PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités.

Dimension: px
Commencer à balayer dès la page:

Download "PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités."

Transcription

1 PROBABILITÉS I. PROBABILITÉS ( RAPPELS) a. Expérieces aléatoires et modèles Le lacer d ue pièce de moaie, le lacer d u dé sot des expérieces aléatoires, car avat de les effectuer, o e peut pas prévoir avec certitude quel e sera le résultat, résultat qui déped e effet du hasard. A cette expériece aléatoire, o associe l esemble des résultats possibles appelé uivers. Ses élémets sot appelés évetualités. Les sous-esembles de l uivers Ω sot appelés évéemets. Les évéemets formés d u seul élémet sot appelés évéemets élémetaires. Etat doé u uivers Ω, l évéemet Ω est l évéemet certai. L esemble vide est l évéemet impossible. L évéemet formé des évetualités qui sot das A et das B est oté A B et se lit A iter B. L évéemet formé des évetualités qui sot das A ou das B est oté A B et se lit A uio B. Etat doé u uivers Ω et u évéemet A, l esemble des évetualités qui e sot pas das A costitue u évéemet appelé évéemet cotraire de A, oté A. A et B sot icompatibles si et seulemet si A B =. Pour décrire mathématiquemet ue expériece aléatoire, o choisit u modèle de cette expériece ; pour cela o détermie l uivers et o associe à chaque évéemet élémetaire u ombre appelé probabilité.

2 b. Probabilités sur u esemble fii Défiitio : Soit Ω = {a, a,, a } u esemble fii. o défiit ue loi de probabilité sur Ω si o choisit des ombres p, p,, p tels que, pour tout i, 0 p i et p + p + + p = ; p i est la probabilité élémetaire de l évéemet {a i } et o ote p i = p({a i }) ou parfois plus simplemet p(a i ). pour tout évéemet E iclus das Ω, o défiit p(e) comme la somme des probabilités des évéemets élémetaires qui défiisset E. Propriétés Parties de E Vocabulaire des évéemets Propriété A A quelcoque 0 p(a) E Evéemet impossible Evéemet certai p( ) = 0 p(e) = A B = A et B sot icompatibles p( A B) = p(a) + p(b) A A est l évéemet cotraire de A p(a ) = p(a) A, B A et B quelcoques p(a B) = p(a) + p(b) p( A B) Exercice : O cosidère l esemble E des etiers de 0 à 40. O choisit l u de ces ombres au hasard. A est l évéemet : «le ombre est multiple de 3» B est l évéemet : «le ombre est multiple de» C est l évéemet : «le ombre est multiple de 6». Calculer p(a), p(b), p(c), p(a B), p(a B), p(a C) et p(a C). Défiitio : O dit qu il y a équiprobabilité quad tous les évéemets élémetaires ot la même probabilité. Calculs das le cas d équiprobabilité Das ue situatio d équiprobabilité, si Ω a élémets et si E est u évéemet composé de m card E évéemets élémetaires : p (E) = où card E et card Ω désiget respectivemet le ombre card Ω d élémets de E et de Ω. O le mémorise souvet e disat que c est le ombre de cas favorables divisé par le ombre de cas possibles. Remarque : Les expressios suivates «dé équilibré ou parfait», «boule tirée de l ure au hasard», «boules idiscerables» idiquet que, pour les expérieces réalisées, le modèle associé est l équiprobabilité.

3 Exercice : avec u dé O lace deux fois de suite u dé équilibré. ) Représeter das u tableau les 36 issues équi probables. ) Calculer la probabilité des évéemets : A : «o obtiet u double» ; B : «o obtiet uméros cosécutifs» C : «o obtiet au mois u 6» ; D : «la somme des uméros dépasse 7». Exercice 3 : avec ue pièce O lace 4 fois de suite ue pièce équilibrée. ) Dresser la liste des issues équiprobables. ) Quel est l évéemet le plus probable : A ou B? A : «piles et faces» B : «3 piles et face ou 3 faces et pile». c. Variables aléatoires Exercice 4 : O lace trois fois de suite ue pièce de moaie équilibrée. O gage pour chaque résultat «pile» et o perd pour chaque résultat «face». ) Quel est l esemble E des issues possibles? ) Soit X l applicatio de E das qui, à chaque issue, associe le gai correspodat. a) Quelles sot les valeurs prises par X? b) Quelle est la probabilité de l évéemet «obteir u gai de 3»? O ote cette probabilité p(x = 3). O obtiet ue ouvelle loi de probabilité sur l esemble des gais E = X(E) = {-3 ;0 ;3 ;6 } ; ous la ommos loi de probabilité de X : Gai x i x = -3 x = 0 x 3 = 3 x 4 = 6 Probabilité 3 3 p i = p(x = x i ) Défiitio : Ue variable aléatoire X est ue applicatio défiie sur u esemble E mui d ue probabilité P, à valeurs das. X pred les valeurs x, x,, x avec les probabilités p, p,, p défiies par : p i = p(x = x i ). L affectatio des p i aux x i permet de défiir ue ouvelle loi de probabilité. Cette loi otée P X, est appelée loi de probabilité de X. Remarque : Soit X ue variable aléatoire preat les valeurs x, x,, x avec les probabilités p, p,, p. O appelle respectivemet espérace mathématique de X, variace de X et écart-type de X, les ombres suivats : 3

4 l espérace mathématique est le ombre E(X) défii par : E(X) = i= la variace est le ombre V défii par : V(X) = p i ( x i E(X) ) = i= i= l écart - type est le ombre σ défii par : σ = V. ( p i x i ). p i x i ² E(X)². Exercice 5 : U joueur lace u dé : si le uméro est u ombre premier, le joueur gage ue somme égale au ombre cosidéré (e euros) ; sio il perd ce même ombre d euros. ) Si X est le gai algébrique réalisé, doer la loi de probabilité de X et calculer so espérace mathématique et so écart-type. ) Le jeu est-il favorable au joueur? II. CONDITIONNEMENT a. Arbres podérés Règles de costructio La somme des probabilités des braches issues d'u même œud est. La probabilité de l'évéemet correspodat à u trajet est le produit des probabilités des différetes braches composat ce trajet. Exemple O jette ue pièce. Si o obtiet pile, o tire ue boule das l ure P coteat boule blache et boules oires. Si o obtiet face, o tire ue boule das l ure F coteat 3 boules blaches et boules oires. O peut représeter cette expériece par l'arbre podéré ci-dessous : /3 B p(p B) = /6 / P /3 N p(p N) = /3 / 3/5 B p(f B) = 3/0 F /5 N p(f N) = /5 b. Probabilité coditioelle Exercice 6 : E fi de e S, chaque élève choisit ue et ue seule spécialité e termiale suivat les répartitios ci dessous : 4

5 Par spécialité : Mathématique Scieces SVT s Physiques 40% 5% 35% Sexe de l élève selo la spécialité : Sexe / Spécialité Mathématiques Scieces physiques SVT Fille 45% 4% 60% Garço 55% 76% 40% O choisit u élève au hasard. ) Costruire l arbre podéré de cette expériece aléatoire. ) a) Quelle est la probabilité de chacu des év éemets suivats? F : «l élève est ue fille», M : «l élève est e spécialité maths». b) Quelle est la probabilité que ce soit ue fille ayat choisi spécialité mathématiques? c) Sachat que cet élève a choisi spécialité mathématiques, quelle est la probabilité que ce soit ue fille? O appelle probabilité de F sachat M cette probabilité (coditioelle) et o la ote p M (F) ou P(F/M) Quelle égalité faisat iterveir p(f M), p(f) et p M (F) peut-o écrire? Comparer p(f) et p M (F) et e doer ue iterprétatio. d) Sachat que cet élève a choisi spécialité SVT, quelle est la probabilité que ce soit ue fille? e) Comparer p S (F) et p(f), et e doer ue iterprétatio. Défiitio : p désige ue probabilité sur u uivers fii Ω. A et B état deux évéemets de Ω, B état de probabilité o ulle. O appelle probabilité coditioelle de l évéemet A sachat que B est réalisé le réel P ( A B) oté p ( A / B) =. p A ( ) Le réel p(a /B) se ote aussi p B (A) et se lit aussi probabilité de A sachat B. Remarque : Si A et B sot tous deux de probabilité o ulle, alors les probabilités coditioelles p(a/b) et p(b/a) sot toutes les deux défiies et o a : p(a B) = p(a/b)p(b) = p(b/a)p(a). Exercice 7 : Efficacité d u test» Ue maladie atteit 3% d ue populatio doée. U test de dépistage doe les résultats suivats : Chez les idividus malades, 95% des tests sot positifs et 5% égatifs. Chez les idividus o malades, % des tests sot positifs et 99% égatifs. O choisit u idividu au hasard. ) Costruire l arbre podéré de cette expériece aléatoire. ) Quelle est la probabilité a) qu il soit malade et qu il ait u test positif? b) qu il e soit pas malade et qu il ait u test égatif? c) qu il ait u test positif? d) qu il ait u test égatif? 3 ) Calculer la probabilité a) qu il e soit pas malade, sachat que le test est positif? b) qu il soit malade, sachat que le test est égatif? 4 ) Iterpréter les résultats obteus aux questio s 3a et 3b. 5

6 III. INDÉPENDANCE a. Évéemets idépedats Défiitio : A et B sot évéemets de probabilité o ulle. A et B sot idépedats lorsque la réalisatio de l u e chage pas la réalisatio de l autre. A et B sot idépedats si et seulemet si p(a/b) = p(a) ou p(b/a) = p(a). Théorème : Deux évéemets A et B de probabilité o ulle sot idépedats si et seulemet si ils vérifiet ue des trois coditios : p(a/b) = p(a) ou p(b/a) = p(b) ou p( A B) = p(a)p(b). Démostratio : Par défiitio, les deux premières sot équivaletes si p(a/b) = p(a) comme p(a B) = p(a/b)p(b) alors p(a B) = p(a) p(b) si p(a B) = p(a)p(b), comme p(b) 0, p ( A B) p( B) = p(a) c est-à-dire p B (A) = p(a) Remarque : Ne pas cofodre évéemets idépedats et évéemets icompatibles. évéemets A et B sot idépedats si p(a B)= p(a)p(b) évéemets A et B sot icompatibles si A B=. Exercice 8 O extrait au hasard u jeto d u sac coteat six jetos : trois rouges umérotés, et 3, deux jaues umérotés et, et u bleu uméroté. O désige respectivemet par R, U et D les évéemets : «le jeto est rouge», «le uméro est» et «le uméro est». Les évéemets R et U sot-ils idépedats? Et les évéemets R et D? b) Idépedace de deux variables aléatoires Défiitio : X et Y sot deux variables défiies sur l uivers Ω d ue expériece aléatoire ; X pred les valeurs x, x,, x et Y pred les valeurs y, y,, y q. Défiir la loi du couple (X, Y) c est doer la probabilité p i,j de chaque évéemet [(X = x i ) et (Y = y j )]. Remarque : Les évéemets (X = x i ) et (Y = y j ) sot idépedats si : p[(x = x i ) et (Y = y j )] = p(x = x i ) p(y = y j ) 6

7 Exercice 9 O tire au hasard ue carte d u jeu de 3 cartes. L esemble Ω des issues est alors l esemble des 3 cartes et le fait de tirer au hasard implique que les évéemets élémetaires sot équiprobables. O défiit sur Ω la variable aléatoire X qui, à chaque issue, associe si cette issue est u valet, si c est ue dame, 3 si c est u roi, 4 si c est u as et 0 si ce est pas l ue de ces figures. Les valeurs de X sot doc x = 0, x =, x 3 =, x 4 = 3, x 5 = 4. O défiit sur Ω la variable aléatoire Y qui, à chaque issue, associe si cette issue est u trèfle ou u carreau, si c est u cœur, 3 si c est u pique. Les valeurs de Y sot y =, y =, y 3 = 3. ) Défiir la loi du couple (X, Y).( o pourra dr esser u tableau à double etrée) ) Doer les lois de X et de Y. 3 ) X et Y sot-elles idépedates? c) Probabilités totales Défiitio : Soiet Ω u uivers associé à ue expériece aléatoire et u etier. Les évéemets A, A,, A formet ue partitio de Ω si les trois coditios suivates sot réalisées : pour tout i { ; ; ; }, A i 0. pour tous i et j (avec i j) de { ; ; }, A i A j. A A A = E. Formule des probabilités totales Soiet A, A,, A ue partitio de l uivers Ω costituée d évéemets de probabilités o ulles et B u évéemet quelcoque coteu das Ω. Alors : p(b) = p(b A ) + p(b A ) + + p(b A ) Ou p(b) = p (B) p(a ) + p (B) p(a ) + Κ Κ + p (B) p(a ). A A A Démostratio : B = (B A ) (B A ) (B A ), Les évéemets (B A ), (B A ),, (B A ) sot à icompatibles doc la probabilité de leur réuio est la somme de chacu d etre eux, o e déduit : p(b) = p(b A ) + p(b A ) + + p(b A ). et e utilisat que, pour tout i de { ; ; ; }, p(b A i )=p Ai (B) p(a i ), o obtiet : p(b)= pa (B) p(a ) + pa (B) p(a ) + Κ Κ + pa (B) p(a ) Exercice 0 : O dispose de deux ures U et U idiscerables. U cotiet 4 boules rouges et trois boules vertes, U cotiet boules rouges et boule verte. O choisit ue ure au hasard et o tire ue boule de cette ure. Calculer la probabilité pour qu elle soit rouge. 7

8 d) Modélisatio d expérieces idépedates O cosidère les deux expérieces aléatoires suivates : A : o lace ue pièce de moaie équilibrée, les issues de l expériece sot otées P et F. B : o tire au hasard u jeto das ue ure qui cotiet trois jetos portat les lettres a, b et c. Lorsqu o effectue successivemet les deux expérieces A et B, l issue de l ue quelcoque des deux expérieces e déped pas de l issue de l autre. Les issues de la ouvelle expériece qui cosiste à effectuer successivemet A et B sot des listes d issues telles que ( P ; c ), L arbre doat toutes les listes de résultats possibles est : P a b (P ; a) (P ; b) c (P ; c) a (F ; a) F b (F ; b) c (F ; c) O modélise cette expériece aléatoire e défiissat la probabilité d ue liste d issues comme le produit des probabilités de chaque issue. IV. DENOMBREMENT U magazie propose à ses lecteurs ue liste de 5 chateurs célèbres a, b, c, d et E ; il leur demade de choisir 3 des ces chateurs et de les rager par ordre de préférece sur u coupo répose à revoyer au joural. Exemples de réposes : : a : b 3 : c : b : a 3 : c : c : e 3 : a O veut déombrer les différetes réposes possibles 8

9 a) Permutatios Défiitio : Soit E u esemble à p élémets, o appelle permutatio de E toute liste ordoée des p élémets de E. Exemple : Les permutatios de { a, b, c } sot : abc, acb, bac, bca, cab, cba. Elles sot au ombre de 3 = 6. Défiitio : Le ombre p (p ) (p ) se ote p! et se lit «factorielle p». Par covetio, 0! =. Exercice : Avec les chiffres 5, 6, 7, 8 et 9 utilisés ue et ue seule fois, combie peut o écrire de ombres à 5 chiffres? b) Combiaisos Défiitio : Soit E u esemble à élémets, o appelle combiaiso de p élémets de E toute partie de E formée de p élémets. Exemple : Les combiaisos de 3 élémets de E = { a, b, c, d, e } sot les groupes de 3 chateurs (sas ordre) : {a, b, c} ; {a, b, d} ; {a, b, e} ; {a, c, d} ; {a, c, e} ; {a, d, e} ; {b, c, d} ; {b, c, e} ; {b, d, e} ; {c, d, e} Elles sot o ombre de 0. O ote 5 3 = 0. Propriété : Soit E u esemble o vide à élémets et p u etier tel que 0 < p, alors le ombre de combiaisos à p élémets de E oté p vérifie : p =! p! ( p)! 9

10 Triagle de Pascal et propriétés des combiaisos p O dispose les das u tableau à double etrée, appelé triagle de Pascal : \ p = 0 = 0 = = = = 5 = = = 3 3 = 4 4 = 5 5 = = = = = = = = = = Propriétés : Pour tous etiers p et tels que 0 p, o a : 0 = et = p = -p p + p+ = + p+ Biôme de Newto O observe que : (a + b) = a + b, (a + b)² = a² + ab + b², (a + b) 3 = a 3 + 3a²b + 3ab² + b 3. O retrouve les coefficiets du triagle de Pascal. Propriété : Pour tous réels a et b et tout etier aturel, o a : (a + b) =. p a p b p p=0 Les ombres p sot appelés «coefficiets du biôme». Exercice : Développer les expressios suivates : A =(x + ) 4 B = (x ) 4 0

11 Exercice 3 : Das u jeu de 3 cartes, o tire simultaémet 3 cartes au hasard. Quelle est la probabilité d obteir : ) Trois as. ) Trois cartes de même valeur. 3 ) Deux cœurs et u pique. Exercice 4 : Ue ure cotiet : 5 boules 0 ; 4 boules 5 ; 3 boules 0. O tire simultaémet 3 boules de cette ure. Les tirages sot équiprobables. ) Détermier les probabilités suivates : A : «O tire au mois ue boule 5» B : «O tire trois boules portat trois uméros différets» C : «O tire trois boules portat le même uméro» D : «Parmi les trois boules, deux portet le même uméro» ) Il faut payer 5 pour effectuer u tirage d e trois boules, et chaque tirage rapporte e euros la somme des poits marqués. Quelle est la probabilité d être gagat?. c) Autres déombremets, hors programme P-listes : Il s'agit de compter toutes les listes possibles de p élémets parmi e teat compte de l'ordre et avec répétitios des élémets. Le ombre de ces listes est p. Arragemets : O choisit p élémets parmi e teat compte de l'ordre mais sas! répétitios. A p = ( ) Κ ( p + ) =! ( p)! Combiaisos : Ue combiaiso de p élémets de E est ue partie de E qui cotiet p élémets. O choisit p élémets parmi mais sas teir compte de l'ordre et sas répétitios. Types de tirages Ordre Répétitios d'élémets Déombremet Successifs Avec remise O tiet compte U élémet peut être tiré plusieurs fois p p-listes Successifs Avec remise de l'ordre U élémet 'est tiré p A arragemets Simultaés L'ordre 'iterviet pas qu'ue seule fois p C combiatoires

12 V. LOIS DE PROBABILITE a) Loi de Beroulli Défiitio : Ue alterative est ue épreuve à deux issues possibles : le succès, oté, de probabilité p, l échec, oté 0, de probabilité q = p. Sa loi de probabilité est appelée loi de Beroulli de paramètre p. Exemple : U dé cubique est mal équilibré : la probabilité d obteir 6 est de /7. O appelle succès l évéemet «obteir 6» et échec «obteir u uméro différet de 6». Cette expériece qui e comporte que deux issues suit ue loi de Beroulli. Si O effectue ciq fois cette expériece. O est e présece d u schéma de Beroulli. Théorème : Pour ue loi de Beroulli de paramètre p, l espérace est p et l écart type est pq b) Loi Biomiale Défiitio : Soit u schéma de Beroulli costitué d ue suite de épreuves. Soit X la variable aléatoire égale au ombre de succès obteus, alors : P(X = k) = k pk ( p) k (0 k ) Exemple : Das l exemple précédet, o appelle X la variable aléatoire comptat le ombre de succès à l issue des 5 lacés. O obtiet les probabilités suivates : P 0 = P(X = 0) = = 0,467. P =0,3856 ; P = 0,85 ; P 3 = 0,04 ; P 4 = 0,008 ; P 5 = 0,000. Théorème : Pour ue loi Biomiale de paramètres et p, l espérace est p et l écart type est pq Exercice 5 : U sac cotiet 0 jetos idiscerables au toucher. Six d etre eux sot rouges et les autres sot bleus. ) O tire u jeto au hasard. Quelle est la prob abilités p d obteir u jeto rouge? ) O tire successivemet 6 jetos u à u, avec remise. a) Quelle est la probabilité P d obteir exactemet trois jetos rouges? b) Quelle est la probabilité P d obteir exactemet u jeto rouge ou u jeto bleu? c) Quelle est la probabilité P3 d obteir au mois quatre jetos rouges?

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

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 détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. 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 détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Indépendance 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 détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Probabilités (méthodes et objectifs)

Probabilités (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 détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12 Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Calculs de probabilités conditionelles

Calculs 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 détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution 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 détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

CALCUL DES PROBABILITES

CALCUL 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 détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA 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 détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités 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 détail

Probabilités Loi binomiale Exercices corrigés

Probabilités 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 détail

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &

Plus en détail

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,

Plus en détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

Neolane Message Center. Neolane v6.0

Neolane Message Center. Neolane v6.0 Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace

Plus en détail

Probabilités conditionnelles Loi binomiale

Probabilités 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 détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

Plus en détail

P1 : Corrigés des exercices

P1 : 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 détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :... Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue

Plus en détail

Calculs de probabilités

Calculs 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 détail

Télé OPTIK. Plus spectaculaire que jamais.

Télé OPTIK. Plus spectaculaire que jamais. Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices 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 détail

Petit recueil d'énigmes

Petit recueil d'énigmes Petit recueil d'éigmes Patxi RITTER (*) facile (**) mois facile (***) pas facile (****) il faudra de l aide Solutios e rouge. 1) Cryptarithme (**) Trouvez la valeur de A, B et C satisfaisat l équatio suivate.

Plus en détail

Probabilités. C. Charignon. I Cours 3

Probabilités. 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 détail