Probabilités et statistique pour le CAPES
|
|
- Michel Grenier
- il y a 8 ans
- Total affichages :
Transcription
1 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 2
3 Table des matières Modélisatio de phéomèes aléatoires 7. Itroductio L espace probabilisé (Ω, A, P) Espace des états Évéemets Tribu Probabilité Costructio d espaces probabilisés 5 2. Espace des états fii Espace probabilisé Déombremet, modèle d ure Espace des états ifii déombrable Espace des états ifii o-déombrable Coditioemet et idépedace Probabilité coditioelle Défiitio Formule des probabilités totales et formule de Bayes Arbre de probabilité Idépedace des évéemets Nombre ifii de jets de dés Variables aléatoires Défiitio et loi d ue variable aléatoire Foctio de répartitio Variables aléatoires discrètes Défiitios et exemples à coaître Foctio de répartitio Espérace
4 4.3.4 Variace, momets d ordres supérieurs Iégalité de Markov et de Bieaymé Tchebychev Vecteurs aléatoires discrets Défiitio et lois des vecteurs aléatoires Espérace, covariace, matrice de covariace Variables aléatoires idépedates Variables aléatoires réelles à desité Défiitios Espérace et momets d ordres supérieurs Exemples de variables aléatoires à desité Couples de variables aléatoires à desité Défiitios Variables aléatoires à desité idépedates Suites de variables aléatoires réelles Loi faible des grads ombres Théorème cetral limite Ecore des défiitios Statistique descriptive Préambule à la Statistique U peu de vocabulaire Collecte de doées Deux directios e statistique Statistique uivariée / multivariée Paramètres de positio, dispersio, relatio Iterprétatio des doées Iterprétatio probabiliste Iterprétatio vectorielle Méthode des moidres carrés Statistique iféretielle 5 6. U exemple itroductif Modèle statistique paramétrique Estimateur Rappels sur quelques lois utiles e statistique Itervalles de cofiace Itervalle de cofiace à partir de l iégalité de Bieaymé-Tchebychev Costructio d u itervalle de cofiace pour la moyee
5 6.6 Tests Exemple itroductif Défiitios Cas de deux hypothèses simples Θ = {θ 0, θ } Test pour la moyee Comparaiso de deux moyees Test d adéquatio à ue loi À propos de la droite de Hery Table de lois du χ
6 6
7 Chapitre Modélisatio de phéomèes aléatoires. Itroductio Ue expériece (ou phéomèe) aléatoire cosiste e ue expériece pour laquelle toutes les issues possibles sot coues, mais où itervieet de ombreux facteurs, dot ous e coaissos ou maîtrisos qu ue petite partie. Das ce cas, l issue est pas prévisible avec certitude. La théorie des probabilités cosiste e l étude de ces expérieces aléatoires. Citos quelques exemples : le résultat d u jeu de hasard (pile ou face, jet de dé, roulette etc.) ; durée de vie d u atome radioactif, d u idividu, d ue ampoule ; les istats de passage d u bus à u arrêt doé ; la promeade d u ivroge das la rue ; la trajectoire d ue poussière à la surface de l eau etc. Les applicatios de la théorie des probabilités sot ombreuses : base de la statistique, outil puissat e fiace, das les assuraces, théorie des jeux. Elle permet égalemet de modéliser de ombreux phéomèes complexes e biologie, médecie, scieces humaies, climatologie. Elle s est aussi révélée utile das de ombreux domaies des mathématiques pures. Mais surtout, elle a acquis ue place importate au sei des mathématiques e tat que disciplie à part etière, de part so itérêt itrisèque. Historiquemet, les jeux des hasards sot présets e Égypte, e Grèce et à Rome dès l Atiquité. Il est cepedat itéressat de costater qu u traitemet systématique est apparu qu au XVI e siècle das le livre Liber de Ludo Alea de Gerolamo Cardao (50-576). La véritable éticelle se trouve das la correspodace etre Blaise Pascal ( ) et Pierre de Fermat ( ), au sujet de problèmes posés par le chevalier de Méré. Ecouragé par Pascal, Christia Huyges ( ) publie De ratiociis i ludo aleae (raisoemets sur les jeux de dés) e 657. Ce livre est le premier ouvrage importat sur les probabilités. Il y défiit la otio d espérace et y développe plusieurs problèmes de partages de gais lors de jeux ou de tirages das des ures. Deux ouvrages fodateurs sot égalemet à oter : Ars Cojectadi de Jacques Beroulli ( ) qui défiit la otio de variable aléatoire et doe la première versio de la loi des grads ombres, et The Doctrie of Chace d Abraham de Moivre ( ) qui gééralise l usage de la combiatoire. O metioera égalemet Pierre-Simo de Laplace ( ), Leohard Euler ( ) et Joha Carl Friedrich Gauss ( ). La théorie des probabilités classique e pred réellemet so essor qu avec les otios de mesure et d esembles mesurables qu Émile Borel (87-956) itroduit e 897. Cette otio de mesure 7
8 est complétée par Heri Léo Lebesgue (875-94) et sa théorie de l itégratio. La première versio modere du théorème cetral limite est doée par Alexadre Liapouov e 90 et la première preuve du théorème modere est due à Paul Lévy e 90. Il faudra attedre 933 pour que la théorie des probabilités sorte d u esemble de méthodes et d exemples divers et deviee ue véritable théorie, axiomatisée par Adreï Nikolaïevitch Kolmogorov ( )..2 L espace probabilisé (Ω, A, P) Le but de la théorie des probabilités est de fourir u modèle mathématique pour décrire les expérieces aléatoires. Sous sa forme modere, la formulatio de cette théorie cotiet trois igrédiets : l espace des états, les évéemets, et la loi de probabilité ou simplemet la probabilité. Das toute la suite, ous cosidéros ue expériece aléatoire que ous cherchos à modéliser..2. Espace des états Défiitio. L espace des états appelé aussi uivers, oté Ω, est l esemble des résultats possibles de l expériece. Exercice.. Détermier u espace des états possible das les expérieces suivates.. Lacer d ue pièce de moaie. 2. Deux lacers successifs d ue même pièce de moaie. 3. Lacer d u dé. 4. Deux lacers successifs d u même dé, et o s itéresse à la somme des ombres obteus. 5. Lacer d u même dé idéfiimet. 6. Durée de vie d u idividu. 7. Promeade d u ivroge das ue rue (u pas e avat, u pas e arrière). 8. Trajectoire d ue poussière à la surface de l eau pedat u itervalle de temps [0, T ]. Solutio... Ω = {P, F }. 2. Ω = {P P, P F, F P, F F }. 3. Ω = {, 2, 3, 4, 5, 6}. 4. Das ce cas, il y a trois choix raisoables : Ω = {(i, j) : i {,, 6}, j {,, 6}} = {,, 6} 2, Ω 2 = {2, 3, 4,, 2}, Ω 3 = {{i, j} : i {,, 6}, j {,, 6}, i j}. 5. Ω = {(u ) : N, u {,, 6}} = {,, 6} N. 6. Ω = {x R + : 0 x 20}. 7. Ω = {(u ) : N, u {, }} = {, } N. 8. Ω = C([0, T ]; R 2 ). 8
9 .2.2 Évéemets Défiitio heuristique. U évéemet est ue propriété dot o peut dire si elle est réalisée ou o, ue fois l issue de l expériece coue. À chaque évéemet correspod u sous-esemble de l espace des états Ω. U sigleto, c est-à-dire u évéemet réduit à u seul élémet de Ω, est appelé u évéemet élémetaire, sio o parle d évéemet composite. O ote u évéemet par ue lettre majuscule A, B, C... et l esemble de tous les évéemets de Ω par A. Remarque. Nous verros au paragraphe suivat la défiitio (mathématique) d u évéemet. Pour l istat, essayos de voir à quelles propriétés doivet satisfaire les évéemets. Exercice.2. Cet exercice est la suite de l Exercice.. O repred la umérotatio déjà utilisée. Décrire les évéemets suivats comme des sous-esembles de l espace des états Ω. 2. Le premier jet doe pile. 4. La somme des résultats obteus est égale à Le premier est obteu au N-ième lacer. 6. L idividu atteit au mois 50 as. 7. L ivroge avace au N-ième pas. Solutio L évéemet le premier jet doe pile correspod au sous-esemble {P P, P F }. 4. L évéemet la somme des résultats obteus est égale à 4 correspod au sous-esemble : {(, 3), (2, 2), (3, )} de Ω, au sous-esemble {4} de Ω 2, et au sous-esemble {{, 3}, {2, 2}} de Ω L évéemet le premier est obteu au N-ième lacer correspod au sous-esemble : {(u ) Ω : u 2,, u N 2, u N = }. 6. L évéemet l idividu atteit au mois 50 as correspod au sous-esemble : {x R + : 50 x 20}. 7. L évéemet l ivroge avace au N-ième pas correspod au sous-esemble : {(u ) Ω : u N = }. Remarque. Les évéemets, qui sot par défiitio des sous-esembles de l uivers, sot e gééral décrits à l aide de phrases das u premier temps. E effet, o commece par se poser ue questio liée à ue expériece aléatoire, puis o itroduit u modèle probabiliste pour y répodre. Par exemple, o cherche la probabilité que la somme de deux dés lacés au hasard soit égale à 4 ; l évéemet cosidéré est alors la somme des dés est égale à 4. Ue fois fixé le choix de l uivers, u évéemet correspod à u uique sous-esemble de ce derier. Comme il y a pas forcémet uicité du modèle et qu alors les évéemets peuvet s écrire e termes de sous-esembles sous des formes différetes, la phrase qui décrit u évéemet permet de se compredre, quel que soit le modèle choisi, voir par exemple les Exercices. et.2 uméro 4. Remarquos aussi que, état doé u sous-esemble d u uivers, il est souvet possible de le décrire par différetes phrases, qui représetet toutes le même évéemet. Par exemple l évéemet {P F, F F } de l Exercice.2 uméro 2 peut se traduire par le premier jet doe pile ou le premier jet e doe pas face. A oter que le passage de la phrase au sous-esemble et réciproquemet est raremet expliqué das les mauels scolaires et les élèves se voiet devoir travailler sur des évéemets e termes de phrases alors qu o viet de leur expliquer qu u évéemet est ue partie de l uivers, pas facile de s y retrouver pour eux... 9
10 Puisque les évéemets sot des esembles, o peut effectuer les opératios habituelles, avec la correspodace suivate etre les termiologies esembliste et probabiliste. Notatio Termiologie esembliste Termiologie probabiliste Ω esemble etier espace des états, évéemet certai ω élémet de Ω évéemet élémetaire A sous-esemble de Ω évéemet ω A ω appartiet à A A est réalisé si ω est le résultat de l expériece A B A est iclu das B si A est réalisé alors B aussi A B réuio de A et B l évéemet A ou B (ou o exclusif!) A B itersectio de A et B l évéemet A et B A c complémetaire de A l évéemet cotraire de A esemble vide évéemet impossible A B = A et B sot disjoits A et B sot icompatibles Exemple. Deux lacers successifs d ue même pièce de moaie. Soiet A = {P P }, B = {P F }, C = {F P, F F }. Alors, A B = {P P, P F } = C c, est l évéemet le premier jet doe pile ; A B =, est l évéemet impossible, A et B sot icompatibles. Propriété. Les opératios sur les évéemets satisfot aux règles suivates. Pour tous évéemets A, B, C, o a commutativité : A B = B A ; associativité : (A B) C = A (B C) ; distributivité : (A B) C = (A C) (B C) ; lois de De Morga : (A B) c = A c B c, et (A B) c = (A c B c ). Exercice.3. Soiet A, B, C trois évéemets liés à ue même expériece aléatoire. Doer e foctio de A, B, C, A c, B c, C c, de leurs réuios, itersectios, l expressio des évéemets suivats : A seulemet est réalisé ; A et B seulemet sot réalisés ; au mois u des trois évéemets est réalisé ; au mois deux des trois évéemets sot réalisés ; u et u seul des trois évéemets est réalisé ; au plus deux des trois évéemets sot réalisés ; aucu des trois évéemets est réalisé. Solutio.3. A B c C c. A B C c. A B C. (A B) (A C) (B C). (A B c C c ) (B A c C c ) (C A c B c ). (A B C) c = A c B c C c. A c B c C c = (A B C) c..2.3 Tribu L esemble des évéemets A associés à ue expériece aléatoire est doc u sous-esemble des parties de Ω, A P(Ω). Il semblerait aturel de predre A = P(Ω), mais il y a alors des 0
11 exemples où il est impossible d associer à chaque évéemet ue probabilité de faço cohérete. Das ces cas-là, il est doc écessaire de se restreidre à u sous-esemble strict de P(Ω) coteat les évéemets itéressats. L esemble des évéemets que l o cosidère e probabilité doivet satisfaire à quelques propriétés aturelles, ils doivet former ue tribu, dot voici la défiitio. Défiitio. U esemble A de parties de Ω est ue tribu, ou σ-algèbre, s il satisfait aux coditios suivates :. Ω A ; 2. A P(Ω), A A A c A ; 3. A est stable par réuio fiie ou déombrable. Exemple.. {, Ω} est ue tribu et c est la plus petite (au ses de l iclusio). P(Ω) est ue tribu et c est la plus grade. Soit C u esemble arbitraire de parties de Ω, alors la plus petite tribu coteat C, otée σ(c) est appelée la tribu egedrée par C. O admet l existece de cette tribu. Soit A P(Ω), A, A Ω, alors la tribu egedrée par A est σ(a) = {, A, A c, Ω}. Sur R, o utilise la tribu egedrée par les ouverts de R, appelée tribu boréliee de R. O admet le fait qu elle soit différete de P(R). Das le cas où l espace des états est fii ou déombrable, o pred toujours A = P(Ω). Exercice.4. Soit Ω = {, 2, 3}. Quelle est la tribu egedrée par A = {, 2}? Quelle est la tribu egedrée par C = {{}, {2}}? Solutio.4. D après l Exemple., la tribu egedrée par A = {, 2} est {, {, 2}, {3}, {, 2, 3}}. La tribu egedrée par C est stable par réuio et complémetatio, elle doit doc coteir {, 2} et {3} ; e particulier elle cotiet {}, {2}, {3}. Il est alors facile de voir que σ(c) = P(Ω). Défiitio. L esemble des évéemets associé à ue expériece est la tribu A choisie sur Ω. Remarque. Das le cas où l espace des états est fii ou déombrable, puisque A = P(Ω), u évéemet est doc simplemet importe quel sous-esemble de Ω. O retrouve bie la défiitio doée das l eseigemet secodaire..2.4 Probabilité Nous souhaitos maiteat associer à chacu des évéemets ue probabilité, qui mesure la vraisemblace que l o accorde a priori à l évéemet avat la réalisatio de l expériece. C est ue des doées du modèle, que l o peut compredre ituitivemet de différetes maières, e voici deux. Approche utilisat les symétries. O cosidère u dé o-pipé. Il est alors aturel de supposer que chacue des issues possibles ait la même probabilité égale à /6. Il faut cepedat être prudet avec cette approche. E effet, supposos que ous souhaitios détermier la probabilité
12 du sexe d u ouveau é. Il y a aucue raiso de peser qu il y a plus de chaces d avoir u garço ou ue fille, de sorte qu il est aturel d associer ue probabilité /2 à chacu des évéemets élémetaires. Cepedat, les statistiques motret que la proportio de garços ouvellemet é est de 5, 2% (INED, Frace métropolitaie). Approche fréquetiste. O suppose qu ue expériece d uivers Ω est exécutée plusieurs fois sous les mêmes coditios. Pour chaque évéemet A de Ω, o défiit N (A) comme le ombre de fois où l évéemet A surviet lors des N premières répétitios de l expériece. Alors la probabilité de l évéemet A, otée P(A), est défiie comme la limite, das u ses à préciser, du quotiet N (A)/N. Cela veut dire que P(A) est défiie comme la limite du pourcetage du ombre de fois où A surviet par rapport au ombre total des répétitios. C est doc la fréquece limite de A. Bie que cette défiitio soit ituitivemet commode, elle présete u sérieux icovéiet. E effet, il faut justifier de l existece de la limite, ce qui est difficile a priori. Il est plus raisoable d admettre que les probabilités satisfot à u esemble d axiomes simples et ituitivemet acceptables, pour esuite démotrer qu ue telle fréquece limite existe das u certai ses (voir plus loi la loi des grads ombres). Défiitio. État doés u espace d états Ω et ue tribu d évéemets A, ue probabilité P sur (Ω, A), est ue applicatio de A das [0, ], possédat les propriétés suivates.. L évéemet certai est de probabilité : P(Ω) =. 2. Axiome de σ-additivité : pour toute famille déombrable (A ) 0 d évéemets de A, deux-à-deux disjoits, o a ( ) + P A = P(A ). 0 =0 Le triplet (Ω, A, P) est alors appelé u espace probabilisé. O a les coséqueces immédiates suivates. Propositio.. Soit (Ω, A, P) u espace probabilisé et soiet deux évéemets A A, B A.. Additivité. Si A et B sot disjoits, alors P(A B) = P(A) + P(B). E particulier, P(A c ) = P(A), et P( ) = Si A B, alors : P(A) P(B). 3. P(A B) = P(A) + P(B) P(A B). Plus gééralemet, o a la formule de Poicaré : Soit (A ) N = ue famille d évéemets de A, alors : ( N P = A ) = N ( ) = Exercice.5. Démotrer la Propositio.. J {,, N} Card(J) = ( P k J A k ). Voici ue coséquece plus abstraite, qui est fréquemmet utilisée. Propositio.2. Soit (Ω, A, P) u espace probabilisé. 2
13 Soit (A ) ue suite croissate d évéemets de A, c est-à-dire, pour tout, A A +. Soit A = + A, alors : = P(A) = lim P(A ). + Soit (B ) ue suite décroissate d évéemets de A, c est-à-dire, pour tout, B B +. Soit B = + B, alors : = P(B) = lim P(B ). + Remarque.. Les suites réelles (P(A )) et (P(B )) sot respectivemet croissate et décroissate, borées, doc covergetes, justifiat aisi l existece de la limite. Par ailleurs, la ( N suite A )N, égale à (A N) N, est ue suite croissate au ses de l iclusio, et l esemble + = = A est habituellemet oté peut ecore s écrire : = lim A, de sorte que le résultat de la propositio précédete + ( ) P lim A + = lim + P(A ). ( N De même, la suite B )N, égale à (B N) N, est ue suite décroissate au ses de l iclusio, et l esemble + = propositio précédete s écrit : B est habituellemet oté ( ) P lim B + lim B, de sorte que le résultat de la + = lim + P(B ). Démostratio. Démotros la propositio das le cas d ue suite croissate d évéemets. Posos C = A et pour tout 2, C = A A c. Aisi, pour tout 2, A = C A, où la réuio est disjoite, de sorte que : P(A ) = P(C ) + P(A ). c2 c3... A3 A2 A c Figure. Ue visio schématique d ue suite croissate d évéemets (A ). Les évéemets (C ) sot les aeaux successifs. La famille (C ) est ue famille déombrable d évéemets disjoits deux à deux. Aisi, d après la propriété de σ-additivité, o a : ( P C ) = 3 + = P(C ).
14 Puisque de plus, P(A) = C = A, o déduit que, lim N + = = lim N + N P(C ) = ( P(A ) + lim N + ( P(C ) + ) N [P(A ) P(A )] =2 ) N [P(A ) P(A )] =2 = lim N + P(A N). Remarque.2. O rappelle : ω A N, ω A, et ω A N, ω A. Exemple.2. U exemple d applicatio de la Propositio.2 est doé das l Exercice
15 Chapitre 2 Costructio d espaces probabilisés 2. Espace des états fii 2.. Espace probabilisé O suppose das la suite que l espace des états Ω est de cardial fii. Das ce cas, la tribu cosidérée est simplemet A = P(Ω) et la défiitio d ue probabilité pred la forme suivate, qui est celle utilisée au lycée. Défiitio. Ue probabilité P sur (Ω, P(Ω)), est ue applicatio de P(Ω) das [0, ], possédat les propriétés suivates.. L évéemet certai est de probabilité : P(Ω) =. 2. Axiome d additivité : pour tous A P(Ω), B P(Ω), tels que A et B sot disjoits, o a P(A B) = P(A) + P(B). Exercice 2.. Motrer que cette défiitio est équivalete à celle doée à la Sectio.2.4 das le cas gééral. O remarquera que, lorsque l espace des états est de cardial fii, toute famille déombrable d évéemets disjoits deux-à-deux cotiet u ombre fii d évéemets o vides. Remarque. Repreos l approche fréquetiste vue à la Sectio.2.4. Les fréqueces A(N) N de réalisatio d u évéemet A sur les N premières répétitios d ue expériece vérifiet les propriétés suivates : i) pour tout évéemet A, 0 A(N) N ; ii) Ω(N) N = ; iii) si A et B sot des évéemets icompatibles, A B(N) N = A(N) N + B(N) N. La défiitio d ue probabilité doée ci-dessus découle aturellemet de ces trois propriétés. Propositio 2.. Ue probabilité sur (Ω, P(Ω)) est caractérisée par sa valeur sur les sigletos {ω}, pour tout ω Ω. Réciproquemet, à toute famille (p ω ) ω Ω telle que :. pour tout ω Ω, 0 p ω, 2. p ω =, ω Ω 5
16 o peut associer ue uique probabilité P sur (Ω, P(Ω)) défiie par : P({ω}) = p ω. O éted esuite P à P(Ω) par additivité : pour tout A P(Ω), P(A) = ω A p ω. Exercice 2.2. Démotrer la Propositio 2.. Défiitio. Ue probabilité P sur (A, Ω) est dite uiforme, si P({ω}) e déped pas de ω Ω. O dit alors que l o est e situatio d équiprobabilité. Corollaire 2.. Das ce cas, pour tout ω Ω, P({ω}) = Card(Ω), et, pour tout évéemet A P(Ω), o a : P(A) = Card(A) Card(Ω). Remarque. Pour sigaler que l o est e situatio d équiprobabilité, les mauels scolaires ot coutume d écrire que le phéomèe se produit au hasard pour permettre à l élève de compredre qu il doit choisir la probabilité uiforme. Cela a pourtat aucu ses, puisque importe quel modèle probabiliste modélise u phéomèe aléatoire... Lorsque l o veut préciser que l o est e situatio d équiprobabilité, o mettra doc l expressio au hasard etre guillemets, motrat aisi que l o est cosciet que cette expressio e veut rie dire. Cette remarque sera approfodie e Didactique, otammet avec le paradoxe de Bertrad. Exemple. Repreos la questio 4 des Exercices. et.2 du Chapitre et calculos la probabilité de l évéemet A la somme des dés est égale à 4. Supposos que l o ait choisi l espace Ω. Alors, o est e situatio d équiprobabilité et la probabilité P sur Ω est uiforme, de sorte que pour tout (i, j) {,, 6} 2 : P [{(i, j)}] = 36. Aisi, P (A) = P [{(, 3), (2, 2), (3, )}] = Card(A) Card(Ω ) = Supposos maiteat que l o ait choisi l espace Ω 2. Alors, o est plus e situatio d équiprobabilité. Au vu des coditios de l expériece, o défiit P 2 aisi : P 2 ({2}) = P 2 ({2}) = 36, P 2({3}) = P 2 ({}) = 8, P 2({4}) = P 2 ({0}) = 2, P 2 ({5}) = P 2 ({9}) = 9, P 2({6}) = P 2 ({8}) = 5 36, P 2({7}) = 6. Aisi, P 2 (A) = P 2 ({4}) = 2 mais Card(A) Card(Ω 2 ) =, d où P 2(A) Card(A) Card(Ω 2 ). Remarquer que s il o avait choisi l uivers Ω 3, o e serait pas o plus e situatio d équiprobabilité. Cet exemple motre qu il est très importat de spécifier le choix d uivers et de probabilité. Bie que les résultats fiaux e chaget pas, les raisoemets pour y arriver sot différets et doivet être explicités. Lorsque l espace des états est fii, les calculs de probabilités se ramèet essetiellemet à des problèmes de déombremet, sujet de la sectio suivate. 6
17 2..2 Déombremet, modèle d ure Défiitio. Ue populatio de taille N est u esemble S = {s,, s N } de N élémets. Les élémets de S sot les idividus de la populatio S. La taille N est le ombre d élémets de S. Tirages ordoés U échatillo de taille r est u r-uplet (s i,, s ir ) d élémets de S. Deux procédures sot possibles. Le tirage avec remise. Das ce cas, chaque élémet de l esemble peut être choisi à plusieurs reprises. O parle alors d échatillo de taille r avec répétitios. Soit Ω l esemble de ces échatillos, alors Ω = {s,, s N } r, et : Card(Ω ) = N r. Exemple. Soit S = {, 2, 3, 4} et r = 2. Alors Ω peut être représeté par la matrice M ci-dessous, et Card(Ω ) = 6. M = (, ) (, 2) (, 3) (, 4).. (4, ) (4, 2) (4, 3) (4, 4) Le tirage sas remise. Das ce cas, chaque élémet de l esemble peut être choisi au plus ue fois. O parle alors d échatillo de taille r sas répétitio, ou d arragemet des élémets de S pris r à r. Naturellemet, o impose les coditios supplémetaires r N, et j k, i j i k. Soit Ω 2 l esemble de ces échatillos, o a alors : Card(Ω 2 ) = N(N ) (N r + ) = N! (N r)! Ce ombre a deux otatios usuelles : A r N ou (N) r (symbole de Pochhammer, qui est pas au programme du CAPES). Exemple. Soit S = {, 2, 3, 4} et r = 2. Alors Ω 2 peut être représeté par la matrice M privée de sa diagoale et Card(Ω 2 ) = 2. Exemple. O cosidère ue populatio de taille N et u échatillo aléatoire de taille r avec répétitio. O choisit alors comme uivers Ω que l o muit de la probabilité uiforme, otée P. O s itéresse à l évéemet A aucu idividu a été choisi plus d ue fois qui est la même chose que tous les idividus sot disticts. Alors o a, A = Ω 2 et : Doos quelques applicatios de ce résultat. P(A) = Card(Ω 2) Card(Ω ) = Ar N N r.. O jette u dé six fois de suite. Alors la probabilité d obteir six ombres disticts est 6! 6 6 0, Supposos que das ue ville, il y ait sept accidets par semaie. Alors la probabilité d avoir exactemet u accidet chaque jour de la semaie est 7! 7 7 0,
18 Tirages o ordoés Ue sous-populatio de taille r est u sous-esemble {s i,, s ir } d élémets de S. De maière similaire aux tirages ordoés, deux procédures sot possibles. Le tirage sas remise. O parle alors de sous-populatio de taille r sas répétitio, ou de combiaiso de r élémets. O impose à ouveau les coditios supplémetaires, r N, et j k, i j i k. Soit Ω 3 l esemble de ces populatios, o a alors : Card(Ω 3 ) = N! (N r)!r!. Ce ombre, appelé coefficiet biomial, a deux otatios usuelles : CN r (otatio qui est plus e vigueur das les lycées) ou ( ) N r (otatio aglo-saxoe). Exemple. Soit S = {, 2, 3, 4} et r = 2. Alors Ω 3 peut être représeté par le triagle supérieur de la matrice M, privé de la diagoale et Card(Ω 3 ) = 6. Démostratio. Chacu des sous-esembles à r élémets fourit r! échatillos de taille r sas répétitio, de sorte que Card(Ω 2 ) = r! Card(Ω 3 ). Exemple 2... O appelle mai de poker l esemble des 5 cartes que chacu des quatre joueurs reçoit lors de la distributio d u jeu qui e cotiet 32. Alors il existe ( ) 32 5 mais différetes. Soit A l évéemet les hauteurs des 5 cartes sot différetes, calculos Card(A). O peut choisir ces hauteurs de ( 8 5) maières différetes. Il faut esuite choisir la couleur (trèfle, carreau, cœur, pique) de chacue des hauteurs. Aisi : ( ) 8 Card(A) = État doé que toutes les mais sot supposées équiprobables, la probabilité d obteir ue mai dot les 5 cartes ot ue hauteur différete est : ( 8 ) P(A) = ( 32 ) Ue ure cotiet N b boules blaches et N boules oires. Posos N = N b + N. O tire r boules avec remise das l ure, il y a alors N r tirages possibles. Soit A k l évéemet o a tiré exactemet k boules blaches, calculos Card(A k ). L évéemet A k est réalisé lorsque l issue est costituée de k boules blaches et r k boules oires. Il y a ( r k) faços de choisir la positio des boules blaches, la positio des boules oires est esuite fixée. Pour chacue des positios de boule blache, il y a esuite N b choix de boules blaches possibles, et pour chacue des positios de boule oire, il y a N choix possibles, aisi : ( ) r Card(A k ) = Nb k k N r k. État doé que tous les tirages sot supposés équiprobables, la probabilité d obteir exactemet k boules blaches lors d u tirage de r boules avec remise est : ( r ) k N k P(A k ) = b N r k ( ) ( ) r k ( ) r k Nb N N r =. k N N Ceci est u exemple de la loi biomiale, que ous reverros plus tard. 8
19 3. Soit S ue populatio de taille N (ex. des étudiats), que l o rage e deux catégories a et b icompatibles (ex. filles et garços), de tailles respectives N a et N b = N N a. O choisit au hasard ue sous-populatio de taille r sas répétitio, il y a alors ( ) N r choix possibles. Soit A k l évéemet o a choisi exactemet k idividus de la catégorie a, calculos Card(A k ). L évéemet est réalisé lorsque l issue est costituée de k idividus de la catégorie a et r k de la catégorie b. Il y a ( N a ) k faços de choisir les k idividus de la catégorie a et pour chacue il y a ( N N a ) r k faços de choisir les idividus restats das la catégorie b, aisi : ( )( ) Na N Na Card(A k ) =. k r k Remarquer que pour que ceci ait u ses, il faut que 0 k mi{r, N a }. État doé que tous les tirages sot supposés équiprobables, la probabilité d obteir k idividus de la catégorie a lors de ce tirage est : P(A k ) = )( Nb ) k r k ( N ). r ( Na Ceci est u exemple de la loi hypergéométrique. Remarque. Supposos que N a = N a (N) soit ue foctio de N et que le ombre total de boules tede vers l ifii, de sorte que la proportio Na N tede vers p (et doc que N b N tede vers p), avec 0 < p <. Aisi, N a et N b tedet vers + avec N. Fixos r 0 et k compris etre 0 et r. Alors, pour N assez grad, o a N a k, N b r k et P(A k ) peut s écrire : P(A k ) = N a(n a )... (N a k + ) k! = N b (N b )... (N b r + k + ) (r k)! r! N a (N a )... (N a k + ) N b (N b )... (N b r + k + ) k!(r k)! N(N )... (N r + ) r! = k!(r k)! ( r = k N + N k Na N ( Na N N )... ( Na N ) Na N ( Na N N )... ( Na N ( r ) k p k ( p) r k r! N(N )... (N r + ) k N ) N r k N b N ( N b N N )... ( N b N r k r )... ( N r ( N k N ) N b N ( N b N ( N. )... ( r N ) N )... ( N b N N ) r k N ) N ) Aisi, P(A k ) ted vers ( r k) p k ( p) r k. O a doc obteu la loi biomiale comme limite de lois hypergéométriques. Ce résultat est ituitif, car lorsque le ombre de boules est très grad, que le tirage s effectue avec ou sas remise e chage pas grad chose : o a peu de chace de tirer deux fois la même boule. Partitioemet Soiet r,, r k des etiers positifs (évetuellemet uls) tels que, r + + r k = N. Le ombre de faços de répartir N objets das k familles de sorte que la i-ième famille cotiee r i élémets est égal à : N! r! r k!. Ce ombre se ote ( ) N r r k et s appelle coefficiet multiomial. 9
20 Démostratio. Pour remplir la première famille, il faut choisir r objets parmi N, ce qui peut se faire de ( ) N r faços. Pour remplir la secode famille, il faut choisir r2 objets parmi N r, soit ( N r ) r 2. E cotiuat aisi, o obtiet que le ombre de telles répartitios est de : ( )( N N r r r 2 ) ( ) N r r k = r k N! r! r k!. Exemple. Le ombre d aagrammes du mot CHERCHER est 8! 2!2!2!2!. Le tirage avec remise. O parle alors de sous-populatio de taille r avec répétitios. Soit Ω 4 l esemble de ces populatios, o a alors : ( ) ( ) N + r N + r Card(Ω 4 ) = =. N r Exemple. Soit S = {, 2, 3, 4} et r = 2. Alors Ω 4 peut être représeté par le triagle supérieur de la matrice M et Card(Ω 4 ) = 0. Démostratio. Ce problème reviet à placer r boules idistiguables das N ures. E effet, le ombre de boules das la i-ième ure compte le ombre de répétitios de l idividu i lors du tirage. Représetos les r boules par r étoiles aligées, avec ue cloiso à chacue des extrémités. Par exemple, lorsque r = 7, Répartir les r boules das N ures reviet à rajouter N cloisos format les N ures. Par exemple, lorsque r = 7, N = 3,, représete le tirage : s, s, s 3, s 3, s 3, s 3, s 3. Aisi, ce problème reviet à placer N cloisos sur N + r positios, les positios restates état occupées par des. Exemple. Soiet r N et N. O cherche à compter le ombre de suites d etiers aturels r,, r, telles que : r + + r = r. Ce problème reviet à placer r boules idistiguables das ures, où le ombre de boules das la i-ième ure représete r i. Aisi, le ombre de ces suites est ( ) +r. Par exemple, si r = 0, = 3, représete la partitio (2, 5, 3) de 0. Remarquer que ces suites sot aturellemet ordoées de sorte que l o distigue (2, 5, 3) de (5, 3, 2). Exercices Exercice 2.3. Supposos que 23 persoes sot das ue même salle. Quelle est la probabilité qu au mois deux d etre elles aiet l aiversaire le même jour? (O e cosidérera pas les aées bissextiles.) Exercice 2.4. Das ue course, chevaux sot au départ. O suppose qu ils ot tous la même chace de gager. Calculer la probabilité de gager le tiercé avec u ticket : 20
FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailII 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 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 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 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 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 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* 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en 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 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 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 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 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 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 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 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 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 détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
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 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 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 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 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 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 fibre optique arrive chez vous Devenez acteur de la révolution numérique
2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit
Plus en détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en 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 détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
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 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 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 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 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 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 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 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 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 détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
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 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 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 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 détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailFaites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes
Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour
Plus en détailDonnez de la liberté à vos données. BiBOARD. www.biboard.fr
Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,
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 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 détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailContribution à la théorie des entiers friables
UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN
Plus en détail