Que faire lorsqu on considère plusieurs variables en même temps?
|
|
- Gustave Fortin
- il y a 8 ans
- Total affichages :
Transcription
1 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 à l étude de n variables aléatoires, n 2. On considère deux variables aléatoires X et Y. On aimerait savoir s il existe un lien entre les deux variables et le quantifier. Exemple 0.1 On peut se demander s il y a influence de la pollution par CO2 sur l évolution des cancers. La variable X modélisera alors le taux de CO2 et la variable Y le nombre de cancer. 1 Cas de variables indépendantes On dit de deux variables qu elles sont indépendantes si la connaissance de l une ne donne aucune information sur la connaissance de l autre. C est le cas le plus simple à étudier. Lorsque cela est possible, on essaye au maximum de travailler avec des variables indépendantes. Définition 1.1 Deux variables aléatoires X et Y sont indépendantes si pour tous intervalles A et B de R on a IP(X A, Y B) = IP(X A)IP(Y B). Proposition 1.2 Deux v.a. X et Y sont indépendantes dans le cas discret pour tous x, y, IP(X = x, Y = y) = IP(X = x)ip(y = y), dans le cas continu, notons f X la densité de X et f Y la densité de Y, on a pour tout intervalles A, B de R IP(X A, Y B) = f X (x)dx f Y (y)dy. A B la transformée de Laplace du couple vérifie pour tout (u, v), L (X,Y ) (u, v) = L X (u)l Y (v) où L (X,Y ) (u, v) = E[e ux+vy ]. 33
2 34 CHAPITRE 3. COUPLE DE VARIABLES pour toutes fonctions h, g : R R E[h(X)g(Y )] = E[h(X)]E[g(Y )]. Définition 1.3 Les variables aléatoires X 1,..., X n sont indépendantes si pour tout intervalles A 1,..., A n de R on a IP(X 1 A 1,..., X n A n ) = n IP(X i A i ). Une suite de variables (X n ) n indépendantes est une suite telle que pour toute sous partie finie I N, les variables (X i ) i I sont indépendantes. Remarque 1.4 Si les v.a. X 1,..., X n sont indépendantes, alors elles sont indépendantes deux à deux. Attention La réciproque est fausse! Par exemple, soient X et Y deux variables indépendantes de même loi : IP(X = 1) = IP(X = 1) = 1/2. On considère Z = XY. Les variables sont deux à deux indépendantes, mais pas mutuellement indépendantes. Dans la nature les objets, les événements, les comportements sont rarement indépendants les uns des autres. Modéliser la chaîne de nucléotides dans un brin d ADN par des variables indépendantes à valeurs dans {a, c, g, t} est trop simpliste et loin de la réalité car on sait qu il y a des zones codantes et d autres non. Exemple 1.5 Considérons les enfants de parents hétérozygotes de génétopye Aa. La distribution des enfants est i=1 IP(AA) = 1/4 IP(Aa) = 1/2 IP(aa) = 1/4. On choisit de façon aléatoire 240 de ces enfants. On définit N 1, N 2, N 3 le nombre d enfants de génotype AA,Aa et aa respectivement. 1. Les variables N 1, N 2 et N 3 suivent respectivement des lois Binomiales B(240, 1/4), B(240, 1/2) et B(240, 1/4). 2. Ces variables ne sont pas indépendantes, car N 1 + N 2 + N 3 = 240 (si on connait les valeurs de N 1 et N 2, on en déduit facilement la valeur de N 3 ). 3. Soit k 1, k 2, k 3 N. Si k 1 + k 2 + k 3 240, on a Si k 1 + k 2 + k 3 = 240, on a On remarque que IP(N 1 = k 1, N 2 = k 2, N 3 = k 3 ) = 0. IP(N 1 = k 1, N 2 = k 2, N 3 = k 3 ) = 240! 1 k1 ( 1 k2 ( 1 ) k3. k 1!k 2!k 3!( 4) 2) 4 IP(N 1 = k 1, N 2 = k 2, N 3 = k 3 ) IP(N 1 = k 1 )IP(N 2 = k 2 )IP(N 3 = k 3 ). Les variables ne sont effectivement pas indépendantes. On dit que le triplet (N 1, N 2, N 3 ) suit la loi multinomiale M(240, (1/4, 1/2, 1/4)).
3 2. QUE FAIRE S IL EXISTE UN LIEN ENTRE LES VARIABLES? 35 Définition 1.6 On effectue un sondage avec remise (ou sur une population suffisament grande) avec d réponses possibles sur une sous-population de taille n. On note p 1 la proportion dans la population totale d individu correspondant à la première réponse, p 2 la proportion dans la population totale d individu correspondant à la deuxième réponse,..., p d la proportion dans la population totale d individu correspondant à la dernière réponse. On définit N 1 le nombre d individus ayant choisi la première réponse, N 2 ceux qui ont choisi la seconde,..., N d ceux qui ont choisi la dernière réponse. Alors la loi de (N 1, N 2,..., N d ) est appelée loi multinomiale M d (n, p), avec n N, n 1, p i ]0, 1[ tels que p 1 + p p d = 1. n! d P (N 1 = k 1, N 2 = k 2,..., N d = k d ) = k 1!k 2!...k d! pk 1 1 pk pk d d avec k i = n C est une généralisation de la loi Binomiale. Pour d = 2, on retrouve la loi Binomiale. i=i 2 Que faire s il existe un lien entre les variables? Comme on a définit la loi d une variable aléatoire, on va définir la loi d un couple de variables. 2.1 Cas des variables discrètes Propriétés 2.1 Soient X et Y deux variables discrètes. La loi du couple (X, Y ) est définie par l ensemble des probabilités : IP(X = x, Y = y) pour toutes valeurs possibles x et y. Remarque 2.2 Notons D X et D Y l ensemble des valeurs possibles de X et de Y respectivement. On peut retrouver les lois de chacune des variables à partir la loi de couple. Soit x D X, on a IP(X = x) = IP(X = x et Y D Y ) = y D Y IP(X = x, Y = y) De même, pour y D Y, on a IP(Y = y) = x D X IP(X = x, Y = y). À partir de la loi du couple, on retrouve facilement la loi de chacune des variables. Par contre, des lois de chacune des variables on ne peut pas déduire la loi du couple, car elles ne rendent pas compte des connections, des liens qui existent entre les variables. Dans le cas où les variables sont discrètes et prennent un petit nombre de valeurs, on écrit en général la loi du couple sous la forme d un tableau : Y \X... Somme des colonnes. IP(X = x, Y = y) IP(Y = y) Somme des lignes IP(X = x)
4 36 CHAPITRE 3. COUPLE DE VARIABLES Exemple On lance une pièce truquée 3 fois. La probabilité de tomber sur "Pile" est 2/3. Soit X le nombre de "Face" obtenu dans les deux premiers jets et Y le nombre de "Face" obtenu dans les deux derniers jets. La loi de (X, Y ) est donnée par y\x IP(Y = y) ( 0 2 ) 3 ( 3 = ) = /9 ( ) 2 ( 3 3 = ) 2 ( ) = 6 ( 1 ) = /9 ( ) = 2 ( 1 ) = /9 IP(X = x) 4/9 4/9 1/9 2. L université de Rennes 1 veut évaluer l effet de l offre MIPE sur le campus et voir quel système d exploitation est apprécié des étudiants. Les proportions collectées sont résumées dans un tableau : Système d exploitation Filière Windows Mac OS Linux Biologie Droit/Économie Informatique Mathématiques On déduit de ce tableau les proportions d élèves qui ont profité de l offre MIPE en fonction des filières, ainsi que la répartition des systèmes d exploitation sur le campus. Exercice 2.4 On effectue une suite infinie de lancers indépendants d un dé équilibré. On note les lancers à partir de 1. On définit les deux variables aléatoires : X est égale au numéro du lancer qui donne le premier 6, Y est égale au nombre de 5 obtenus avant le premier 6. Déterminer la loi du couple (X, Y ). Corrigé : Le couple est à valeurs dans N N avec Y < X. Par conséquent si k n, IP(X = n, Y = k) = 0 et si k < n, IP(X = n, Y = k) = IP( k fois 5 et pas de 6 sur les n 1 premiers lancers et un 6 au n ème lancer. )! «k «n 1 k n = k Cas des variables à densité Définition 2.5 La loi du couple de v.a. (X, Y ) est dite à densité s il existe une fonction f (X,Y ) de deux variables telle que le fonction de répartition du couple vérifie pour tout (u, v) R 2 u v IP(X u, Y v) = f (X,Y ) (x, y)dxdy satisfaisant les conditions suivantes : 1. f (X,Y ) (x, y) 0 pour tout (x, y) R 2,
5 2. QUE FAIRE S IL EXISTE UN LIEN ENTRE LES VARIABLES? f (X,Y ) (x, y)dxdy = 1. On peut facilement retrouver la densité à partir de la fonction de répartition. En dérivant une fois par rapport à chacune des variables la fonction de répartition, on obtient f (X,Y ) (u, v) = 2 u v F (X,Y )(u, v). Proposition 2.6 Si le couple (X, Y ) admet une densité. Alors, pour tout A R R IP((X, Y ) A) = f (X,Y ) (x, y)dxdy. Par conséquent, X et Y sont indépendantes si et seulement si pour tous x, y A f (X,Y ) (x, y) = f X (x)f Y (y). Remarque 2.7 De même que pour les variables discrètes, on peut retrouver facilement les lois de chacune des variables. Soit u R, on a La densité de X est f X (x) = F X (u) = IP(X u) = IP((X, Y ) ], u] ], + [) u ( + ) = f (X,Y ) (x, y)dy dx. + f (X,Y ) (x, y)dy. De même, la densité de Y est f Y (y) = + f (X,Y ) (x, y)dx. Exemple Considérons le couple (X, Y ) de densité f (X,Y ) (x, y) = 3/8(x 2 +xy/2)i [0,1] [0,2] (x, y). Cette fonction est bien une densité de probabilité. On en déduit la densité de X : f X (x) = + f (X,Y ) (x, y)dy = 2 = 3 x(x + 2) si x [0, 1] 4 On peut calculer par exemple IP(X > Y ) : IP(X > Y ) = = ( x 2x 3 dx = Considérons le couple (X, Y ) de densité ) f (X,Y ) (x, y)dy dx = (x2 + xy 2 )dy 1 0 ( x f (X,Y ) (x, y) = c(y 2 x 2 )e y si y < x < y, y > (x2 + xy ) 2 )dy dx Cette fonction est bien une densité de probabilité lorsque c = 1/8. Les densités de X et Y sont : f X (x) = 1 4 ( x + 1)e x pour x R et f Y (y) = 1 6 y3 e y pour y > 0
6 38 CHAPITRE 3. COUPLE DE VARIABLES 3 Évaluer la dépendance entre deux variables On va introduire une nouvelle quantité, la corrélation, qui permet d estimer la dépendance entre deux variables aléatoires. Définition 3.1 La covariance de deux v.a. X et Y est La corrélation est alors définie par Cov(X, Y ) = E(XY ) E(X)E(Y ). ρ(x, Y ) = Cov(X, Y ) V ar(x)v ar(y ). L espérance E[XY ] est calculée à partir de la loi jointe de (X, Y ) : 1. dans le cas discret, lorsque la somme a un sens, E[XY ] = x,y xyip(x = x, Y = y) 2. dans le cas continu, lorsque l intégrale a un sens, E[XY ] = + + xyf (X,Y ) (x, y)dxdy. Remarque 3.2 Soient X et Y deux v.a. Alors V ar(x + Y ) = V ar(x) + V ar(y ) + 2Cov(X, Y ). Preuve. En développant le carré, on obtient le résultat : V ar(x + Y ) = E[(X + Y E[X + Y ]) 2 ] = E[(X E[X] + Y E[Y ]) 2 ] = E[(X E[X]) 2 ] + E[(Y E[Y ]) 2 ] + 2E[(X E[X])(Y E[Y ])] = V ar(x) + V ar(y ) + 2E[XY ] 2E[X]E[Y ] = V ar(x) + V ar(y ) + 2Cov(X, Y ). Propriétés 3.3 Si X et Y sont indépendantes, alors E[XY ] = E[X]E[Y ]. Par conséquent, si X et Y sont indépendantes on a Cov(X, Y ) = 0 et V ar(x + Y ) = V ar(x) + V ar(y ). Attention La réciproque est fausse! Cov(X, Y ) = 0 ne veut rien dire sur les variables. Par contre, Cov(X, Y ) 0 implique que les variables sont dépendants. Proposition Contrairement à la covariance, la corrélation ne dépend pas de l unité de mesure des variables. Par exemple que des vitesses soient mesurées en m/s ou en km/h ne changera pas la valeur de la corrélation. 2. Le coefficient de corrélation est compris entre 1 et 1. Plus ρ(x, Y ) est proche de 1, plus les variables sont dites dépendantes.
7 4. LOI CONDITIONNELLE POUR DES VARIABLES DISCRÈTES Lorsque ρ(x, Y ) = 1, alors il existe a, b R tels que ax + by = 0, les variables sont entièrement liées (il suffit de connaitre la valeur d une des variables pour connaitre la valeur de l autre). Exemple 3.5 Une étude médicale sur l effet du tabac est menée dans un hopital. Les 2278 patients sont divisés en deux groupes : ceux atteints d un cancer pulmonaire (X = 1) et les autres (X = 0). Les membres de chaque groupe sont ensuite répartis selon le nombre Y de paquets de cigarettes fumés par jour. Cancer Nombre de paquets de cigarettes Total pulmonaire Total On souhaite étudier l association entre cancer pulmonaire et la consommation de cigarette en calculant la covariance. La proportion de personnes atteintes d un cancer pulmonaire est 6.72%, le nombre moyen de paquets de cigarettes consommés est 0.65, on obtient Cov(X, Y ) = = 0.02 La covariance est positive, le résultat indique qu il y a un lien positif entre la déclaration du cancer et la consommation de cigarettes (plus on consomme des cigarettes, plus le risque de cancer est grand!). 4 Loi conditionnelle pour des variables discrètes Lorsque les variables sont dépendantes, avoir une information sur une des variables a une influence sur la loi de l autre. On définit alors la notion de loi conditionnelle. On se limite ici aux variables discrètes, mais une telle notion peut être étendue aux variables à densité. Définition 4.1 On considère deux variables aléatoires X et Y discrètes. Soit y une valeur de Y possible. La loi conditionnelle de X sachant que Y = y est donnée par l ensemble des valeurs IP Y =y (X = x) = IP(X = x, Y = y) IP(Y = y) pour tout x. Exercice 4.2 Loi de Poisson et loi Binomiale 1. Soient X et Y deux variables indépendantes, de loi de Poisson de paramètre respectif λ et µ. Déterminer la loi conditionnelle de X sachant {X + Y = n}. 2. Si X 1,..., X r sont indépendantes de lois de Poisson de paramètres respectifs λ 1,..., λ r, quelle est la loi conditionnelle de (X 1,..., X r ) sachant {X X r = n}? Corrigé :
8 40 CHAPITRE 3. COUPLE DE VARIABLES 1. On montre en utilisant les fonctions génératrices que X + Y P[λ + µ). Soit k N, si k > n IP X+Y =n(x = k) = 0 et si k n IP X+Y =n(x = k) = = IP(X = k, Y = n k) IP(X + Y = n)! «k n λ µ k λ + µ λ + µ Indép. = «n k. IP(X = k)ip(y = n k) IP(X + Y = n) On retrouve la loi B(n, λ λ+µ ). λ 2. On obtient une loi multinomiale M(n, p) avec p = ( λ 1 + +λ r,..., r λ 1 + +λ r ). λ 1
9 5. EXERCICES SUR LE CHAPITRE Exercices sur le chapitre 3 Exercice On jette simultanément deux dés. On note X le nombre de chiffres pairs apparus et Y le maximum des deux chiffres obtenus. Chercher la loi du couple (X, Y ). X et Y sont-elles indépendantes? Exercice La loi d un couple de variables aléatoires est donnée par le tableau suivant : X\Y Déterminer la loi de X, puis celle de Y /6 1/12 1/ /12 1/24 1/ /4 1/8 1/ Calculer E[X], E[Y ], E[XY ] et Cov(X, Y ). Les variables X et Y sont-elles indépendantes? 3. On pose U = X et Z = X + Y. Donner le tableau de la loi du couple (U, Z). Les variables U et Z sont-elles indépendantes? Exercice À la recherche de l ancêtre commun On considère une population cellulaire de taille constante N. La population est isolée (pas de migration), il n y a pas de sélection, les générations ne se chevauchent pas et la reproduction se fait de façon indépendante entre les cellules. Chaque cellule n a qu un seul parent. On étudie l évolution de la population. On choisit quatres cellules au hasard et on note X le nombre de générations écoulées depuis le premier ancêtre commun entre les deux premières et Y le nombre de générations écoulées depuis le permier ancêtre commun entre les deux dernières cellules. On cherche le nombre de générations écoulées U depuis le plus jeune ancêtre de chacun des couples et le nombre de générations écoulées V depuis le plus vieux des deux ancêtres de chacun des couples. 1. Expliquer pourquoi on peut modéliser les lois de X et de Y par des lois géométriques G(p) et exprimer p en fonction de la taille de la population. 2. Exprimer U et V en fonction de X et Y. 3. Déterminer la loi du couple (U, V ). 4. En déduire les lois de U et V. Vérifiez que V suit une loi géométrique de paramètre q = 2p p On rappelle que l espérance d une loi géométrique G(p) est 1/p. Exprimer l espérance de V en fonction de N. Puis sans calcul, en déduire l espérance de U. Exercice Les amoureux du banc public Deux personnes se donnent rendez-vous. L heure d arrivée de chacune de ces deux personnes sur les lieux est une variable uniforme entre midi et une heure. Les personnes n ayant pas de téléphone portable, on suppose ces deux variables indépendantes. Quelle est la probabilité qu ils arrivent au même instant? Quelle est la probabilité que le premier arrivé doive attendre plus de 10 minutes? Si les deux personnes se donnent un rendez-vous plus précis, à midi exactement par exemple. La loi uniforme est-elle adaptée au problème? Quelle autre type de loi peut-on utiliser?
10 42 CHAPITRE 3. COUPLE DE VARIABLES Exercice Soient X et Y deux variables aléatoires indépendantes et de même loi : P (X = k) = 2 k pour k N. Calculer les quantités suivantes : P (X = Y ), P (X < Y ), P (min{x, Y } n), P (X divise Y ). Exercice À la pêche aux Homards Il n existe aucune méthode pour déterminer l âge exact d un homard. Le homard ne montre aucun signe mesurable de vieillissement : aucune perte d appétit, aucun changement dans le métabolisme, aucune perte de besoin reproducteur ou de capacité, aucun déclin dans la force ou la santé. Les homards, quand ils meurent, semblent mourir des causes externes. Ils sont pêchés par les humains, mangés par les sceaux, gaspillés par les parasites, mais ils ne semblent pas mourir de l intérieur. Un pêcheur de Cancale se spécialise dans la pêche au homard. Le pêcheur veut estimer le temps qu il dispose pour vendre ses homards. 1. Quelle loi usuelle peut-on utiliser pour modéliser la durée de vie T d un homard? Notons λ le paramètre de la loi de T. Exprimer en fonction de λ la durée de vie moyenne d un homard ainsi que l écart type associé. 2. On considère n homards choisis de façon indépendantes. On note T 1,..., T n leurs durées de vie respectives. On note U = min(t 1,..., T n ) le premier instant où au moins un des homards décède et V = max(t 1,..., T n ) le premier instant où tous les homards cessent de vivre. Exprimer les lois de U et de V. Reconnaitre la loi de U. Exercice On considère une variable aléatoire équidistribuée X telle que IP(X = 1) = IP(X = 0) = IP(X = 1) = 1/3. On pose Y = X 2. Montrer que Cov(X, Y ) = 0, mais que X et Y ne sont pas indépendantes. Exercice Recherche de cellules malignes On fait deux biopsies à un patient. Dans la première n cellules sont étudiées et on désigne par X le nombre de cellules malignes. Dans la seconde m cellules sont étudiées et on note Y le nombre de cellules malignes. La probabilité qu une cellule soit maligne est notée p. 1. Par quelle loi peut-on modéliser les variables X et Y? 2. Que représente X + Y? Déterminer la loi de X + Y. 3. Le laborantin a mélangé par inadvertance les deux éprouvettes. Quelle est alors la loi conditionnelle de X sachant {X + Y = k}? Exercice L oeuf ou la poule? On considère deux espèces de poules : les poules bressanes et les poules de Janzé. On supppose qu une poule pond des oeufs selon une loi de Poisson de paramètre λ pour les bressanes et µ pour celles de Janzé. On note X le nombre d oeufs pondu par jour par une poule bressane choisie au hasard et Y le nombre d oeufs par jour d une poule de Janzé choisie aussi au hasard.
11 5. EXERCICES SUR LE CHAPITRE En utilisant la fonction génératrice, trouver la loi du nombre d oeufs total pondu par jour par les deux poules? 2. Sachant qu au total elles ont pondu n oeufs, quelle est la loi du nombre d oeufs pondu par la poule bressane? Exercice Mutation dans un brin d ADN L ADN est soumis à des mutations endogènes et exogènes. Pour survivre, les cellules disposent d un mécanisme de réparation, mais parfois la mutation se fixe et se transmet aux cellules filles. On suppose que le nombre de mutation M subi par l ADN suit une loi de Poisson de paramètre λ et on note p la probabilité qu une mutation soit fixée. 1. Quelle est la loi du nombre de mutation fixée F sachant que M = k? 2. Déterminer la loi du couple (M, F ). 3. Déterminer la loi de F, son espérance et sa variance. 4. Quelle est la loi de M sachant que F = n?
12 44 CHAPITRE 3. COUPLE DE VARIABLES
Variables 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 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 détailQu 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 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 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 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 détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en 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 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 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 détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en 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 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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en 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 détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en 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 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 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 détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en 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 détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
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 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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en 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 détailUE Ma401. 1.1 probabilité conditionnelle, indépendance, dénombrement
UE Ma401 1 EXERCICES 1.1 probabilité conditionnelle, indépendance, dénombrement Exercice 1 La probabilité pour une population d être atteinte d une maladie A est p donné; dans cette même population, un
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 détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
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 détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
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 détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en 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 détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
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 détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
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 détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
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 détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en 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 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 détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailProbabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.
Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110
Plus en détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailGuidance de Statistique : Epreuve de préparation à l examen
Guidance de Statistique : Epreuve de préparation à l examen Durée totale : 90 min (1h30) 5 questions de pratique (12 pts) 20 décembre 2011 Matériel Feuilles de papier De quoi écrire Calculatrice Latte
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailCHAPITRE 3 LA SYNTHESE DES PROTEINES
CHAITRE 3 LA SYNTHESE DES ROTEINES On sait qu un gène détient dans sa séquence nucléotidique, l information permettant la synthèse d un polypeptide. Ce dernier caractérisé par sa séquence d acides aminés
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
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 détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
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 détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailExemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.
Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détail3 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 détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailMathématiques financières
Mathématique financière à court terme I) Les Intérêts : Intérêts simples Mathématiques financières - Intérêts terme échu et terme à échoir - Taux terme échu i u équivalent à un taux terme à échoir i r
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 détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en 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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détail