Eléments de probabilités
|
|
- Stéphanie Julien
- il y a 7 ans
- Total affichages :
Transcription
1 .. Eléments de probabilités Michaël Genin Université de Lille 2 EA Santé Publique : Epidémiologie et Qualité des soins michael.genin@univ-lille2.fr
2 Plan. 1 Introduction. 2 Expérience aléatoire. 3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
3 Plan. 1 Introduction. 2 Expérience aléatoire. 3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
4 Plan. 1 Introduction. 2 Expérience aléatoire. 3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
5 Introduction Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
6 Introduction Introduction Théorie des probabilités modélisation de l incertitude Premières notions de probabilités issues des jeux de hasard (16ème siècle) Gains moyens... Théorie mathématique, composée d axiomes, qui n a pas à être justifiée Intuitivement : une probabilité est une fréquence Exemple 1 : Echantillon de 100 personnes 10 malades Extrapolation à toute la population : % de malades = probabilité d être malade = 10% Exemple 2 : lancé d une pièce de monnaie Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
7 Expérience aléatoire Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
8 Expérience aléatoire Expérience aléatoire On appelle expérience aléatoire tous processus qui engendre des résultats ou des observations dont il est impossible de connaître à l avance l issue. Exemple Lancé de dé, d un pièce de monnaie, choix d une carte dans un jeu, temps de survie d un patient... Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
9 Expérience aléatoire Ensemble fondamental On appelle ensemble fondamental (ou univers des possibles) l ensemble de tous les résultats possibles d une expérience aléatoire. Il est noté Ω. Exemple : lancé d un dé Ω = {1, 2, 3, 4, 5, 6} Remarque : Tout résultat de l expérience aléatoire correspond à un élément et un seul de l ensemble fondamental Ω. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
10 Expérience aléatoire Evénement Un évènement A est un ensemble d éléments de Ω (A Ω). L évènement A est dit réalisé si le résultat de l expérience aléatoire appartient à A. Evénement simple : si a Ω, l ensemble {a} réduit à l élément a est appelé événement élémentaire. Exemple : Le lancé du dé donne le chiffre 1 Evénement composé : notion générale d événement Exemple : Le lancé du dé donne un chiffre impair Evénement impossible : événement qui ne contient aucun élément de Ω. Il est noté. Exemple : Le lancé du dé donne un chiffre négatif Evénement certain : évènement qui contient tous les éléments de Ω. Par abus de langage il est noté Ω. Exemple : Le lancé du dé donne un chiffre compris entre 1 et 6 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
11 Expérience aléatoire Opérations sur les événements - 1 Union : Soient A, B Ω A B Ω et A B = A ou B ou les deux Intersection : Soient A, B Ω A B Ω et A B = A et B en même temps Si A et B ne peuvent se réaliser en même temps (A B = ) alors A et B sont incompatibles Différence : Soient A, B Ω A B Ω et A B = A mais pas B Si A B = alors A B = A Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
12 Expérience aléatoire Opérations sur les événements - 2 Complémentaire Ā : Soient A Ω Ā Ω et Ā = Ω A, tout sauf A Union exclusive : : Soient A, B Ω A B Ω et A B = (A B) (B A) Rappel : Cardinal card : Soient A Ω card(a) correspond au nombre d éléments de Ω compris dans A Un événement élémentaire a un cardinal égal à 1 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
13 Expérience aléatoire Quelques propriétés A Ā = Ω A Ā = A Ω = A A Ω = Ω A = A A = Règles de Morgan : A B = Ā B A B = Ā B Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
14 Expérience aléatoire Système complet d évènements Soient {A 1, A 2,..., A n } un ensemble d évènements de Ω. On dit que les {A 1, A 2,..., A n } forment un système complet d évènements si : { i j Ai A j = n i=1 A i = Ω Exemple du diagramme circulaire. A 1 A 2 A 3 A 4 A 5 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
15 Expérience aléatoire Exercice - 1 On lance un dé non pipé. On observe le résultat obtenu. Décrire l ensemble Ω. Donner son cardinal Donner un exemple de résultat de l expérience aléatoire Donner un exemple d événement de cette expérience aléatoire Décrire l évènement A = On obtient un chiffre pair en extension Décrire l évènement B = {1, 3, 5} en compréhension Décrire l événement certain en extension et en compréhension Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
16 Expérience aléatoire Exercice - 2 Toujours sur l histoire du dé Soient A = {2, 4, 6}, B = {1, 3, 5} et C = {1, 2}. Exprimer en extension et de façon compréhensive les événements suivants : Ā C B C B C B C Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
17 Expérience aléatoire Exercice - 3 On lance une pièce de monnaie jusqu à ce qu elle tombe sur pile et on compte le nombre de lancés nécessaires. Quel est l univers des possibles associé à cette expérience aléatoire? On attend le métro et observe le temps d attente. Quel est l univers associé à cette expérience aléatoire? Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
18 Expérience aléatoire Ensemble discret d événements Un ensemble fondamental Ω est dit discret s il contient un nombre fini ou infini dénombrable d éléments. si Ω est fini et contient n éléments, on note Ω = {a 1, a 2,..., a n } Exemple : lancé de dé si Ω est infini dénombrable, ses éléments peuvent être écrits comme une suite infinie a 1, a 2,..., a n,... Exemple : nombre d enfants dans une famille Dans tous les cas, on notera Ω = {a i } i I avec I N Par la suite, nous nous restreindrons aux ensembles fondamentaux discrets Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
19 Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
20 Introduction La réalisation d un évènement est lié au résultat d un expérience aléatoire Sa réalisation est donc probable (pas déterministe) On cherche à évaluer les chances de réalisation de cet événement lors d un expérience aléatoire Notion de probabilité d un évènement Théorie des probabilités est basée sur un ensemble d axiomes. Le calcul d un probabilité peut être souvent réalisé en utilisant directement les axiomes Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
21 Approche fréquentiste Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
22 Approche fréquentiste Approche fréquentiste On se base sur l expérience pour approcher la probabilité d un évènement. Exemple : lancé d une pièce de monnaie Objectif : Estimer P( Pile ) On effectue N lancés de pièce et on note le nombre de Pile N P. Intuitivement, la proportion N P nous donne une idée de P( Pile ). N Que se passe-t-il si on augmente la valeur de N? Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
23 Approche fréquentiste Approche fréquentiste Pourcentage de Pile en fonction du nombre de lancés de pièce Pourcentage de Pile Nombre de lancés Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
24 Approche fréquentiste Approche fréquentiste A mesure que N augmente, nous constatons que N P N tend vers 1/2 On définit la probabilité de tomber sur Pile de la manière suivante : P( Pile ) = N P lim N + N Problème : Nécessité de réaliser plusieurs expérimentations Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
25 Axiomatique de Kolmogorov Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
26 Axiomatique de Kolmogorov Axiomatique de Kolmogorov Probabilité théorique qui ne nécessite pas d expérimentation notion de connaissance a priori Exemple : lancé d un dé parfait Pas de lancer de dé P( Obtenir un 5 ) = 1 6 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
27 Axiomatique de Kolmogorov Axiomatique de Kolmogorov Définition axiomatique d une probabilité Soient Ω un ensemble fondamental associé à une expérience aléatoire et I une classe de parties de Ω (ensemble de tous les évènements de Ω). On appelle probabilité sur {Ω, I} une application P de I dans [0, 1] (P [0, 1]), qui vérifie :.1 P(Ω) = 1.2 Soit (A i ) i I, I N, une famille d évènements de I deux à deux disjoints (si i j, A i A j = ), alors : ( ) P A i = i I i I P(A i ) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
28 Axiomatique de Kolmogorov Axiomatique de Kolmogorov Propriétés Soient A, B Ω.1 P( ) = 0.2 P(Ā) = 1 P(A).3 Si A B alors P(A B) = P(A) + P(B) P(A B).4 P(A B) = P(A) P(A B) Si B A alors P(A B) = P(B) et donc P(A B) = P(A) P(B).5 Si B A alors P(B) P(A) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
29 Axiomatique de Kolmogorov Axiomatique de Kolmogorov Théorème des probabilités totales Soit B i un système complet d évènements sur Ω. A Ω : P(A) = i P(A B i ) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
30 Calcul de la probabilité d un événement Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
31 Calcul de la probabilité d un événement Calcul de la probabilité d un événement Soit Ω = {a i } i I, I N un ensemble fondamental fini ou dénombrable. Soit A Ω. La probabilité de l événement A est définie par : P(A) = P({a i }) i:a i A Autrement dit, la probabilité de A est égale à la somme des probabilités de tous les évènements élémentaires {a i } qui composent A Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
32 Ensemble fondamental équiprobable Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
33 Ensemble fondamental équiprobable Ensemble fondamental équiprobable Définition Si tous les éléments de Ω ont la même probabilité d apparition alors l ensemble Ω est appelé ensemble fondamental équiprobable. Propriété Soit Ω équiprobable (card(ω) = n) et A Ω contenant n A éléments : P(A) = 1 n + 1 n = n A }{{ n } n = card(a) card(ω) n A P(A) = Nb de cas favorables Nb de cas total Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
34 Ensemble fondamental équiprobable Ensemble fondamental équiprobable Exemple On jette un dé parfait et on s intéresse à l évènement A = Obtenir un chiffre supérieur ou égal à 5. Intuitivement, la probabilité d obtenir un chiffre est égale à 1/6 (ensemble équiprobable) A = {5, 6} P(A) = = 2 6 = card(a) card(ω) = 1 3 Remarque : il est important de savoir dénombrer les évènements!! Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
35 Ensemble fondamental équiprobable Rappels sur le dénombrement Le calcul du nombre de cas favorables d un évènement peut devenir rapidement fastidieux. Exemple : Un jeu de 32 cartes. Combien de mains possibles contenant 5 cartes? Combien de mains possibles contenant 3 As? Nécessité de techniques mathématiques pour dénombrer. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
36 Ensemble fondamental équiprobable Rappels sur le dénombrement Définition Soit E un ensemble à n éléments. On appelle combinaison de E à p éléments, tout ensemble de E à p éléments distincts. Le nombre de combinaisons possibles est donné par : C p n = Avec n! = n (n 1) (n 2) 1 n! p!(n p)! Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
37 Ensemble fondamental équiprobable Rappels sur le dénombrement Retour à l exemple Combien de mains possibles contenant 5 cartes? C 5 32 = 32! 5!(32 5)! = Combien de mains possibles contenant exactement 3 As? C 3 4 C 2 28 = 4! 3!(4 3)! 28! 2!(28 2)! = 1512 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
38 Ensemble fondamental équiprobable Rappels sur le dénombrement Retour à l exemple On peut donc calculer la probabilité de tirer une main contenant 3 As : P = Nb de cas favorables Nb de cas total = 1512 = 7, Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
39 Probabilité conditionnelle Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
40 Probabilité conditionnelle Probabilité conditionnelle Exemple introductif Soit une population de 1000 individus (N=1000). Dans cette population, on dénombre 450 individus sont des hommes 150 individus sont atteints d un pathologie M. On tire au hasard un individu (expérience aléatoire) dans cette population. On définit les évènements suivants : H : L individu est un homme M : L individu est atteint par la pathologie Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
41 Probabilité conditionnelle Probabilité conditionnelle Chaque individu à la même probabilité d être tiré (1/1000) ensemble fondamental Ω équiprobable. On peut donc calculer les probabilités des deux évènements précités : P(H) = card(h) card(ω) = = 0.45 P(M) = card(m) card(ω) = = 0.15 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
42 Probabilité conditionnelle Probabilité conditionnelle On tire un individu au hasard et on observe que c est un homme. Maintenant on s intéresse à la sous-population des hommes (450), dans laquelle 22 hommes sont atteints de la pathologie. On cherche à évaluer la probabilité qu un homme soit atteint de la pathologie. card(m H) card(h) = = On a donc calculé la probabilité d être atteint de la pathologie SACHANT qu on est un homme. On note cette probabilité P(M/H) = card(m H) card(h) = P(M H) P(H) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
43 Probabilité conditionnelle Probabilité conditionnelle Définition Soient B Ω un événement de probabilité non nulle (P(B) > 0) et A Ω. On appelle probabilité conditionnelle de A sachant B le rapport noté P(A/B) : P(A/B) = P(A B) P(B) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
44 Probabilité conditionnelle Probabilité conditionnelle Théorème de la multiplication P(A B) = P(A/B).P(B) = P(B/A).P(A) Autre propriété : P(Ā/B) = 1 P(A/B) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
45 Probabilité conditionnelle Probabilité conditionnelle Formules de Bayes : objectif exprimer P(B/A) en fonction de P(A/B) 1. Soient A, B Ω P(B/A) = P(A/B).P(B) P(A) 2. Soit B i un système complet d évènements. On peut écrire P(A B i ) = P(A/B i ).P(B i ) Le théorème des probabilités totales devient : P(A) = i P(A/B i ).P(B i ) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
46 Probabilité conditionnelle Probabilité conditionnelle On en déduit la deuxième formule de Bayes : P(B i /A) = P(A/B i).p(b i ) i P(A/B i).p(b i ) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
47 Probabilité conditionnelle Exercice 4 Dans une population on sait que 40% des individus sont fumeurs, 25% sont atteints d une pathologie M et que 15% sont à la fois fumeurs et atteints de la pathologie. On tire un individu au hasard dans cette population..1 Décrire les informations de l énoncé en termes de probabilités.2 Quelle est la probabilité que l individu soit atteint de M sachant qu il est fumeur?.3 Quelle est la probabilité que l individu soit fumeur sachant qu il est malade?.4 Quelle est la probabilité qu un individu ne soit pas malade sachant qu il est fumeur?.5 Quelle est la probabilité qu un individu soit fumeur sachant qu il n est pas malade? Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
48 Probabilité conditionnelle Exercice 5 Dans un population de 100 patients, on sait que 40 ont reçu un médicament M A, 35 ont reçu un médicament M B et 25 ont reçu un médicament M C. On sait par ailleurs, que ces médicaments donne des effets indésirables : M A dans 20% des cas M B dans 30% des cas M C dans 50% des cas Quelle est la probabilité d avoir un effet indésirable? Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
49 Indépendance Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
50 Indépendance Indépendance de deux événements Définition Soient A, B Ω. On dit que A est indépendant de B si P(A/B) = P(A) Autrement dit, la connaissance de B n apporte pas d information à la réalisation de A. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
51 Indépendance Indépendance de deux événements Propriété importante Si P(A/B) = P(A) alors : Donc P(A) = P(A B) P(B) P(A B) = P(A) P(B) Si P(A B) = P(A) P(B) alors A et B sont indépendants. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
52 Indépendance Indépendance mutuelle Définition Soient {A 1, A 2,..., A n } un ensemble d événements. Ceux-ci sont dit mutuellement indépendants si pour toute partie I de 1 l n [ ] P A i = P(A i ) I I Exemple : soient A, B et C des événements mutuellement indépendants, alors : P(A B C) = P(A).P(B).P(C) P(A B) = P(A).P(B) P(A C) = P(A).P(C) P(B C) = P(B).P(C) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
53 Indépendance Indépendance mutuelle Remarques La condition d indépendance mutuelle est beaucoup plus forte que l indépendance deux à deux. En application, il est rare de démontrer cette indépendance mutuelle propriété de l expérience aléatoire Tirage avec remise dans une population : les événements relatifs aux différents tirages sont indépendants entre eux. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
54 Indépendance Exercice 6 Une urne contient 12 boules numérotées de 1 à 12. On tire une boule au hasard et on considère les événements suivants : A = tirage d un nombre pair B = tirage d un multiple de 3 Les événements A et B sont-ils indépendants? Même question avec 13 boules. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51
Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en 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 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 détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailProbabilités conditionnelles
Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détail9 5 2 5 Espaces probabilisés
BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire
Plus en détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailIntroduction au Calcul des Probabilités
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus
Plus en détailMesure de probabilité, indépendance.
MATHEMATIQUES TD N 2 : PROBABILITES ELEMENTAIRES. R&T Saint-Malo - 2nde année - 2011/2012 Mesure de probabilité, indépendance. I. Des boules et des cartes - encore - 1. On tire simultanément 5 cartes d
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailProbabilités. I - Expérience aléatoire. II - Evénements
Probabilités Voici le premier cours de probabilités de votre vie. N avez-vous jamais eut envie de comprendre les règles des grands joueurs de poker et de les battre en calculant les probabilités d avoir
Plus en détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailAndrey Nikolaevich Kolmogorov
PROBABILITÉS La théorie des probabilités est née de l étude par les mathématiciens des jeux de hasard. D'ailleurs, le mot hasard provient du mot arabe «az-zahr» signifiant dé à jouer. On attribue au mathématicien
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailProbabilité 2 Ω = { P, F } Lancer un sou deux fois. Ω = { PP, PF, FP, FF} Ω = { 2, 3, 4,..., as }
. Définitions préliminaires Probabilité. Définitions préliminaires La théorie des probabilités utilise un langage emprunté à la théorie des ensembles. Il sera nécessaire de définir les éléments de ce langage
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailDunod, Paris, 2014 ISBN 978-2-10-059615-7
Illustration de couverture : Federo-istock.com Dunod, Paris, 2014 ISBN 978-2-10-059615-7 1.1 Symétrie du hasard et probabilité uniforme 3 1.2 Loi de probabilité sur un ensemble fini 6 1.3 Probabilité sur
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailExercices de dénombrement
Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailProbabilités et Statistique
Probabilités et Statistique Y. Velenik Version du 24 mai 2012 Dernière version téléchargeable à l adresse http://www.unige.ch/math/folks/velenik/cours.html 2011-2012 2 Table des matières Table des matières
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailPOKER ET PROBABILITÉ
POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailProbabilités et statistique. Benjamin JOURDAIN
Probabilités et statistique Benjamin JOURDAIN 11 septembre 2013 2 i ii À Anne Préface Ce livre est issu du polycopié du cours de probabilités et statistique de première année de l École des Ponts ParisTech
Plus en détailEI - EXERCICES DE PROBABILITES CORRIGES
EI 1 EI - EXERCICES DE PROBABILITES CORRIGES Notations 1 Les coefficients du binôme sont notés ( n p 2 Un arrangement de n objets pris p à p est noté A p n 3 Si A est un ensemble fini, on notera A ou card
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailExemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.
Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailLes probabilités. Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée Les probabilités produite par TFO.
Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée produite par TFO. Le guide Édition 1988 Rédacteur (version anglaise) : Ron Carr Traduction : Translatec Conseil Ltée
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailProbabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.
Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110
Plus en détailProblèmes de Mathématiques Filtres et ultrafiltres
Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailBureau N301 (Nautile) benjamin@leroy-beaulieu.ch
Pre-MBA Statistics Seances #1 à #5 : Benjamin Leroy-Beaulieu Bureau N301 (Nautile) benjamin@leroy-beaulieu.ch Mise à niveau statistique Seance #1 : 11 octobre Dénombrement et calculs de sommes 2 QUESTIONS
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en détailNOTES DE COURS STT1700. Introduction à la statistique. David Haziza
NOTES DE COURS STT1700 Introduction à la statistique David Haziza Automne 008 Qu est ce que la statistique? La statistique est la science dont le but est de donner un sens aux données. L étude statistique
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détailIntroduction aux Probabilités
Université Rennes 2 Licence MASS 2 Introduction aux Probabilités Arnaud Guyader Table des matières 1 Espaces probabilisés 1 1.1 Qu est-ce qu une probabilité?.............................. 1 1.1.1 Tribu.......................................
Plus en détailPRÉCIS DE SIMULATION
PRÉCIS DE SIMULATION P. Del Moral Centre INRIA Bordeaux Sud-Ouest & Institut de Mathématiques de Bordeaux Université Bordeaux I, 351, cours de la Libération 33405 Talence, France Table des matières 1
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailCOMBINATOIRES ET PROBABILITÉS
COMBINATOIRES ET PROBABILITÉS ème année. Analyse combinatoire.. Outils.. Principe de décomposition.. Permutations.. Arrangements..5 Combinaisons 8.. Développement du binôme 9..7 Ce qu il faut absolument
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailCorrection du baccalauréat S Liban juin 2007
Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau
Plus en détailFONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières
FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage
Plus en détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailGlossaire des nombres
Glossaire des nombres Numérisation et sens du nombre (4-6) Imprimeur de la Reine pour l'ontario, 008 Nombre : Objet mathématique qui représente une valeur numérique. Le chiffre est le symbole utilisé pour
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailDENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES
BTS GPN ERE ANNEE-MATHEMATIQUES-DENOMBREMENT-COMBINATOIRE-EXERCICE DE SYNTHESE EXERCICE RECAPITULATIF (DE SYNTHESE) CORRIGE Le jeu au poker fermé DENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES On joue
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détail