1 Notion d expérience aléatoire Définition 1.1 Expérience aléatoire Exemple 1.1 Remarqe. Définition 1.2 Événement Remarqe.
|
|
- Aurélie Albert
- il y a 5 ans
- Total affichages :
Transcription
1 Ω = {, 2, 3, 4, 5, 6} A A A B A B A B A B A B A B Ω A B A B A {A, A} Ω {{ω}, ω Ω}
2 A B A B A B A B C {A, B, C} A B A B A B A B = 2652 (7, V ) (V, 7 ) (7, V ) (V, 7 ) ( 52 2 ) = = = 90 (n, n) = 36 (, 6) (6, ) (, 6) (6, ) ( 6 2) + 6 = 2
3 Ω P : P(Ω) [0, ] P(Ω) = A B P(A B) = P(A) + P(B) (Ω, P) Ω P Ω (Ω, P) P( ) = 0 (A, B) P(Ω) 2 P(A B) = P(A) + P(B) P(A B) A P(Ω) P(A) = P(A) (A, B) P(Ω) 2 A B P(A) P(B) S A S P(A) = Ω P Ω P({ω}) = ω Ω (p ω ) ω Ω ω Ω p ω = P Ω P({ω}) = p ω ω Ω
4 Ω = {a, b} P Ω P({a}) = 0 P({b}) = (Ω, P) S P(Ω) A S P(A) = Ω Ω Ω P({ω}) = ω Ω Ω Ω P Ω A P(A) = A Ω A P(A) = 4 52 = 3 B P(B) = 3 52 = 4 (Ω, P) (A, B) P(Ω) 2 P(B) 0 A B P(A B) P B (A) P(A B) P(B)
5 00 B + B + P(B + ) = 7 00 A B R + P(B) = = P(R+) = 00 = B P(B R + 7 ) = = 7 75 P(B+ ) = P(B R + ) = P(R + )P(B R + ) B P(R + B) = = 7 9 P(B+ ) = P(B R + ) = P(B)P(R + B) (Ω, P) B P(Ω) P(B) 0 P B : A P(Ω) P B (A) Ω (Ω, P) (A,..., A n ) P(Ω) n P(A A n ) 0 P(A A n ) = P(A )P(A 2 A )P(A 3 A A 2 )... P(A n A A n ) B i i P(B B 2 B 3 ) P(B ) = 3 0 B P(B 2 B ) = 2 0 B B P(B 3 B B 2 ) = 0 P(B B 2 B 3 ) = P(B )P(B 2 B )P(B 3 B 2 B ) = = 3 500
6 (Ω, P) S B P(B) = A S P(B A)P(A) S A P(B) = P(B A)P(A) + P(B A)P(A) T M P(M) = P(T M) = 00 P(T M) = 00 P(T) = P(T M)P(M) + P(T M)P(M) = ( 00 7 ) = (Ω, P) A B P(A) 0 P(B) 0 P(A B) = P(B A)P(A) P(B) S A B P(B) 0 P(A B) = P(B A)P(A) P(B S)P(S) S S A B A B B A B AV AR BV BR A P(AV BR) P(AV BR) = P(BR AV) P(BR AV)P(AV) + P(BR AR)P(AR) P(AV) = 3 5 P(AR) = 2 5 P(BR AV) = 3 6 P(BR AR) = 4 6 P(AV BR) = = 5 7
7 (Ω, P) A B P(A B) = P(A)P(B) (Ω, P) A B P(B) > 0 A B P(A B) = P(A) B B 2 B B 2 B B 2 (Ω, P) (A i ) i I (A i ) i I J I, P A j = P(A j ) j J j J (A i ) i I A i
8 A A 2 A 3 P(A ) = P(A 2 ) = P(A 3 ) = 2 P(A A 2 ) = P(A A 3 ) = P(A 2 A 3 ) = 4 A A 2 A 3 P(A A 2 A 3 ) = 0 P(A )P(A 2 )P(A 3 ) A A 2 A Ω Ω X(Ω) R S X(Ω) = 2, 2 (Ω, P) X Ω A X(Ω) X (A) Ω X (A) X A A {x} X ({x}) X = x P(X A) P(X = x) X x R P(X ], x]) P(X [x, + [) P(X x) P(X x) X Ω X = x x X(Ω) P(X = x) = x X(Ω)
9 X Ω = {PPP, FPP, PFP, PPF, FFP, FPF, PFF, FFF} X = X ({}) {FPP, PFP, PPF} X 2 X ([2, + [) X ({2, 3}) {FFP, FPF, PFF, FFF} (Ω, P) X Ω X P X : { P(X(Ω)) [0, ] A P(X A) X Y X Y X L X L (Ω, P) X Ω P X X(Ω) (Ω, P) X Ω P X P(X = x) x X(Ω) X Ω P(X A) A P(X(Ω)) P(X = x) x X(Ω) (Ω, P) X Ω X E x E, P(X = x) = E (Ω, P) X Ω {0, } X p [0, ] P(X = ) = p P(X = 0) = p X B(p)
10 X X() = X() = 0 p = P() (Ω, P) A Ω A P(A) (Ω, P) X Ω 0, n X n N p [0, ] P(X = k) = ( n k) p k ( p) n k k 0, n X B(n, p) n p B(n, p) q r n X ( ) ( Y ) X B n, Y B q q+r n, r q+r (Ω, P) X Ω f : X(Ω) E Y = f X Ω Y = f(x) Y = f X (Ω, P) { X Ω f : X(Ω) E Y = f(x) P(Y(Ω)) [0, ] A P(X f (A)) y Y(Ω) P(Y = y) = P(X f ({y})
11 X 2, 2 Y = X 2 {0,, 4} P(Y = 0) = P(X = 0) = 5 P(Y = ) = P(X = ) + P(X = ) = 2 5 P(Y = 4) = P(X = 2) + P(X = 2) = 2 5 (Ω, P) X { Ω B P(Ω) P(B) > 0 P(X(Ω)) [0, ] X B P X B : A P(X A B) X B P(X = x B) x X(Ω) P(X A B) A P(X(Ω)) X Y Ω (X, Y) { Ω X(Ω) Y(Ω) ω (X(ω), Y(ω)) (Ω, P) X Y Ω X Y (X, Y) P (X,Y) (A, B) P(X(Ω)) P(Y(Ω)), P (X,Y) (A B) = P((X, Y) A B) X Y P((X, Y) = (x, y)) (x, y) X(Ω) Y(Ω) (X, Y) P((X, Y) = (x, y)) (x, y) X(Ω) Y(Ω) (X, Y) (X, Y) X Y (Ω, P) X Y Ω X Y x X(Ω), P(X = x) = P((X, Y) = (x, y)) y Y(Ω), P(Y = y) = y Y(Ω) x X(Ω) P((X, Y) = (x, y))
12 2 4 4 U V U V Ω = {{, 2}, {, 3}, {, 4}, {2, 3}, {2, 4}, {3, 4}} U {, 2, 3} V {2, 3, 4} U V (Ω, P) X Y Ω y Y(Ω) X Y = y P X Y=y x X(Ω) Y X = x P Y X=x n (Ω, P) X{,..., X n Ω Ω X (Ω) X (X,..., X n ) n (Ω) ω (X (ω),..., X n (ω)) X,..., X n (X,..., X n ) X,..., X n (Ω, P) X Y Ω X Y (A, B) P(X(Ω)) P(Y(Ω)), P((X, Y) A B) = P(X A)P(Y B) (Ω, P) X Y Ω X Y (x, y) X(Ω) Y(Ω), P((X, Y) = (x, y)) = P(X = x)p(y = y)
13 X Y (X, Y) X Y A B A B (Ω, P) (X i ) i I (X i ) i I (A i ) i I ( ) P(X i (Ω)), P X i A i = P(X i A i ) i I i I i I (Ω, P) (X i ) i I (X i ) i I (x i ) i I ( ) X i (Ω), P X i = x i = P(X i = x i ) i I i I i I X Y {, } Z = XY X, Y, Z (A i ) i I ( Ai ) i I (Ω, P) p [0, ] X,..., X n B(p) X + + X n B(n, p) n p B(n, p) (Ω, P) X Y Ω f g X(Ω) Y(Ω) f(x) g(y)
14 (Ω, P) X Ω X E(X) = P({ω})X(ω) = P(X = x)x ω Ω x X(Ω) X X X X (Ω, P) A P(Ω) E( A ) = P(A) (Ω, P) X Ω X E(X) = 0 X X E(X) (Ω, P) X Y Ω (λ, µ) R 2 E(λX + µy) = λe(x) + µe(y) X Ω X E(X) 0 X Y Ω X Y E(X) E(Y) X E(X) E( X ) R Ω (Ω, P) X Ω c R E(X) = c X E R E(X) = E x p [0, ] X Ω B(p) E(X) = p n N p [0, ] X Ω B(n, p) E(X) = np x E
15 (Ω, P) X Ω f X(Ω) R E(f(X)) = P({ω})f(X(ω)) = P(X = x)f(x) ω Ω x X(Ω) X, n E(2 X ) (X, Y) f X(Ω) Y(Ω) R E(f(X, Y)) = f(x, y)p(x = x, Y = y) (x,y) X(Ω) Y(Ω) = x X(Ω) y Y(Ω) = y Y(Ω) x X(Ω) f(x, y)p(x = x, Y = y) f(x, y)p(x = x, Y = y) (Ω, P) X Y Ω X Y E(XY) = E(X)E(Y) X {, } Y = X (Ω, P) X Ω k N k X E ( X k) k X E ( (X E(X)) k) (Ω, P) X Y Ω X Y (X, Y) = E ((X E(X)) (Y E(Y))) = E(XY) E(X)E(Y)
16 (Ω, P) X Y Ω (X, Y) = (Y, X) X Y Z Ω (λ, µ) R 2 (λx + µy, Z) = λ (X, Z) + µ (Y, Z) (X, λy + µz) = λ (X, Y) + µ (Y, Z) X Ω (X, X) 0 R Ω (Ω, P) X Y Ω X Y (X, Y) = 0 X Y { X P(X = 0) = P(X = ) = P(X = ) = 3 Y = X = 0 0 X 0 (X, Y) = 0 X Y Y X P((X, Y) = (0, 0)) = 0 P(X = 0)P(Y = 0) 0 (X, Y) = 0 X Y (Ω, P) X Ω X ( V(X) = (X, X) = E (X E(X)) 2) = E(X 2 ) E(X) 2 X σ(x) = V(x) 2 V(X) = P({ω}) (X(ω) E(X)) 2 = P(X = x) (x E(X)) 2 ω Ω ( ) V(X) = P({ω})X(ω) 2 E(X) 2 = ω Ω x X(Ω) x X(Ω) P(X = x)x 2 E(X) 2
17 (Ω, P) X Y Ω V(X + Y) = V(X) + V(Y) + 2 (X, Y) V(X Y) = V(X) + V(Y) 2 (X, Y) (X + Y, X Y) = V(X) V(Y) (X, Y) = 2 (V(X + Y) V(X) V(Y)) = 2 (V(X) + V(Y) V(X Y)) = (V(X + Y) V(X Y)) 4 (Ω, P) X Y Ω (X, Y) V(X) V(Y) = σ(x)σ(y) (X,Y) σ(x)σ(y) X Y (Ω, P) X,..., X n Ω V(X + + X n ) = V(X ) + + V(X n ) (Ω, P) X Ω c R V(X) = 0 p [0, ] X Ω B(p) V(X) = p( p) n N p [0, ] X Ω B(n, p) V(X) = np( p) (Ω, P) X Ω X V(X) = (Ω, P) X Ω (a, b) R 2 V(aX + b) = a 2 V(X) (Ω, P) X Ω σ(x) > 0 X E(X) σ(x)
18 (Ω, P) X Ω a R + X P(X a) E(X) a P( X a) E( X ) a (Ω, P) X Ω α R + P ( X E(X) ε) V(X) ε 2 = σ(x)2 ε 2 X,..., X n m σ X n = n X k V( n X n ) = σ2 n ε R + k= P ( Xn m ε ) σ2 nε 2 P ( Xn m ε ) = 0 n +
Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
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 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 détailEspérance 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 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 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 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 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 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 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 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 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 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 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 détailProbabilité 2 Ω = { P, F } Lancer un sou deux fois. Ω = { PP, PF, FP, FF} Ω = { 2, 3, 4,..., as }
. Définitions préliminaires Probabilité. Définitions préliminaires La théorie des probabilités utilise un langage emprunté à la théorie des ensembles. Il sera nécessaire de définir les éléments de ce langage
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 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 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 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 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 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 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 détailILT. Interfacultair Instituut voor Levende Talen. T@@lvaardig. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven
IL If I L S V Ey G Khk U L 13/02/02 pé? xp qé xp pz à pz p héhq pé p à q z p à p héhq fé à p à q pz xp q 'p (è) f, '-à- p. x. ' é ff. N xp à py qq' q z b ( f) P xp pô pp L p - pé pz ': z qq', q -? Bj,
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 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 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 détailBases : Probabilités, Estimation et Tests.
Université René Descartes LMD Sciences de la Vie et de la Santé UFR Biomédicale, M1 de Santé Publique 45 rue des Saints-Père, 75 006 Paris Spécialité Biostatistique M1 COURS de BIOSTATISTIQUE I Bases :
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détail9 5 2 5 Espaces probabilisés
BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire
Plus en détailProbabilités et Statistique
Ricco Rakotomalala Probabilités et Statistique Notes de cours Université Lumière Lyon 2 Avant-propos Ce document est un support de cours pour les enseignements des probabilités et de la statistique. Il
Plus en détailCours de Calcul stochastique Master 2IF EVRY. Monique Jeanblanc
Cours de Calcul stochastique Master 2IF EVRY Monique Jeanblanc Septembre 26 2 Contents 1 Généralités 7 1.1 Tribu............................................... 7 1.1.1 Définition d une tribu.................................
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 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 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 détailMTH 2301 Méthodes statistiques en ingénierie. MTH 2301 Méthodes statistiques en ingénierie
VARIABLES ALÉATOIRES déo oco de réro vrble léore dscrèe moyee - vrce - écr ye esérce mhémque vrble léore coue oco d ue vrble léore : rsormo combso lére de vrbles léores Déo E : eérece léore S : esce échllol
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 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 détailSEANCE 4 : MECANIQUE THEOREMES FONDAMENTAUX
SEANCE 4 : MECANIQUE THEOREMES FONDAMENTAUX 1. EXPERIENCE 1 : APPLICATION DE LA LOI FONDAMENTALE DE LA DYNAMIQUE a) On incline d un angle α la table à digitaliser (deuxième ou troisième cran de la table).
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 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 détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
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 détailBases de données Cours 5 : Base de données déductives
Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique
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 détailTout 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 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 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 détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 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 détailMolécules et Liaison chimique
Molécules et liaison chimique Molécules et Liaison chimique La liaison dans La liaison dans Le point de vue classique: l approche l de deux atomes d hydrogd hydrogènes R -0,9-1 0 0,5 1 1,5,5 3 3,5 4 R
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
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 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 détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
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 détailCours de probabilité et statistique
Cours de probabilité et statistique 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0-4 -3-2 -1 0 1 2 3 4 Denis Bichsel 1 1 Probabilité et statistique 1.1 Introduction Le calcul des probabilité semble avoir son origine
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 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 détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailBougez, protégez votre liberté!
> F a Bgz, pégz v bé! www.a-. CAT.ELB.a240215 - Cé ph : Fa Daz à v p aé N az p a v gâh a v! Aj h, p g évq v ; Pa, p 4 aça q, v, éq qaé v. Ca ax é ç, b pa évé ax p âgé a h a p j. E pè v, h pa épagé. Pa
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
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
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailMéthode de Monte Carlo pour le calcul d'options
Méthode de Monte Carlo pour le calcul d'options LADIAS Elie, WANG Shuai 7 juin 2013 1 Table des matières 1 Méthode de Monte-Carlo et Calcul d'intégrales 4 1.1 Description de la méthode....................
Plus en détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en 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 détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en 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 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 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 détailRDV E-commerce 2013 Mercredi 6 Mars, Technopark
RDV E-mm 2013 Md 6 M, Thpk Smm 1 P q E 2 Q x p? 3 Q v? 4 d é d 2 0 1 5 p 2 0 1 3 6 h g 7 d f é 1 Pq E-mm? Pq S E-Cmm? D d d Md IT XCOM gé dp 2009 phé E-mm.m F à mhé p, XCOM h d déd E-mm, Pm éq, E-Mkg Chff
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 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 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 détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
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 détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailIncorporé au 3 e régiment d infanterie coloniale
Ax 59 : ch u u c u C B L ch u u c u C B 1 N A Fç Adu Eugè Gg [979?] Au C Afd A Luc Lu Augu M Aub Luc Muc Auc Augu E Auc Lu Auy Ru Auz Rhë Mu D u d c Pf Su N 15 cb 1886 à P N 8 b 1879 à P N 13 û 1885 à
Plus en détailAOT 13. et Application au Contrôle Géométrique
AOT 13 Géométrie Différentielle et Application au Contrôle Géométrique Frédéric Jean Notes de cours Édition 2011/2012 ii Table des matières 1 Variétés différentiables 1 1.1 Variétés différentiables............................
Plus en détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
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 détailFiabilité des Systèmes et des Logiciels
Ensimag - 3ème année Fiabilité des Systèmes et des Logiciels Notes de cours Olivier Gaudoin 2 Table des matières 1 Problématique de la sûreté de fonctionnement des systèmes informatiques 5 1.1 Contexte.....................................
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 détailCompilation. Algorithmes d'analyse syntaxique
Compilation Algorithmes d'analyse syntaxique Préliminaires Si A est un non-terminal et γ une suite de terminaux et de non-terminaux, on note : A γ si en partant de A on peut arriver à γ par dérivations
Plus en détail3 : «L amitié éternelle» 4 : «L amour» 5 à 11 : Le Dossier 12 : Loisirs 13 : Fin d année en beauté
L c - 3 : «L mé é» 4 : «L m» 5 à 11 : L D 12 : L 13 : F é bé L J éèv Lycé L P, èm égé éèv, é f é c 2013-2014, D éc ccé à c ; x c ô, c éê vfé qq é. L - émé chz j? C mé év qq, é à c m q... B... c! LC, c.
Plus en détailMATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés
MATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés Département GPI 1ère année Avril 2005 INPT-ENSIACET 118 route de Narbonne 31077 Toulouse cedex 4 Mail : Xuan.Meyer@ensiacet.fr
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
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 détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
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 détailQuelques contrôle de Première S
Quelques contrôle de Première S Gilles Auriol auriolg@free.fr http ://auriolg.free.fr Voici l énoncé de 7 devoirs de Première S, intégralement corrigés. Malgré tout les devoirs et 5 nécessitent l usage
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 détailOptions et Volatilité (introduction)
SECONDE PARTIE Options et Volatilité (introduction) Avril 2013 Licence Paris Dauphine 2013 SECONDE PARTIE Philippe GIORDAN Head of Investment Consulting +377 92 16 55 65 philippe.giordan@kblmonaco.com
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailTHÉORIE DE LA MESURE ET DE L INTÉGRATION.
THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................
Plus en détail