Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction Lois discrètes..4
|
|
- Mathilde Mongrain
- il y a 7 ans
- Total affichages :
Transcription
1 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Chapitre 4 Lois de Probabilité Sommaire. Itroductio. 4. Lois discrètes..4.. Loi uiforme Défiitio Espérace et variace..5.. Loi de Beroulli Défiitio Espérace et variace.5.3. Loi Biomiale Défiitio Espérace et variace Symétrie et récurrece de la loi biomiale Stabilité de la loi biomiale 9.4. Loi de Poisso Approximatio d ue loi biomiale Loi de Poisso Espérace et variace.4.4. Stabilité de la loi de Poisso...5. Loi biomiale égative..
2 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00).5.. Défiitio Espérace et variace.3.6. Loi géométrique.3 3. Lois cotiues Loi uiforme Défiitio Espérace et variace Loi ormale ou loi de Laplace-Gauss Défiitio Etude de la foctio desité de probabilité Espérace et variace Stabilité de la loi ormale Loi ormale réduite Défiitio Etude de la foctio desité de probabilité Espérace et variace Relatio avec la loi ormale Calcul des probabilités d ue loi ormale Lois déduites de la loi ormale Loi du χ de Pearso Loi de Studet Loi de Fisher-Sédécor Covergece Covergece e loi Le théorème cetral limite Covergece vers la loi ormale La loi biomiale.. 7
3 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) La loi de Poisso Iégalité de Bieaymé-Tchébycheff Iégalité de Markov Iégalité de Bieaymé-Tchébycheff.. 8 3
4 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Itroductio Il est toujours possible d associer à ue variable aléatoire ue probabilité et défiir aisi ue loi de probabilité. Lorsque le ombre d épreuves augmete idéfiimet, les fréqueces observées pour le phéomèe étudié tedet vers les probabilités et les distributios observées vers les distributios de probabilité ou loi de probabilité. Idetifier la loi de probabilité suivie par ue variable aléatoire doée est essetiel car cela coditioe le choix des méthodes employées pour répodre à ue questio biologique doée (chapitre 5 et 6). Idetifier la loi de probabilité suivie par ue variable aléatoire doée est essetiel car cela coditioe le choix des méthodes employées pour répodre à ue questio biologique doée (chapitre 5 et 6). Lois discrètes Par défiitio, les variables aléatoires discrètes preet des valeurs etières discotiues sur u itervalle doé. Ce sot gééralemet le résultat de déombremet.. Loi uiforme.. Défiitio Ue distributio de probabilité suit ue loi uiforme lorsque toutes les valeurs prises par la variable aléatoire sot équiprobables. Si est le ombre de valeurs différetes prises par la variable aléatoire, i, P(X = x i ) = Exemple : La distributio des chiffres obteus au lacer de dé (si ce derier est o pipé) suit ue loi uiforme dot la loi de probabilité est la suivate : X P X = x ) ( i
5 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) 6 avec pour espérace : E(X ) = i = 3,5 et pour variace V(X ) = 6 i= 6 où les valeurs x i correspodet au rag i de la variable X das la série. 6 i = i E(X) =,9.. Espérace et variace Das le cas particulier d ue loi discrète uiforme où les valeurs de la variable aléatoire X correspodet au rag x i = i ( i [, ]) E(X) = + et V(X) = Démostratio.. Loi de Beroulli.. Défiitio Soit u uivers Ω costitué de deux évetualités, S pour succès et E pour échec Ω = {E, S} sur lequel o costruit ue variable aléatoire discrète, «ombre de succès» telle que au cours d ue épreuve, si S est réalisé, X = si E est réalisé, X = 0 O appelle variable de Beroulli ou variable idicatrice, la variable aléatoire X telle que : X : Ω R X (Ω) = {0,} La loi de probabilité associée à la variable de Beroulli X telle que, P(X = 0) = q P(X =) = p avec p+q = est appelée loi de Beroulli otée B(, p).. Espérace et variace L espérace de la variable de Beroulli est car par défiitio E(X) = x i p i = (0 x q) + ( x p) = p i= E(X) = p 5
6 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) La variace de la variable de Beroulli est V(X) = pq car par défiitio V(X) = x i p i - E(X) = [(0 x q) + ( x p)] p i= d où V(X) = p p = p ( p) = pq.3 Loi biomiale.3. Défiitio Décrite pour la première fois par Isaac Newto e 676 et démotrée pour la première fois par le mathématicie suisse Jacob Beroulli e 73, la loi biomiale est l ue des distributios de probabilité les plus fréquemmet recotrées e statistique appliquée. Soit l applicatio S : Ω R avec S = X + X + + X i X où X i est ue variable de Beroulli La variable biomiale, S, représete le ombre de succès obteus lors de la répétitio de épreuves idetiques et idépedates, chaque épreuve e pouvat doer que deux résultats possibles. Aisi la loi de probabilité suivie par la somme de variables de Beroulli où la probabilité associée au succès est p, est la loi biomiale de paramètres et p. S : Ω R S = X i i= B(,p) La probabilité que S = k, c est à dire l obtetio de k succès au cours de épreuves idépedates est : P(S = k) = C k p k q k Démostratio Il est facile de démotrer que l o a bie ue loi de probabilité car : k P(S = k) = C p k q k = (p + q) = car p+q = k=0 k=0 Remarque : Le développemet du biôme de Newto (p+q) permet d obteir l esemble des probabilités pour ue distributio biomiale avec ue valeur et p doée. Il existe égalemet des tables de la loi biomiale où les probabilités sot tabulées pour des valeurs et p doées. 6
7 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Exemple : Das ue expériece sur le comportemet du rat, rattus orvegicus, o fait péétrer successivemet rats das u labyrithe e forme de H. O étudie alors la probabilité que k rats emprutet la brache supérieure droite du H. A chaque épreuve, deux évèemets peuvet se produire : soit le rat suit l itiéraire voulu (succès) soit il e l emprute pas (échec). Sachat qu il y a 4 itiéraires possibles (braches), la probabilité du succès p = /4. Hypothèse : - si les rats ot pas été coditioés, - si la brache supérieure droite e comporte aucu élémet attractif ou répulsif, - si le choix de l itiéraire d u rat affecte pas le choix du suivat (odeurs) alors : la variable aléatoire X «itiéraire empruté pour x rats» suit ue loi biomiale X β(, 4 ) dot la distributio des probabilités est la suivate si l o étudie le comportemet de 5 rats : 0, 40 0, 30 0, 0 0, 0 0, 00 P(X=k) Distributio de probabilités de la variable biomiale X X B (5, 0,5) Nombre de rats ayat emprutˇ la brache supˇrieure droite du labyrithe. 5 k k P(X = k) C 5 = 0, C 5 = 0, C 5 = 0, C 5 = 0, C = 0, C 5 = 0,00 4 Remarque : Il est possible d obteir aisémet les valeurs des combiaisos de la loi biomiale e utilisat le triagle de Pascal. De plus o vérifie que la somme des probabilités est bie égale à. 7
8 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00).3. Espérace et variace L espérace d ue variable biomiale S est égale à E(S ) = p e effet E(S ) = E(X + X + + X i X ) or E(X + X + + X i X ) = E(X i ) propriété de l espérace et E(S ) = E(X i ) = p avec E(X i ) = p variable de Beroulli d où i= E(S ) = p i= i= La variace d ue variable biomiale S est égale à V(S ) = pq e effet V(S ) = V(X + X + + X i X ) or V(X + X + + X i X ) = V (X i ) propriété de la variace et V(S ) = V (X i ) = pq avec V(X i ) = pq car variable de Beroulli d où i= V(S ) = pq i= i= Exemple : Das le cadre de l étude de comportemet du rat, quel est e moyee le ombre attedu de rats qui vot empruter l itiéraire prévu si l expériece porte sur u lot de 0 rats? Doez égalemet la variace et l écart type de cette variable? Répose..3.3 Symétrie et récurrece de la loi biomiale La loi biomiale déped des deux paramètres et p. Elle est symétrique pour p = 0,5 et dissymétrique pour les autres valeurs de p. La dissymétrie est d autat plus forte : () pour fixe, que p est différet de q (graphe) () pour p fixe que est plus petit. Afi de faciliter les calculs des probabilités, il est possible d utiliser ue formule de récurrece doat les valeurs des probabilités successives : P(S = k) = k + k p q P(S = k ) Démostratio 8
9 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00).3.4 Stabilité de la loi biomiale Théorème : Si S et S m sot deux variables idépedates suivat des lois biomiales respectivemet S B(,p) et S m B(m,p) alors S + S m B(+m,p) démostratio.4 Loi de Poisso La loi de Poisso découverte au début du XIX e siècle par le magistrat fraçais Siméo-Deis Poisso s applique souvet aux phéomèes accidetels où la probabilité p est très faible (p < 0,05). Elle peut égalemet das certaies coditios être défiie comme limite d ue loi biomiale..4. Approximatio d ue loi biomiale Lorsque deviet grad, le calcul des probabilités d ue loi biomiale P(S = k) = C k p k q k deviet très fastidieux. O va doc, sous certaies coditios, trouver ue approximatio de p k plus maiable. Comportemet asymptotique : si et p 0, alors X : B(,p) P(λ) avec p λ (voir démostratio) Remarque : Cette approximatio est correcte si 50 et p 5. Exemple : Soit ue loi biomiale de paramètres (00 ; 0,0), les valeurs des probabilités pour k de 0 à 5 aisi que leur approximatio à 0-3 avec ue loi de Poisso de paramètre (λ= p =) sot doées das le tableau ci-dessous : k P(X=k) Approximatio 0,366 0,370 0,85 0,06 0,05 0,000 0,368 0,368 0,84 0,06 0,05 0,003 9
10 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Das le cas de cet exemple où =00 et p =, l approximatio de la loi biomiale par ue loi de poisso doe des valeurs de probabilités idetiques à 0-3 près..4. Loi de Poisso O appelle processus poissoie (ou processus de Poisso), le modèle probabiliste des situatios qui voiet u flux d évèemets se produire les us à la suite des autres de faço aléatoire (das le temps et das l espace), obéissat aux coditios suivates : - la probabilité de réalisatio de l évèemet au cours d ue petite période ou sur ue petite portio d espace t est proportioelle à t soit p t. - elle est idépedate de ce qui s est produit atérieuremet ou à côté, - la probabilité de deux apparitios sur le même t est égligeable. Aisi, des évèemets qui se réaliset de faço aléatoire comme des paes de machies, des accidets d avios, des fautes das u texte, peuvet être cosidérés comme relevat d u processus poissoie. Ue variable aléatoire X à valeurs das R suit ue loi de Poisso de paramètre λ (λ > 0) si P(X = k) = λk e λ les réels p k sot doés par k! o ote : X P(λ) Remarque : Ue loi de Poisso est doée par sa loi de probabilité : () k, P(X = k) > 0 e λ λ () k P(X = k) = = e λ λ k k! k! or λ k = e λ k! k 0 k 0 d où P(X = k) = e λ e λ = k 0 k 0 k 0 Exemple : Ue suspesio bactériee cotiet 5000 bactéries/litre. O esemece à partir de cette suspesio, 50 boites de Pétri, à raiso d cm 3 par boite. Si X représete le ombre de coloies par boite, alors la loi de probabilité de X est : X P (λ=5) La probabilité qu il y ait aucue coloie sur la boite de Pétri est : 0
11 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) P(X = 0) = 50 e 5 0! =0,0067 soit approximativemet 0,67 % de chace. La probabilité qu il y ait au mois ue coloie sur la boite de Pétri est : P(X > 0)=- P(X = 0) = -0,0067 = 0,9933 soit 99,3 % de chace d avoir au mois ue coloie bactériee qui se développe das la boite de Pétri. (voir évéemet cotraire) Comme pour la loi biomiale, il est possible d utiliser ue formule de récurrece pour calculer les valeurs des probabilités successives : P(X = k) = λ k P(X = k ) Démostratio.4.3 Espérace et variace L espérace d ue variable aléatoire de Poisso est E(X) = λ Par défiitio E(X ) = kp k = k λk e λ k 0 k! avec k N valeurs prises par la v.a. X k 0 avec k 0 k! = λ + λ! + λ3! λk + = λ + λ k!! + λ λk +...+! k! λ k d où E(X ) = λe λ λ k k >0 k! = λe λ e λ = λ La variace d ue variable de Poisso est V(X) = λ λ Par défiitio V(X ) = k p k E(X) = k k e λ λ k! k 0 e posat k = k + k(k ), alors k λ k e λ k = λ k e λ + k! k! k 0 d où k 0 k λ k e λ = k 0 k! k 0 k(k ) λ k e λ k! e λ λ + λ! + λ3! λk + + e λ λ + λ3 k!! + λ4! λk + k! k 0 d où λ k e λ λ k λ k = λ e λ + λe λ k k! k! k! k 0 k 0 k 0
12 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) d où V(X ) = λ e λ e λ + λe λ e λ λ = λ Remarque : Il est à oter que das le cas d ue variable aléatoire de Poisso, l espérace et la variace preet la même valeur. Ceci est u élémet à predre e compte lors des tests de coformité à ue loi de probabilité. Exemples : Das le cadre de la culture bactériee, le ombre moye de coloies attedu sur la boite de Pétri est : E(X) = λ = 5 coloies. Aisi si l o effectue plusieurs cultures bactériees (plusieurs boites de Pétri) à partir de la même solutio iitiale, o atted e moyee ciq coloies pour l esemble des boites. E ce qui cocere la variace et l écart-type, o aura : V(X) = λ = 5 et σ(x) = V(X) =,4 coloies..4.4 Stabilité de la loi de Poisso Si X et Y sot deux variables aléatoires idépedates suivat des lois de Poisso respectivemet X P (λ) et Y P (µ) alors X + Y P (λ+µ) démostratio.5 Loi biomiale égative.5. Défiitio Sous le schéma de Beroulli (épreuves idetiques et idépedates), o désire obteir succès et l o cosidère la variable aléatoire discrète X qui représete le ombre d épreuves idépedates k écessaire à l obtetio des succès. X suit ue loi biomiale égative de paramètres et p otée BN (,p) si : P(X = k) = C k p q k avec k, N et k
13 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Remarque : Das le cas de la loi biomiale égative, le ombre de succès est cou et l o cherche le ombre d épreuves k, écessaire pour obteir les succès. Aisi le derier évèemet est cou car les épreuves cesset avec l obtetio du ieme succès et l o choisit - objets parmi k-. Exemple : Pour étudier le domaie vital d ue populatio de poissos, des émetteurs radio sot fixés au iveau de la ageoire dorsale après ue légère aesthésie locale. Suite à divers aléas, o cosidère que 30 % des poissos équipés e sot pas repérés par la suite. Si l o cosidère qu u miimum de 5 poissos doivet être suivis pour avoir des résultats statistiquemet acceptables, la variable aléatoire X «ombre de poissos devat être équipés» suit ue loi biomiale égative X BN (5, 0,70) E posat comme hypothèse que les causes de pertes de liaisos radio soiet suffisammet ombreuses pour assurer l idépedace etre chaque épreuve, la probabilité d être obligé d équiper 0 poissos est de : P(X = 0) = 9! 4!5! (0,70)5 (0, 30) 5 = 0,3.5. Espérace et variace L espérace associée à ue loi biomiale égative est : E(X) = p La variace associée à ue loi biomiale égative est : V(X) = q p.5.3 Loi géométrique Lorsque le ombre de succès est égal à, la loi de la variable aléatoire discrète X porte le om de loi de Pascal ou loi géométrique de paramètre p telle que : P(X = k) = pq k- avec k N * 3
14 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Voici pourquoi : Si l o cosidère la variable aléatoire X «ombre de aissaces observées avat l obtetio d ue fille» avec p = / (même probabilité de aissace d ue fille ou d u garço), la loi suivit par X est ue loi géométrique car : X = si {X= F} avec P(X = ) = p X = si {X= G F} avec P(X = ) = qp X = 3 si {X= G G F} avec P(X = 3) = qqp = q p d où X = k si {X=G G.G F} avec k- {X=G} et doc P(X = k) = pq k- D où l espérace associée à la loi géométrique est : E(X ) = p et la variace associée à la loi géométrique est : V(X ) = q p 3 Lois cotiues Par défiitio, les variables aléatoires cotiues preet des valeurs cotiues sur u itervalle doé. 3. Loi uiforme 3.. Défiitio La loi uiforme est la loi exacte de phéomèes cotius uiformémet répartis sur u itervalle. La variable aléatoire X suit ue loi uiforme sur le segmet [a,b] avec a < b si sa desité de probabilité est doée par : f(x) = si x [a,b] b a f(x) = 0 si x [a,b] 4
15 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) f(x) F(x) b-a 0 a b x 0 a b x Foctio de desité de probabilité Foctio de répartitio Quelques commetaires : () La loi uiforme cotiue état ue loi de probabilité, l aire hachurée e rouge sur la figure ci-dessus vaut. Ceci implique que la valeur prise par f(x) vaut b a. () La probabilité que X [a,b ] avec a < b et a,b [a,b] vaut : P( a X b ) = f (x)dx = b b dx b = a a a b a b a (3) La foctio de répartitio associée à la loi uiforme cotiue est telle que : F X (x) = 0 si x < a F X (x) = si x > b F X (x) = x a b a si a x b 3.. Espérace et variace L espérace de la loi uiforme cotiue vaut : E(X ) = b + a E effet par défiitio E(X) = xf(x)dx a b E(X) = xf(x)dx + xf(x)dx + xf(x)dx cours aalyse (Itégrale) a b a or xf(x)dx = 0 et xf(x)dx = 0 par défiitio de la loi uiforme cotiue b b d où E(X) = x dx = b x b xdx = a b a b a a b a a E(X) = [ (b a) b a ]= (b a) ( b a)b ( + a)= b + a 5
16 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) La variace de la loi uiforme cotiue vaut : E effet par défiitio V(X) = x f (x)dx E(X) V(X ) = ( b a) b V(X) = x dx a b a E(X) même simplificatio que pour l espérace V(X) = x 3 b E(X) = b 3 a 3 b + a b a 3 b a 3 a b 3 a 3 or = b a 3 3 (b (b + a) + ab + a ) et = 4 4 (b + ab + a ) d où V(X ) = b 3 a 3 (b + a) (b a) = b a Loi ormale ou loi de Laplace-Gauss 3.. Défiitio O parle de loi ormale lorsque l o a affaire à ue variable aléatoire cotiue dépedat d u grad ombre de causes idépedates dot les effets s additioet et dot aucue est prépodérate (coditios de Borel). Cette loi acquiert sa forme défiitive avec Gauss (e 809) et Laplace (e 8). C est pourquoi elle porte égalemet les oms de : loi de Laplace, loi de Gauss et loi de Laplace-Gauss. Exemple : Aisi la taille corporelle d u aimal déped des facteurs eviroemetaux (dispoibilité pour la ourriture, climat, prédatio, etc.) et géétiques. Das la mesure où ces facteurs sot idépedats et qu aucu est prépodérat, o peut supposer que la taille corporelle suit ue loi ormale. Ue variable aléatoire absolumet cotiue X suit ue loi ormale de paramètres (µ, σ) si sa desité de probabilité est doée par : f : R R x a f (x) = σ Notatio : X N(µ, σ) x µ π e σ avec µ R et σ R + 6
17 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Remarque : O admet que impossible. f (x)dx = das la mesure où l itégratio aalytique est 3.. Etude de la foctio desité de probabilité La foctio f est paire autour d u axe de symétrie x = µ car f(x + µ ) = f(µ - x) d où D E = [µ, [ x µ La dérivé première f (x) est égale à : f (x) = f(x) Démostratio σ d où f (x) = 0 pour x = µ et f (x) < 0 pour x > µ La dérivé secode f (x) est égale à : f (x) = ( x µ) f ( x) Démostratio σ σ d où f (x) = 0 pour x = µ + σ et f (x) > 0 pour x > µ + σ x µ µ + σ + f (x) f (x) 0 - σ π f(x) σ π e 0 Remarque : Le paramètre µ représete l axe de symétrie et σ le degré d aplatissemet de la courbe de la loi ormale dot la forme est celle d ue courbe e cloche Espérace et variace L espérace de la loi ormale vaut : E(X) = µ La variace de la loi ormale vaut : V(X) = σ 7
18 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) 3..4 Stabilité de la loi ormale Théorème : Soiet X et X deux variables aléatoires ormales idépedates de paramètres respectifs (µ, σ ), (µ, σ ), alors leur somme X +X est ue variable aléatoire ormale de paramètres (µ + µ, σ + σ ). Voici pourquoi : () E(X +X ) = E(X ) + E(X ) Propriété P de l espérace. or E(X ) = µ et E(X ) = µ d où E(X +X ) = µ + µ () V(X +X ) =V(X ) + V(X ) Propriété P de la variace lorsque X et X sot idépedates. or V(X ) = σ et V(X ) = σ d où V(X +X ) = σ + σ Ce théorème se gééralise immédiatemet à la somme de variables aléatoires ormales idépedates. 3.3 Loi ormale réduite 3.3. Défiitio Ue variable aléatoire cotiue X suit ue loi ormale réduite si sa desité de probabilité est doée par : f : R R x a f (x) = π e x Remarque : f est bie ue loi de probabilité car : x R, f(x) 0 f est itégrable sur ]-, + [ et f (x)dx = 8
19 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) 3.3. Etude de la foctio desité de probabilité La foctio f est paire car f(-x) = f(x) d où D E = [0, [ La dérivé première est f (x) = -x f(x) avec f (x) 0 pour x 0. La dérivée secode est f (x) = -f(x) + x f(x) = (x ) f(x) qui s aule pour x = sur D E. x 0 + f (x) f (x) 0 - f(x) π πe 0 Remarque : L axe de symétrie correspod à l axe des ordoées (x = 0) et le degré d aplatissemet de la courbe de la loi ormale réduite est Espérace et variace L espérace d ue loi ormale réduite est : E(X) = 0 E effet par défiitio E(X) = xf(x)dx. Or la foctio à itégrer est impaire d où E(X)=0 (cours d aalyse : itégrale) La variace d ue loi ormale réduite est : V(X) = E effet par défiitio V(X) = x f (x)dx E(X) d où V(X) = π x e x dx E effectuat ue itégratio par partie : 9
20 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) V(X) = xe x π e x dx avec xe x = 0 or V(X) = π e x dx = par défiitio d ue foctio de répartitio d où V(X) = Relatio avec la loi ormale Si X suit ue loi ormale N (µ,σ), alors Z = X µ, ue variable cetrée réduite suit σ ue la loi ormale réduite N (0,) Calcul des probabilités d ue loi ormale La foctio de répartitio de la loi ormale réduite permet d obteir les probabilités associées à toutes variables aléatoires ormales N (µ,σ) après trasformatio e variable cetrée réduite. O appelle foctio π, la foctio de répartitio d ue variable ormale réduite X telle que : π : R R t a π(t) = P(X < t) = π t e t dt Les propriétés associées à la foctio de répartitio π sot : (P ) π est croissate, cotiue et dérivable sur R et vérifie : lim π (t) = et lim π (t) = 0 t t (P ) t R π (t) + π (-t) = t R π (t) - π (-t) = π(t) - 0
21 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Ue applicatio directe de la foctio π est la lecture des probabilités sur la table de la loi ormale réduite. 3.4 Lois déduites de la loi ormale 3.4. Loi du χ de Pearso Défiitio La loi de Pearso ou loi de χ (Khi deux) trouve de ombreuses applicatios das le cadre de la comparaiso de proportios, des tests de coformité d ue distributio observée à ue distributio théorique et le test d idépedace de deux caractères qualitatifs. Ce sot les test du khi-deux. Soit X, X,, X i,, X, variables ormales cetrées réduites, o appelle χ la variable aléatoire défiie par : χ = X + X + + X i + + X = X i O dit que χ suit ue loi de Pearso à degrés de liberté (d.d.l.). i= Remarque : Si =, la variable du χ correspod au carré d ue variable ormale réduite de loi N(0,) (voir Rapport etre loi de probabilité). Propriétés : (P ) Si X, X, X 3,, X i,, X sot variables ormales cetrées réduites et s il existe k relatios de dépedace etre ces variables alors X + X + X X i + + X suit ue loi de Pearso à - k degrés de liberté. (P ) Si U suit ue loi de Pearso à d.d.l., si V suit ue loi de Pearso à m d.d.l., et si U et V sot idépedates alors U+ V suit ue loi de Pearso à +m ddl U-V suit ue loi de Pearso à -m ddl (si <m)
22 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Pour χ > 0, la foctio desité de probabilité est de la forme : f (χ ) = C()χ e χ avec C() = π Pour χ 0, f(χ ) = 0 Pour >, o utilise la table du Khi Remarque : La costate C() est telle que f ( xdx ) =. La distributio du χ est dissymétrique et ted à deveir symétrique lorsque augmete e se rapprochat de la distributio ormale à laquelle elle peut être assimilée lorsque > 30. Espérace et variace L espérace de la variable du χ est : E(χ ) = car par défiitio E(χ ) = E(X i ) avec X i variable ormale réduite i= or V(X i ) = E(X i ) - E(X i ) = pour la variable ormale réduite avec E(X i ) = 0 d où E(X i ) = et doc E(χ ) = La variace de la variable du χ est : V(χ ) = car par défiitio les X i variables ormales réduites état idépedates, V(χ ) = V (X i ) et d autre part V(X i ) = E(X 4 i ) [E(X i )] i= or E(X i 4 ) = 3 d où V(X i ) = 3 = aisi V(χ ) = V (X i ) = i=
23 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) 3.4. Loi de studet Défiitio La loi de Studet (ou loi de Studet-Fisher) est utilisée lors des tests de comparaiso de paramètres comme la moyee et das l estimatio de paramètres de la populatio à partir de doées sur u échatillo (Test de Studet). Studet est le pseudoyme du statisticie aglais William Gosset qui travaillait comme coseiller à la brasserie Guiess et qui publia e 908 sous ce om, ue étude portat sur cette variable aléatoire. Soit U ue variable aléatoire suivat ue loi ormale réduite N(0,) et V ue variable aléatoire suivat ue loi de Pearso à degrés de liberté χ, U et V état idépedates, o dit alors que T = U V suit ue loi de Studet à degrés de liberté. La foctio desité de probabilité est de la forme : f (T) = C() + T ( +) Calcul des probabilités avec la table de la loi de Studet Remarque : La costate C() est telle que f ( xdx ) =. La distributio du T de Studet est symétrique et ted vers ue loi ormale lorsque augmete idéfiimet. Espérace et variace L espérace de la variable de Studet est : E(T) = 0 si > 3
24 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) La variace de la variable de Studet est : V(T) = si > Loi de Fisher-Sedecor La loi de Fisher-Sedecor est utilisée pour comparer deux variaces observées et sert surtout das les très ombreux tests d aalyse de variace et de covariace. Soit U et V deux variables aléatoires idépedates suivat ue loi de Pearso respectivemet à et m degrés de liberté. O dit que F = U suit ue loi de Fisher-Sedecor à degrés de liberté. Vm m Pour F > 0, la foctio desité de probabilité est de la forme : f (F) = C (,m ) F (m + F ) + m Pour F 0, f(f) = 0 Utilisatio des tables de Fisher-Sedecor pour le calcul des probabilités. Remarque : Si =, alors o a la relatio suivate : F (,m) = U etre loi de probabilité). Vm = T m (voir Rapport Espérace et variace L espérace de la variable de Fisher-Sédecor est : E(F) = m m si m > 4
25 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) La variace de la variable de Fisher-Sédecor est : V(F) = m ( + m ) (m ) (m 4) si m > 4 4 Covergece Das ce paragraphe, sot traités des élémets de calcul des probabilités dot l applicatio statistique est ombreuse. La partie fodametale est le théorème cetral limite. Les élémets présetés permettet de préciser ce que sigifie l ajustemet d ue loi de probabilité par ue autre (otio de covergece) et aisi de justifier l approximatio d ue distributio observée par ue loi théorique (chapitre 7). De plus ces élémets permettet de doer des limites d erreurs possibles das l estimatio d u élémet d ue populatio (chapitre 6). 4. Covergece e loi Soit ue suite de variables aléatoires X, X, X 3,, X i,, X. Cette suite coverge e loi vers la variable aléatoire X de foctio de répartitio F X quad augmete idéfiimet, si la suite des foctios de répartitio F X,F X,F X 3,...,F XI,...F X ted vers la foctio de répartitio F X pour tout x pour lequel F X est cotiue. Exemple : Nous avos motré que la loi de probabilité d ue variable biomiale ted vers ue loi de Poisso lorsque ted vers l ifii. Il e serait de même des foctios de répartitio correspodates. O peut doc dire que la loi biomiale B(,p) coverge e loi vers ue loi de Poisso de paramètres p. (voir Rapport etre loi de probabilité). 4. Le théorème cetral limite Appelé égalemet théorème de la limite cetrale, il fut établi par Liapouoff et Lideberg. O se place das ue situatio d épreuves répétées, caractérisées par ue suite X, X, X 3,, X i,, X de variables aléatoires idépedates et de même loi (espérace E(X i ) = µ et variace V (X i ) = σ ). O défiit aisi deux ouvelles variables aléatoires : la somme S = X + X + + X i X la moyee M = X + X X = S 5
26 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) telles que : E(S ) = µ V(S ) = σ E(M ) = µ V(M ) = σ Voici pouquoi : Pour les deux variables aléatoires, les valeurs de l espérace et de la variace sot liées aux propriétés de liéarité et d idépedace. Ces formules sot à la base des pricipaux estimateurs e statistique. Théorème cetral limite Soit la variable aléatoire S résultat de la somme de variables aléatoires idépedates et de même loi, o costruit la variable cetrée réduite telle que : S µ Z = σ ( ) Alors pour tout t R, la foctio de répartitio F (t) = P(Z < t) est telle que : F (t) π t e z dz quad c est à dire N(0,). Remarque : O peut calculer Z aussi bie à partir de S que de M car Z = S µ σ = M µ σ Ue variable aléatoire résultat de la somme de plusieurs v.a. ayat même loi et même paramètres est distribuée suivat ue loi ormale réduite lorsque le ombre d épreuves ted vers l ifii. Le théorème cetral limite s applique quelque soit la loi de probabilité suivie par les variables aléatoires discrètes ou cotiues, pourvu que les épreuves soiet idépedates, reproductibles et e très grad ombre. Grâce au théorème de la limite cetrale, o peut voir que des phéomèes dot la variatio est egedrée par u ombre importat de causes idépedates sot gééralemet susceptibles d être représetés par ue loi ormale. 6
27 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) A l aide de la covergece e loi et du théorème cetral limite, il est possible de faire l approximatio de certaies lois de probabilités par d autres (voir Rapport etre loi de probabilité). 4.3 Covergece vers la loi ormale 4.3. La loi biomiale Théorème : Soit X ue variable aléatoire suivat ue loi biomiale de paramètres (,p), alors k µ P(X = k) σ π e σ quad c est à dire N(0,) avec µ = E(X) = p et σ = V(X) = p q La covergece est d autat plus rapide que p est voisi de 0,5, distributio symétrique pour la loi biomiale. Remarque : O cosidère que l approximatio est valable si o a à la fois p 5 et q 5 (voir Rapport etre loi de probabilité) Loi de Poisso Théorème : Soit X ue variable aléatoire suivat ue loi de Poisso de paramètre λ alors P(X = k) λ avec E(X) = λ et V(X) = λ k λ π e λ quad c est à dire N(0,) Remarque : O cosidère qu o peut faire ces approximatios si λ 0 (voir Rapport etre loi de probabilité). 4.4 Iégalité de Bieaymé-Tchébycheff 7
28 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) L iégalité de Markov et l iégalité de Bieaymé-Tchébycheff s appliquet aussi bie aux variables aléatoires discrètes ou absolumet cotiues. Elles permettet pour ue variable aléatoire X d espérace E(X) = µ et de variace σ d évaluer la probabilité pour que X diffère de la moyee d ue quatité iférieure à ue valeur h. Le problème est de doer ue cosistace quatitative à la remarque déjà faite que, plus l écart-type d ue variable aléatoire est faible, plus sa distributio de probabilité est cocetrée autour de so espérace mathématique (voir degré d aplatissemet de la loi ormale). Afi de démotrer cette iégalité, ous allos préseter tout d abord l iégalité de Markov Iégalité de Markov Soit X ue variable aléatoire admettat ue espérace E(X) et ue variace V(X), état doé, u réel h>0 l iégalité de Markov doe : P( X h) h E(X ) Voici pourquoi : P( X h) = p i la sommatio état étedue à toutes les valeurs de i tels que x i > h i I das ce cas : x i h soit x i x h p i p i i h aisi p i p i I h i x i d où p i E(X ) et P( X h) i I i I h h E(X ) 4.4. Iégalité de Bieaymé-Tchébycheff Si l o applique l iégalité de Markov à la variable aléatoire X X, o a P( X X h) h E[(X X) ] or E[(X X) ] = V(X) = σ et e passat à l évèemet cotraire, o a : P( X X h) σ h E posat h = tσ avec t > 0, o obtiet l iégalité suivate P( X X t) sachat que σ > 0 σ t 8
29 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) qui est équivalete à t > 0 P( X X σ t) iégalité de Bieaymé-Tchébycheff t Remarque : Ces iégalités ot d itérêt que si t est assez grad. 9
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 détailChapitre 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 détailCHAPITRE 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 détailComportement 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 détailIntégration 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. (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 détailExercice 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 détailSTATISTIQUE : 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 détailEtude 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[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 détailLimites 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 détailCours 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 détailFEUILLE 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 détailDeuxième 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 détailSuites 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 détailSéries 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 détail1 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 détailStatistique 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 détailEXERCICES : 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 détailProcessus 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 détailChap. 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 détailExo7. 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 détailSÉRIES 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 détail14 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 détailConsolidation. 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 détailc. 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 détailUNIVERSITE 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 détailUniversité 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 détail55 - 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 détailSTATISTIQUE 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 détailTRANSFERT 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 détailDénombrement. 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 détailcapital 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 détailChapitre 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 détailProcessus 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 détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détail* 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 détailConvergences 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 détail4 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 détailUV 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 détailChap. 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 détailFormation 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 détailLES 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* 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 détailCours 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 détailPrincipes 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 détailChap. 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 détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailDénombrement. 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 détailx +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 détailLa 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 détailPolynésie 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 détailLes 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 détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailSéquence 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 détailBaccalauréat 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 détailStatistiques 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 détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détail20. 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 détailInitiation 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 détailUNIVERSITÉ 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 détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détail2 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 détailPROMENADE 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 détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailUniversité 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 détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailStatistique 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 détailChaînes 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 détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailEtude 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 détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailNeolane 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 détailMécanismes de protection contre les vers
Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat
Plus en détailProbabilités 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 détailTerminale 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 détailExercices 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 détailChapitre 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 détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailUniversité 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 détailLes solutions mi-hypothécaires, mi-bancaires de Manuvie. Guide du conseiller
Les solutios mi-hypothécaires, mi-bacaires de Mauvie Guide du coseiller 1 2 Table des matières Itroductio... 5 La Baque Mauvie...5 Le compte Mauvie U...5 Le compte Sélect Baque Mauvie...5 1. Les solutios
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailRÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION
RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables
Plus en détailDes 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 détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailRESOLUTION 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 détailExamen 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 détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailNeolane Leads. Neolane v6.0
Neolae Leads 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. Cette publicatio
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailINTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï
INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailNous imprimons ce que vous aimez!
Nous imprimos ce que vous aimez! Persoalisé simple différet Catalogue de produits Tapis stadard tapis logo tapis publicitaire Nous imprimos ce que vous aimez! 2 I JOBET JOBET Vous et vos cliets serez coquis...
Plus en détailIntroduction : 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 détailLorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau
Lorsque la sécurisatio des paiemets par carte bacaire sur Iteret coduit à ue cocurrece etre les baques et les opérateurs de réseau David Bouie Das cet article, ous ous iterrogeos sur l issue de la cocurrece
Plus en détailModule 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