Theme 4 - Lois usuelles discrètes
|
|
- Nadine Catherine Charles
- il y a 8 ans
- Total affichages :
Transcription
1 L2 AES TD de statistique 2008/2009 Cours de Mme Mériot M.-A. Jambu & S.Turolla Theme 4 - Lois usuelles discrètes Exercice 1 (Loi binomiale) A et B sont deux avions ayant respectivement 4 et 2 moteurs. Les moteurs sont supposés indépendants les uns des autres, et ils ont une probabilité p de tomber en panne. Chaque avion arrive à destination si moins de la moitié de ses moteurs tombe en panne. Quel avion choisissez-vous? (on discutera en fonction de p). Loi binomiale : Si on effectue n épreuves successives indépendantes où on note à chque fois la réalisation ou non d un certain événement A, on obtient une suite de la forme AAAA... AAA. A cet événement élémentaire w on associe le nombre X (w) de ralisations de A. On définit ainsi une v.a. X qui suit une loi binomiale de paramètres n et p = P (A)., caractérisée par X (Ω) = {0, 1,..., n} et pour k X (Ω) : P (X = k) = Cnp k k (1 p) n k E (X) = np et V (X) = npq On définit par X la variable aléatoire associée au nombre de moteurs qui tombent en panne pour l avion A et par Y la variabe aléatoire associée au nombre de moteurs qui tombent en panne pour l avion B. D après l énoncé, X (Ω) = {0, 1, 2, 3, 4} et Y (Ω) = {0, 1, 2}. Ainsi l événement l avion A arrive à destination est réalisé si [(X = 0) (X = 1)] et l événement l avion B arrive à destination est réalisé si [(Y = 0)]. D après l énoncé, on en déduit que X suit une loi binomiale de paramètres X B (4, p) et Y suit une loi binomiale de paramètres Y B (2, p). Ainsi, P (X = 0) = C 0 4p 0 (1 p) 4 = (1 p) 4 et P (X = 1) = C 1 4p 1 (1 p) 3 = 4p (1 p) 3 De plus P (Y = 0) = C 0 2p 0 (1 p) 2 = (1 p) 2 De ce fait, nous choisirons de voyager dans l avion A si P (X = 0) + P (X = 1) > P (Y = 0), ou 1
2 inversement. D après les calculs précédents, nous en déduisons (1 p) 4 + 4p (1 p) 4 > (1 p) 2 (1 p) 4 + 4p (1 p) 4 (1 p) 2 > 0 p (1 p) 2 (2 3p) > 0 avec (A B) 4 = ( A 4 + B 4 4A 3 B + 6A 2 B 2 4AB 3). Par conséquent, si 0 < p < 2/3 on choisira l avion A, si p = 2/3 ou p = 0 ou p = 1 on est indifférent entre les deux avions et si 2/3 < p < 1 on choisira l avion B. Exercice 2 (Loi binomiale) Un concessionnaire de voitures vend le même jour 7 véhicules identiques à des particuliers. Sachant que la probabilité pour que ce type de voiture soit en état de rouler deux ans après est de 0.9, calculez la probabilité : 1. Que les 7 voitures soient en service deux ans plus tard; On dénome par X la variable aléatoire associée au nombre de voitures en état de rouler deux ans après leur achat. D après l énoncé, X (Ω) = {0, 1, 2, 3, 4, 5, 6, 7} et cette variable aléatoire suit une loi binomiale de paramètres X B (7, 0.9). Ainsi, la probabilité que 7 voitures soient en service deux ans plus tard est P (X = 7) = C (1 0.9) 0 = Que les 7 voitures soient hors de service deux ans plus tard; La probabilité que 7 voitures soient hors service deux ans plus tard est P (X = 0) = C (1 0.9) 7 = Que 4 voitures soient hors de service; La probabilité que 4 voitures soient hors service deux ans plus tard est P (X = 3) = C (1 0.9) 4 = Que 3 voitures au plus soient hors de service. 2
3 La probabilité que 3 voitures au plus soient hors service deux ans plus tard est P (X 4) = P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7). Il nous faut donc calculer P (X = 4) = C (1 0.9) 3 = et P (X = 5) = C (1 0.9) 2 = et P (X = 6) = C (1 0.9) 1 = Ainsi, la probabilité de cet événement est P (X 4) = P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7) = = Exercice 3 (Loi hypergéométrique) Une urne est constituée de 10 boules blanches et 8 boules noires. On tire au hasard, et sans remise, 5 boules dans l urne. Soit la variable aléatoire X = { nombres de boules noires }. 1. Quelle est la loi de probabilité de X? Loi hypergéométrique : On effectue n tirages sans remise dans une urne contenant N objets dont N A objets A. On note X (w) le nombre d objets A tirés à l issue de l événement élémentaire w. Dans le schéma hypergéométrique ici, ces n tirages sans remise sont équivalents à un seul tirage de n objets et il y a donc équiprobabilité de chacun des C n N échantillons possibles. POur calculer la probabilité d obtenir k objets A il faut donc dénombrer tous les échantillons qui contiennent exactement k des N A objets A, il y en a CN k A chacun d eux contenant simultanément n k objets A, il y en a C n k N N A. Ainsi, pour tout entier k tel que 0 k n : P (X = k) = Ck N A C n k N N A CN n E (X) = np et V (X) npq Dans cette expérience, la variable aléatoire X suit une loi hypergéométrique. 3
4 Par conséquent, la probabilité que k boules noires soient tirées s écrit : La loi de probabilité de X s écrit alors P (X = x i ) = Cx 8 C5 x 18 8 C 5 18 x i P (X = x i ) Calculer son espérance et sa variance. L espérance de la variable aléatoire s écrit E (X) = E ( i=8 ) i=8 x i = E (x i ) i=1 i=1 = = 2.22 La variance de la variable aléatoire s écrit Exercice 4 (Loi de Poisson) V (X) = V ( i=8 ) i=8 x i = V (x i ) i=1 i=1 = = 1.23 Le nombre de micro-ordinateurs vendus chaque jour dans le magasin X suit une loi de Poisson de paramètre (λ = 5). 1. Calculer la probabilité que dans une journée : (a) On ne vend aucun micro-ordinateur; Loi de Poisson : Une v.a. X suit une loi de Poisson de paramètre λ > 0 si c ets une variable à valeurs entières, X (Ω) = N, donc avec une infinité de valeurs possibles, de probabilité λ λk P (X = k) = e k! k N E (X) = V (X) = λ On définit par X la variable aléatoire associée au nombre de micro-ordinateurs vendus chaque jour dans le magasin. La probabilité associée à la vente d aucun micro-ordinateur 4
5 se détermine par : (b) On vend 5 micro-ordinateurs; λ λk P (X = k) = e k! 5 50 P (X = 0) = e 0! = La probabilité associée à la vente de 5 micro-ordinateurs se détermine par : (c) On vend au moins 2 micro-ordinateurs; 5 55 P (X = 5) = e 5! = La probabilité associée à la vente d au moins 2micro-ordinateurs se détermine par : P (X 2) = 1 P (X < 2) = 1 [P (X = 0) + P (X = 1)] ] = 1 [ e = ! (d) Le nombre de micro-ordinateurs vendus soit compris dans [2, 6]. La probabilité associée à la vente d un nombre de micro-ordinateurs compris entre 2 et 6 se détermine par : P (2 X 6) = P (X 6) P (X < 2) [ ] = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) + P (X = 4) +P (X = 5) + P (X = 6) P (X < 2) = [ ] e ! 1! 2! 3! 4! ( ) 5! +e ! ! = [ ] = Déterminer l espérance et la variance de la variable aléatoire associée au nombre de micro-ordinateurs vendus chaque jour dans le magasin. La variable aléatoire X suivant une loi de Poisson, on sait par définition que E (X) = V (X) = λ = 5 5
6 Exercice 5 (Binomiale qui tend vers une Poisson) Lors d un sondage portant sur un grand nombre d individus, 2% des personnes interrogées acceptent de ne pas rester anonymes. Sachant que l un des sondeurs a interrogé 250 personnes, calculez la probabilité que : 1. Ces 250 personnes souhaitent rester anonymes; On définit par X la variable aléatoire associée au nombre de personnes désireuses de ne pas rester anonymes. Cette variable aléatoire suit donc une loi binomiale de paramètres X B (250, 0.02). Néanmoins, on sait que lorsque n > 50 et p < 0.1, alors la loi binomiale converge vers une loi de Poisson. Ainsi, la probabilité que les 250 personnes souhaitent rester anonymes se détermine de la facon suivante : P (X = 0) = C (1 0.02) 250 = ou 5 50 P (X = 0) = e 0! = personnes acceptent de ne pas rester anonymes; La probabilité que 3 personnes acceptent de ne pas rester anonymes se détermine de la facon suivante : P (X = 3) = C (1 0.02) 247 = ou 5 53 P (X = 3) = e 3! = Plus de 10 personnes acceptent de ne pas rester anonymes. La probabilité que plus de103 personnes acceptent de ne pas rester anonymes se détermine de la facon suivante : P (X > 10) = 1 P (X 10) =
7 Exercice 6 (Loi binomiale négative) On lance un dé à six faces équilibrées successivement et de façon indépendante. On associe la variable aléatoire X au nombre de face 1 obtenue. 1. Calculer le nombre de lancers nécessaires à l obtention de 6 faces 1. Loi binomiale négative : On effectue des épreuves successives indépendates jusqu à ce que n événements A soient réalisés et on note Y le nombre (aléatoire) d épreuves effectuées. On en déduit la probabilité P (Y = y) = C n 1 y 1 pn (1 p) y n, y n E (Y ) = n p et V (Y ) = nq p 2 On est ici en présence d une loi binômiale négative. Ainsi, le nombre de lancers nécessaires l obtention de six faces 1 se détermine par à P (X = x) = C n 1 x 1 pn (1 p) x n où n correspond au nombre de réalisations que l on souhaite (ici n = 6). A l aide d Excel, on peut déterminer la loi de probabilité de la variable aléatoire X et observer que la probabilité la plus grande est associée de façon égale à 30 ou 31 lancers. 2. Calculer l espérance et la variance de X. Par définition E (X) = n p = = Exercice 7 (Loi de Poisson) V (X) = nq p 2 = = Un chef d entreprise, pour éviter l attente des camions venant livrer, envisage de construire de nouveau poste de déchargement. Actuellement, 5 postes sont en activité. Pour simplifier l étude, on considère qu il faut une journée entière pour décharger un camion. mesurant le nombre de camions venant livrer chaque jour. On désigne par X la variable aléatoire 1. Une enquête statistique préalable à montré qu on pouvait assimiler la loi de X à une loi de Poisson de paramètre λ = 4. (a) Quelle est, à 10 3 près, la probabilité de n avoir aucun camion en attente? 7
8 La probabilité qu à un poste aucun camion n attende revient à calculer la probabilité qu il y au plus un camion par jour, soit P (X 6) = 1 P (X < 6) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) + P (X = 4) + P (X = 5) 4 40 = e 0! = e 4 + e 4 + e 4 + e 4 + e 4 1! 2! 3! 4! 5! (b) Combien faudrait-il de postes de déchargement pour porter cette probabilité à 0,95? Il faudrait 7 postes de déchargement car P (X 8) = 1 P (X < 8) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) +P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7) 4 40 = e 0! = e 4 + e 4 + e 4 + e 4 + e 4 1! 2! 3! 4! 5! e 4 e 4 6! 7! 2. On prévoit à l avenir de doubler la fréquence de livraison, ce qui porterait le paramètre λ de la loi de Poisson de la variable aléatoire X à λ = 8. Combien faudrait-il alors de postes de déchargement pour que la probabilité de n avoir aucun camion en attente soit supérieure à 0,95? A l aide d Excel, on peu trépondre à cette question facilement. On trouve ainsi qu il faudrait 13 postes de déchargements. 8
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 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 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 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 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 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 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 détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en 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 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 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 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 détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
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 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 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 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 détailProbabilités. 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 détailCalcul élémentaire des probabilités
Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4
Plus en détailExercices de dénombrement
Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.
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 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 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 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 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 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 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 détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
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 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 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 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 détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en 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 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 détailAndrey Nikolaevich Kolmogorov
PROBABILITÉS La théorie des probabilités est née de l étude par les mathématiciens des jeux de hasard. D'ailleurs, le mot hasard provient du mot arabe «az-zahr» signifiant dé à jouer. On attribue au mathématicien
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 détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en 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 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 CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en 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 détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détail9 5 2 5 Espaces probabilisés
BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire
Plus en 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 détailNOTIONS DE PROBABILITÉS
NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailProbabilités. 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 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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en 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 détailProbabilités conditionnelles
Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber
Plus en 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 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 détailIntroduction au Calcul des Probabilités
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus
Plus en détaildénombrement, loi binomiale
dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................
Plus en détailAxiomatique de N, construction de Z
Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en détail1. 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 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 détailProbabilités-énoncés et corrections
2012-2013 Probabilités-énoncés et corrections Exercice 1. Une entreprise décide de classer 20 personnes susceptibles d'être embauchées ; leurs CV étant très proches, le patron décide de recourir au hasard
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 détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
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 détailMesure de probabilité, indépendance.
MATHEMATIQUES TD N 2 : PROBABILITES ELEMENTAIRES. R&T Saint-Malo - 2nde année - 2011/2012 Mesure de probabilité, indépendance. I. Des boules et des cartes - encore - 1. On tire simultanément 5 cartes d
Plus en détailProbabilités. 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 détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailCOMPTABILITE GENERALE ETAPE 20 : LES AMORTISSEMENTS POUR DEPRECIATION
1. PRINCIPES COMPTABILITE GENERALE ETAPE 20 : LES AMORTISSEMENTS POUR DEPRECIATION Certaines immobilisations se déprécient de manière continue, irréversible, avec le temps : usure, obsolescence. Les amortissements
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 détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détail1 TD n 1:dénombrement
MA3 Exercices corrigés TD n :dénombrement Exercice On considère un groupe de n personnes. Quelle est la probabilité que deux d entre elles aient le même jour d anniversaire? (On suppose qu il n y a pas
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
Plus en détailChapitre 6 La lumière des étoiles Physique
Chapitre 6 La lumière des étoiles Physique Introduction : On ne peut ni aller sur les étoiles, ni envoyer directement des sondes pour les analyser, en revanche on les voit, ce qui signifie qu'on reçoit
Plus en détailLE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» )
SYNTHESE ( THEME ) FONCTIONS () : NOTIONS de FONCTIONS FONCTION LINEAIRE () : REPRESENTATIONS GRAPHIQUES * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
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 détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
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 détailPlan général du cours
BTS GPN 1ERE ANNEE-MATHEMATIQUES-PROBABILITES-DENOMBREMENT,COMBINATOIRE PROBABILITES Plan général du cours 1. Dénombrement et combinatoire (permutations, arrangements, combinaisons). 2. Les probabilités
Plus en détailCorrigé à l usage exclusif des experts
Procédure de qualification Assistant du commerce de détail AFP / ECONOMIE Série 2, 2012 Corrigé à l usage exclusif des experts Durée de l'épreuve : Moyens auxiliaires autorisés : 45 minutes machine à calculer
Plus en détailCryptographie et fonctions à sens unique
Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions
Plus en détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détail315 et 495 sont dans la table de 5. 5 est un diviseur commun. Leur PGCD n est pas 1. Il ne sont pas premiers entre eux
Exercice 1 : (3 points) Un sac contient 10 boules rouges, 6 boules noires et 4 boules jaunes. Chacune des boules a la même probabilité d'être tirée. On tire une boule au hasard. 1. Calculer la probabilité
Plus en détailIntroduction à la gestion de l entreprise
1 L2S4 Introduction à la gestion de l entreprise Devoirs 2 Devoir 1 La société CEVRERO enregistre les opérations suivantes en 2010 : 1 - vente de marchandises à un client 4 000 à crédit 2 - payement note
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailProbabilités conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
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 détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailStatistiques II. Alexandre Caboussat alexandre.caboussat@hesge.ch. Classe : Mardi 11h15-13h00 Salle : C110. http://campus.hesge.
Statistiques II Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mardi 11h15-13h00 Salle : C110 http://campus.hesge.ch/caboussata 1 mars 2011 A. Caboussat, HEG STAT II, 2011 1 / 23 Exercice 1.1
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 détailBureau N301 (Nautile) benjamin@leroy-beaulieu.ch
Pre-MBA Statistics Seances #1 à #5 : Benjamin Leroy-Beaulieu Bureau N301 (Nautile) benjamin@leroy-beaulieu.ch Mise à niveau statistique Seance #1 : 11 octobre Dénombrement et calculs de sommes 2 QUESTIONS
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailGuide pratique : Les coûts d emprunt d argent
QUESTION Guide pratique : Les coûts d emprunt Commanditaire fondateur ABC Alpha pour la vie Canada Guide pratique Question : Les coûts d emprunt Faire l épicerie coûte de l argent. Les vêtements coûtent
Plus en détail