiques Licece Chapitre : Statistique descriptive uivariée Itroductio Statistique : esemble de méthodes scietifiques destiées à la collecte, la présetatio et l aalyse de doées. Jeux de doées Applicatio

Plus en détail

CHAPITRE IV. Rappels et compléments sur les suites

CHAPITRE IV. Rappels et compléments sur les suites CHPITRE IV Rappels et complémets sur les suites SUITES NUMÉRIQUES 1 Sommaire I Notio de suite...................................... 30 Exemples.......................................... 30 B Défiitio..........................................

Plus en détail

L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM

L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM FACULTE DES SCIENCES ET TECHNIQUES. UHA MULHOUSE L2PC et Cycles. Mathématiques: SERIES et INTEGRALES Cours Elisabeth REMM Chapitre 2 Séries etières Cotets. Gééralités sur les séries etières 2.. Défiitio

Plus en détail

Méthodes de Monte-Carlo et réduction de la variance

Méthodes de Monte-Carlo et réduction de la variance Méthodes de Mote-Carlo et réductio de la variace Itroductio et otatios : Ce TP aborde présete diverses méthodes d'estimatio des itégrales. Ces méthodes ot comme outil pricipal la méthode de Mote-Carlo.

Plus en détail

3.1 Loi de Bernouilli Loi Binomiale Loi géométrique Loi de Pascal (loi négative binomiale)...3

3.1 Loi de Bernouilli Loi Binomiale Loi géométrique Loi de Pascal (loi négative binomiale)...3 3- Lois de distributio discrètes -1 Chapitre 3 : Lois de distributio discrètes 3.1 Loi de Berouilli...1 3. Loi Biomiale...1 3.3 Loi géométrique... 3.4 Loi de Pascal (loi égative biomiale)...3 3.5 Loi hypergéométrique...4

Plus en détail

A RETENIR TERMINALE ES

A RETENIR TERMINALE ES A RETENIR TERMINALE ES Ce documet est destié à "résumer" le cours de termiale. Il e préted pas coteir tout ce que vous devez savoir pour réussir l épreuve. Il est coçu pour que vous puissiez l utiliser

Plus en détail

BACCALAURÉAT TECHNOLOGIQUE MATHÉMATIQUES. Spécialité : BIOTECHNOLOGIES

BACCALAURÉAT TECHNOLOGIQUE MATHÉMATIQUES. Spécialité : BIOTECHNOLOGIES BACCALAURÉAT TECHNOLOGIQUE Sessio 2016 MATHÉMATIQUES Série : SCIENCES ET TECHNOLOGIES DE LABORATOIRE Spécialité : BIOTECHNOLOGIES Durée de l épreuve : 4 heures Coefficiet : 4 Calculatrice autorisée coformémet

Plus en détail

STATISTIQUES. En première les statistiques étudiées étaient à une seule variable ; en terminale l étude porte sur deux variables statistiques

STATISTIQUES. En première les statistiques étudiées étaient à une seule variable ; en terminale l étude porte sur deux variables statistiques Tle ES Statistiques H. Kereïs STATISTIQUES E première les statistiques étudiées étaiet à ue seule variable ; e termiale l étude porte sur deu variables statistiques 1. Nuage de poits, poit moe et covariace

Plus en détail

Correction de la question de cours 1

Correction de la question de cours 1 Math I Aalyse Exame du 9 décembre 2007 Durée 2 heures Aucu documet est autorisé. Les calculatrices, téléphoes portables et autres appareils électroiques sot iterdits. Il est iutile de recopier les éocés.

Plus en détail

Chapitre 1 METHODES SUR LES SUITES

Chapitre 1 METHODES SUR LES SUITES Chapitre 1 METHODES SUR LES SUITES Nous allos voir commet : 1) Cojecturer le comportemet d ue suite ) Raisoer par récurrece 3) Utiliser les suites arithmétiques et géométriques 4) Étudier le comportemet

Plus en détail

Correction Baccalauréat STL biotechnologies Polynésie 13 juin 2016

Correction Baccalauréat STL biotechnologies Polynésie 13 juin 2016 Correctio Baccalauréat STL biotechologies Polyésie 13 jui 2016 EXERCICE 1 4 poits Das cet exercice, o s itéresse au taux de cholestérol LDL de la populatio d adultes d u pays. O ote X la variable aléatoire

Plus en détail

LES SUITES. u n = 1 n, pour n 1. u n = n 3

LES SUITES. u n = 1 n, pour n 1. u n = n 3 LES SUITES. Défiitio.. Défiitio Ue suite umérique est ue foctio de das, défiie à partir d'u certai rag 0. La otatio (u ) désige la suite e tat qu'objet mathématique et u désige l'image de l'etier (appelé

Plus en détail

( ) ( ) ( ) ( 4) Terminale S Exercices sur le chapitre «Suites numériques» Page 1. deux nombres réels. Initialisation Récupérer la valeur de M

( ) ( ) ( ) ( 4) Terminale S Exercices sur le chapitre «Suites numériques» Page 1. deux nombres réels. Initialisation Récupérer la valeur de M Termiale S Exercices sur le chapitre «Suites umériques» Page Exercice : O cosidère la suite ( p ) défiie sur N par ) O cosidère l algorithme suivat : Variables u etier aturel et deux ombres réels Iitialisatio

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. u k

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. u k SÉRIES NUMÉRIQUES K désige le corps R ou C. Gééralités. Défiitios Défiitio. Série Soit (u ) 0 ue suite umérique (i.e. à valeurs das K). O appelle série de terme gééral u la suite (S ) 0 où 0, S = u k Cette

Plus en détail

SUITES NUMERIQUES. q n. pour q. n + Une suite numérique est une fonction associant à tout nombre entier naturel n, un nombre réel u(n) : u :

SUITES NUMERIQUES. q n. pour q. n + Une suite numérique est une fonction associant à tout nombre entier naturel n, un nombre réel u(n) : u : SUITES NUMERIQUES Coteus : Capacités attedues : Commetaires : Suites Limite d ue suite défiie par so terme gééral Notatio lim u Suites géométriques : - somme de termes cosécutifs d ue suite géométrique

Plus en détail