2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance.

Dimension: px
Commencer à balayer dès la page:

Download "2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch"

Transcription

1 2. Probabilité 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance Probabilité et Statistiques I Chapître 2 1

2 2.1 Espaces de Probabilité Contenu Exemples élémentaires de probabilité, motivation Expériences aléatoires, espace de probabilité, ensemble fondamental, espace des événements, mesure de probabilité, formules d inclusion-exclusion Références: Ross (Chapitre 2); notes de Ben Arous (II.1 II.3). Probabilité et Statistiques I Chapître 2 2

3 Motivation: Jeu de dé Illustration: Deux dés équilibrés sont lancés, un rouge et un vert. (a) Quel est l ensemble des résultats possibles? (b) Quels résultats donnent un total de 6? (c) Quels résultats donnent un total de 12? (d) Quels résultats donnent un total impair? (e) Quelles sont les probabilités des événements (b), (c), (d)? Probabilité et Statistiques I Chapître 2 3

4 Calcul de Probabilités On peut essayer de calculer les probabilités d événements tels que (b), (c), (d) en lançant le dé de nombreuses fois et en posant probabilité d un événement = # de fois où l événement se produit. # expériences réalisées C est une réponse pratique plutôt que mathématique, disponible (si disponible) seulement après beaucoup de travail (combien de fois doit-on lancer le dé?), et qui risque de donner des réponses différentes à chaque fois insatisfaisante! Pour des exemples simples, on utilise souvent la symétrie pour le calcul des probabilités. Ceci n est plus possible pour des cas plus compliqués on construit des modèles mathématiques, basés sur les notions d expérience aléatoire et d espace de probabilité. Probabilité et Statistiques I Chapître 2 4

5 Expérience Aléatoire Définition : Une expérience aléatoire est une expérience dont le résultat est (ou peut être traîté comme) aléatoire. Exemple 2.1: Je jette une pièce. Exemple 2.2: Le nombre de crevaisons qui m arrive lorsque je rentre à la maison. Exemple 2.3: Je lance 2 dés équilibrés, un rouge et un vert. Exemple 2.4: Le nombre d s que je reçois aujourd hui. Exemple 2.5: Le temps d attente jusqu à la fin de ce cours. Exemple 2.6: Le temps qu il fera ici demain à midi. Une expérience aléatoire est modelisée par un espace de probabilité. Probabilité et Statistiques I Chapître 2 5

6 Espace de Probabilité (Ω, F, P) Définition : Un espace de probabilité (Ω, F, P) est un objet mathématique associé à une expérience aléatoire, constitué de: un ensemble Ω, l ensemble fondamental, qui contient tous les résultats (épreuves, événements élémentaires) possibles de l expérience; une collection F de sous-ensembles de Ω. Ces sous-ensembles sont appelés événements, et F est appelé l espace des événements; une fonction P : F [0, 1] appelée loi de probabilité, qui associe une probabilité P(A) à chaque A F. Probabilité et Statistiques I Chapître 2 6

7 Ensemble Fondamental Ω L ensemble fondamental Ω est l ensemble composé d éléments représentant tous les résultats possibles d une expérience aléatoire. Chaque élément ω Ω est associé à un résultat différent. Ω est analogue à l ensemble univers. Il peut être fini, dénombrable ou non dénombrable. Ω est non-vide. (Si Ω = alors rien d intéréssant ne peut arriver.) Exercice : Décrire les ensembles fondamentaux pour les Exemples Probabilité et Statistiques I Chapître 2 7

8 Pour les exemples élémentaires avec Ω fini, on choisit souvent Ω de manière à ce que ω Ω soit équiprobable: P{ω} = 1, pour chaque ω Ω. Ω Alors P(A) = A / Ω, pour tout A Ω. Probabilité et Statistiques I Chapître 2 8

9 Espace des Evénements F F est un ensemble de sous-ensembles de Ω qui représente les événements d intérêt. Exemple 2.3 (ctd): Donner les événements A le dé rouge montre 4, B A B le total est impair, C le dé vert montre 2, le dé rouge montre 4 et le total est impair. Calculer leurs probabilités. Probabilité et Statistiques I Chapître 2 9

10 Définition : Un espace des événements F est un ensemble de sous-ensembles de Ω tel que: 1. F est non vide; 2. si A F alors A c F; 3. si {A i } i=1 sont tous des éléments de F, alors i=1 A i F. F est aussi appelée une tribu. Exercice: Donner les espaces des événements pour les Exemples Probabilité et Statistiques I Chapître 2 10

11 Soient A, B, C, {A i } i=1 impliquent que des éléments de F. les axiomes précédents n i=1 A i F, Ω F, F, A B F, A \ B F, A B F, n i=1 A i F. Si Ω est dénombrable, on prend souvent pour F l ensemble de tous les sous-ensembles de Ω. C est le plus grand (et le plus riche) espace des événements possibles pour Ω. On peut définir des espaces des événements différents pour le même ensemble fondamental. Probabilité et Statistiques I Chapître 2 11

12 Exemple 2.3 (ctd): Je lance deux dés équilibrés, un rouge et un vert. (a) Quel est mon espace des événements F 1? (b) J informe mon ami seulement du total. Quel est l espace des événements F 2? (c) Mon ami regarde lui-même les dés, mais il est daltonien. Quel est maintenant l espace des événements F 3? Habituellement l espace des événements est clair d après le contexte, mais il est important d écrire Ω et F explicitement, afin d éviter la confusion. Cela peut aussi être utile lorsque des soi-disant paradoxes surviennent (généralement en raison d une formulation mathématique du problème peu claire ou erronée). Il est essentiel de donner Ω et F lors des exercices, tests, et des examens. Probabilité et Statistiques I Chapître 2 12

13 Problème de Trois Dés Galileo ( ) Trois dés équilibrés sont lancés. Soient T i l événement le total est i, pour i = 3,...,18. Quel est le plus probable, T 9 ou T 10? T 9 peut se produire si les dés ont les résultats suivants 9 = = = = = = T 10 peut se produire si les dés ont les résultats suivants 10 = = = = = = Ainsi ils sont équiprobables. Vrai ou faux? Probabilité et Statistiques I Chapître 2 13

14 Exemple 2.7 (Famille): Une femme planifiant sa future famille considère les situations suivantes (on suppose que les chances d avoir un garçon ou une fille sont égales à chaque fois) : (a) avoir trois enfants; (b) mettre au monde des enfants jusqu à ce que la première fille naisse, ou jusqu à ce que les trois enfants naissent, s arrêter lorsque l une des 2 situations se réalise. (c) mettre au monde des enfants jusqu à ce que il y en ait un de chaque sexe ou jusqu à ce qu il en ait trois, s arrêter lorsque l une des 2 situations se réalise. Soient B i l événement i garçons sont nés, C l événement il y a plus de filles que de garçons. Calculer P(B 1 ) et P(C) sous (a) (c). Probabilité et Statistiques I Chapître 2 14

15 Loi de Probabilité P Définition : Une loi de probabilité P associe une probabilité à chaque élément de l espace des événements F, avec les propriétés suivantes: 1. si A F, alors 0 P(A) 1; 2. P(Ω) = 1; 3. si {A i } i=1 sont disjoints deux à deux (c est à dire que, A i A j =, i j), alors ( ) P A i = i=1 P(A i ). i=1 Probabilité et Statistiques I Chapître 2 15

16 Propriétés de P Théorème 2.1: Soient A, B, {A i } i=1 probabilité (Ω, F, P). Alors des événements de l espace de (a) P( ) = 0, (b) si A B =, alors P(A B) = P(A) + P(B), (c) P(A c ) = 1 P(A), P(A B) = P(A) + P(B) P(A B), (d) si A B, alors P(A) P(B), et P(B \ A) = P(B) P(A) (e) P ( i=1 A i) i=1 P(A i) ( inégalité de Boole), (f) si A 1 A 2, alors lim n P(A n ) = P ( i=1 A i), (g) si A 1 A 2, alors lim n P(A n ) = P ( i=1 A i). Probabilité et Statistiques I Chapître 2 16

17 Continuité de P Rappel: Une fonction f est continue en x si pour toute suite {x n } telle que lim x n = x, on a lim f(x n) = f(x). n n Les parties (f) et (g) du Théorème 2.1 peuvent être étendues pour montrer que pour toutes suites d ensembles pour lesquelles lim A n = A, on a lim P(A n) = P(A). n n C est pourquoi P est appelée fonction d ensembles continue. Probabilité et Statistiques I Chapître 2 17

18 Formules d Inclusion-Exclusion Si A 1,...,A n sont des événements de (Ω, F, P), alors P(A 1 A 2 ) = P(A 1 ) + P(A 2 ) P(A 1 A 2 ) P(A 1 A 2 A 3 ) = P(A 1 ) + P(A 2 ) + P(A 3 ) P ( n i=1 A i ). = P(A 1 A 2 ) P(A 1 A 3 ) P(A 2 A 3 ) +P(A 1 A 2 A 3 ) n ( 1) r+1 r=1 1 i 1 < <i r n Le nombre de termes dans la formule générale est ( ) ( ) ( ) ( ) ( ) n n n n n n 1 n P(A 1 A ir ). = 2 n 1. Probabilité et Statistiques I Chapître 2 18

19 Exemple 2.8: Quelle est la probabilité d obtenir au moins un 6 quand je lance 3 dés équilibrés? Exemple 2.9: Une urne contient 1000 tickets de loterie numérotés de 1 à On tire un ticket au hasard. Auparavant un artiste de foire a offert de payer $3 à quiconque qui lui donne $2, si le numéro du ticket est divisible par 2, 3, ou 5. Est ce que vous lui donneriez vos $2 avant le tirage? (Vous perdez votre argent si le ticket n est pas divisible par 2, 3, ou 5.) Probabilité et Statistiques I Chapître 2 19

20 2.2 Probabilité Conditionnelle Contenu Probabilité conditionnelle. Conditionnement et ces conséquences. Théorème de Bayes. Conditionnement multiple. Problèmes d appariement. Equations aux différences Références: Ross (Chapitre 3); notes de Ben Arous (Sections II.5, II.4). Probabilité et Statistiques I Chapître 2 20

21 Probabilité Conditionnelle Illustration: On lance deux dés équilibrés, un rouge et un vert. Soient A et B les événements le total excède 8, et on a 6 sur le dé rouge. Si on sait que B s est produit, comment change P(A)? Définition : Soient A, B des événements de l espace de probabilité (Ω, F, P), tel que P(B) > 0. Alors la probabilité conditionnelle de A sachant B est P(A B) P(A B) =. P(B) Si P(B) = 0, on adopte la convention P(A B) = P(A B)P(B), des deux côtés on a la valeur zéro. Ainsi P(A) = P(A B) + P(A B c ) = P(A B)P(B) + P(A B c )P(B c ) même si P(B) = 0 ou P(B c ) = 0. Probabilité et Statistiques I Chapître 2 21

22 Théorème 2.2 (Loi des probabilités totales): Soient {B i } i=1 les événements disjoints 2 à 2 (i.e. B i B j =, i j) de l espace de probabilité (Ω, F, P), et soit A événement satisfaisant A i=1 B i. Alors P(A) = P(A B i ) = P(A B i )P(B i ). i=1 Théorème 2.3 (Bayes): Supposons que les conditions ci-dessus soient vérifiées, et que P(A) > 0. Alors i=1 P(B j A) = P(A B j )P(B j ) i=1 P(A B, pour tout j N. i)p(b i ) En particulier, ces résultats sont vrais si les {B i } i=1 partitionent Ω. Probabilité et Statistiques I Chapître 2 22

23 Exemple 2.10: Des voitures sont fabriqués dans les villes de Farad, Gilbert et Henry. De 1000 voitures produites à Farad 20% sont défectueuses, de 2000 produites à Gilbert 10% sont défectueuses, et de 3000 produites à Henry 5% sont défectueuses. Vous achetez une voiture. Si D est l événement la voiture est défectueuse, calculer (a) P(F H c ), (b) P(D H c ), (c) P(D), et P(F D). Supposez que vous avez les mêmes chances d acheter une des 6000 voitures produites. Exemple 2.11: Vous passez un test de détection d une maladie rare qui est présente par hasard chez 1 personne sur 100,000. Le test est assez fiable: si vous avez la maladie, il a une probabilité de 0.95 d être positif ; si vous n avez pas la maladie, le test sera faussement positif avec une probabilité de Si le test est positif, quelle est la probabilité que c est un diagnostic correct de la maladie? Probabilité et Statistiques I Chapître 2 23

24 Lois de Probabilité Conditionnelle Théorème 2.4: Soit (Ω, F, P) un espace de probabilité, et soient B F tel que P(B) > 0 et Q(A) = P(A B). Alors (Ω, F, Q) est un espace de probabilité. En particulier, 1. si A F, alors 0 Q(A) 1; 2. Q(Ω) = 1; 3. si {A i } i=1 sont disjoints 2 à 2, alors Q ( i=1 A i ) = Q(A i ). j=1 Ainsi le conditionnement nous permet de construire beaucoup de lois de probabilités différentes, à partir d une loi de probabilité donnée. Probabilité et Statistiques I Chapître 2 24

25 Conditionnement Multiple Théorème 2.5 (Prédiction décomposition): Soient A 1,...,A n des événements d un espace de probabilité. Alors P(A 1 A 2 ) = P(A 2 A 1 )P(A 1 ) P(A 1 A 2 A 3 ) = P(A 3 A 1 A 2 )P(A 2 A 1 )P(A 1 ). P(A 1 A n ) = n P(A i A 1 A i 1 )P(A 1 ) i=2 Probabilité et Statistiques I Chapître 2 25

26 Exemple 2.14: On lance 2 dés équilibrés. Définir les événements A, B, C qui sont le total est au plus 6, le total est impair, et on obtient 4 pour le premier dé. (a) Comment la connaissance que B ou C soit réalisé, affecte la probabilité de A? (b) Calculer P(A B C). Probabilité et Statistiques I Chapître 2 26

27 Appariements Exemple 2.15: n hommes vont à un diner. Chacun laisse son chapeau au vestiaire. Lorsqu ils repartent, ayant bien échantillioné du vin régional, ils choisissent leurs chapeaux de façon aléatoire. (a) Quelle est la probabilité que personne n ait son chapeau? (b) Quelle est la probabilité qu exactement r hommes choisissent leur propre chapeau? (c) Que se passe-t-il lorsque n est très grand? Remarque: Les variations de cet exemple ont beaucoup d applications. Probabilité et Statistiques I Chapître 2 27

28 Equations aux Différences Le conditionnement est une notion importante en probabilité. Souvent il aboutit à des équations de différence qui doivent être résolues. Ci-dessous, un résultat qui peut être utile : Théorème : Soient a, α, c, d, {a k } k=0 {u k } k=0. des réels, et une suite (a) Si u k+1 a k u k = 0 pour k = 0, 1,..., alors u k = u 0 k 1 j=0 a j. (b) Si u k+1 u k = cα k pour k = 0, 1,..., alors { c(α u k u 0 = k 1)/(α 1), α 1, kc, α = 1. (c) Si a α et u k+1 au k = c + dα k pour k = 0, 1,..., alors u k = u 0 a k + c(1 a k )/(1 a) + d(α k a k )/(α a). Probabilité et Statistiques I Chapître 2 28

29 Exemple 2.12 (Ruine de Gambler): Vous entrez dans un casino avec $k, et à chaque tour de roulette, vous pariez $1 sur l événement R: le résultat est rouge. La roulette n est pas équilibrée, ainsi P(R) = p < 1 2. Si vous perdez vos $k vous devez partir, et si jamais vous possèdez $K $k, vous partez immédiatement. Quelle est la probabilité que vous partez sans argent? Exemple 2.13 (La mouche): Une pièce a 4 murs, un plancher, et un plafond. Une mouche se déplace entre ces surfaces. Si elle quitte le plancher ou le plafond alors il est équiprobable qu elle se pose sur un des 4 murs ou la surface qu elle vient juste de quitter. Si elle quitte un mur alors il est équiprobable qu elle se pose sur un des 3 autres murs, sur le plancher ou sur le plafond. Elle est initiallement au plafond. Calculer f k, la probabilité qu elle soit sur le plancher après k déplacements. Probabilité et Statistiques I Chapître 2 29

30 2.3 Indépendance Contenu Evénements indépendants Définition Types d indépendance Notions de fiabilité Applications Références: Ross (Chapitre 3); notes de Ben Arous (Sections II.5, II.4). Probabilité et Statistiques I Chapître 2 30

31 Evénements Indépendants Intuitivement, dire que A et B sont indépendants signifie que la réalisation d un des deux n affecte pas la réalisation de l autre. C est à dire que, P(A B) = P(A), donc la connaissance de la réalisation de B laisse P(A) inchangée. Exemple 2.16 (Dé à nouveau): On lance deux dés équilibrés. Soient A et B les événements le total est impair et le résultat du premier dé est un nombre impair. Calculer P(A) et P(A B). Exemple 2.17 (Garçons): Une famille a deux enfants. (a) On sait que le premier est un garçon. Quelle est la probabilité que le second soit un garçon? (b) On sait qu un des deux est un garçon. Quelle est la probabilité que l autre soit un garçon? Probabilité et Statistiques I Chapître 2 31

32 Indépendance Définition : Soient (Ω, F, P) un espace de probabilité. Deux événements A, B F sont indépendants (que l on note A B) ssi P(A B) = P(A)P(B). Conformément à notre intuition, cela implique que P(A B) = P(A B) P(B) et par symétrie P(B A) = P(B). = P(A)P(B) P(B) = P(A), Exemple 2.18: Un jeu de cartes est bien battu et une carte est tirée au hasard. Est ce que les événements A la carte est un as, et H la carte est un coeur sont indépendants? Que peut on dire à propos des événements A et K la carte est un roi? Probabilité et Statistiques I Chapître 2 32

33 Types d Indépendances Définition : (a) Les événements A 1,...,A n sont (mutuellement) indépendants si pour tout ensemble d indices F {1,..., n}, on a P( P(A i ). i F A i ) = i F (b) Les événements A 1,...,A n sont indépendants 2 à 2 si P(A i A j ) = P(A i ) P(A j ), 1 i < j n. (c) Les événements A 1,...,A n sont conditionnellement indépendants sachant B si pour tout ensemble d indices F {1,...,n} on a ( ) P A i B = P(A i B). i F i F Probabilité et Statistiques I Chapître 2 33

34 Remarque: L indépendance est un idée clée qui simplifie considérablement beaucoup de calculs de probabilité. En pratique, il est sage de vérifier à la base que les événements sont indépendants, étant donné qu une dépendance non détectée peut modifier grandement le calcul des probabilités. Remarque: L indépendance mutuelle entraîne l indépendance deux à deux, mais l inverse est vrai seulement quand n = 2. Remarque: L indépendance mutuelle entraîne l indépendance conditionnelle, mais l inverse est vrai seulement si B = Ω. Exemple 2.19: Une famille a deux enfants. Montrer que les événements le premier enfant est un garçon, le second enfant est un garçon, et il y a exactement un garçon sont indépendants 2 à 2 mais pas mutuellement. Probabilité et Statistiques I Chapître 2 34

35 Exemple 2.20 (Anniversaires): n personnes sont dans une pièce. Quelle est la probabilité qu ils aient tous une date d anniversaire différente? Probability n Probabilité et Statistiques I Chapître 2 35

36 Exemple 2.21: A une année donnée, la probabilité qu un conducteur fasse une déclaration de sinistre à son assurance est µ, indépendamment des autres années. La probabilité pour une conductrice est de λ < µ. Un assureur a le même nombre de conducteurs que de conductrices, et en sélectionne un(e) au hasard. (a) Donner la probabilité qu il (elle) déclare un sinistre cette année? (b) Donner la probabilité qu il (elle) déclare des sinistres durant 2 années consécutives? (c) Si la compagnie sélectionne une personne ayant fait une déclaration au hasard, donner la probabilité qu elle fasse une déclaration l année suivante? (d) Montrer que la connaissance qu une déclaration de sinistre ait été faite une année augmente la probabilité d une déclaration l année suivante. Probabilité et Statistiques I Chapître 2 36

37 Exemple 2.22 (Filtre anti-spam): Quelques types de filtre anti-spam dites Bayesian se basent sur une liste de n mots (Viagra, Nigeria, miracle, pharmacy, porn,...). Pendant un période on informe le filtre si chaque est un spam ou pas, et les probabilités qu un mot tiré au hasard d un est le mot i = 1,...,n sont ainsi estimés pour les vrais s et les spams. Ceci donne p i = probabilité qu un mot tiré au hasard est i, sachant est un spam, q i = probabilité qu un mot tiré au hasard est i, sachant est bon pour i = 1,...,n. Si la proportion des spams est de π, trouver la probabilité qu un où apparaissent m 1,...,m n fois les mots 1,...,n soit un spam, supposant que les mots sont indépendants. Si π = 0.9, et pour les mots Viagra et miracle (i = 1, 2) on a p 1 = 0.05, q 1 = 0.001, p 2 = 0.1, q 2 = 0.5, quelle est la probabilité qu un avec m 1 = 2, m 2 = 1 est un spam? Probabilité et Statistiques I Chapître 2 37

38 Exemple 2.23 (Génétique mendelien): Supposons que deux allèles b, B (bleu, brun) controlent le couleur de nos yeux; notre génotype peut être bb, bb, Bb, ou BB. B est dominant, et b recessif; donc une personne avec combinaison bb a des yeux bleus, mais les autres génotypes donnent des yeux bruns. Chaque enfant hérite un allèle choisit au hasard des deux de chacun de ses parents. On suppose que 25% des anglais ont des yeux bleus. (a) Mes parents ont des yeux bruns. Quelle était la probabilité que leur premier enfant (moi) aurait des yeux bruns? (b) Mon frère et ma première soeur ont des yeux brun aussi. Sachant ceci, quelles sont les probabilités que mes parents ont des génotypes {(bb, bb), (bb, bb), (bb, bb), (bb, bb),(bb,bb), (bb, BB), (BB, BB)}, où (x, y) indique les génotypes (père, mère)? Probabilité et Statistiques I Chapître 2 38

39 (c) Ma deuxième soeur a des yeux bleus. Sachant ceci en plus de l information ci-dessus, donner la probabilité que mon génotype est BB? (d) Ma femme a des yeux bruns, mais son père avait des yeux bleus. Quelle est la probabilité que mon génotype est BB, sachant que nos trois enfants ont des yeux bruns? Probabilité et Statistiques I Chapître 2 39

40 Systèmes en Séries et Parallèles Un système électrique a des composants 1,...,n, qui tombent en panne indépendamment. Soient A i l événement le ième composant est défaillant, avec P(A i ) = p i. L événement B, la défaillance du système se produit si le courant ne peut pas passer d un bout du système à l autre. Si les composants sont arrangés en parallèle, alors n P P (B) = P(A 1 A n ) = p i. Si les composants sont arrangés en série, alors P S (B) = P(A 1 A n ) = 1 i=1 n (1 p i ). Si 1 > p + > p i > p > 0, i, et n, alors P P (B) 0, P S (B) 1. i=1 Probabilité et Statistiques I Chapître 2 40

41 Fiabilité Exemple 2.24 (Chernobyl): Une centrale nucléaire dépend d un système de sécurité dont les composants sont arrangés suivant la figure (tableau noir). Les composants tombent en panne indépendamment avec la probabilité p, et le système devient défaillant si le courant électrique ne peut pas passer de A à B. (a) Quelle est la probabilité que le système devienne défaillant? (b) Les composants sont fabriqués par lots, qui peuvent être bons ou mauvais. Pour un bon lot, p = 10 6, tandis que pour un lot mauvais p = La probabilité qu un lot soit bon est Quelle est la probabilité que le système soit défaillant (i) si les composants proviennent de différents lots? (ii) si tous les composants proviennent du même lot? Probabilité et Statistiques I Chapître 2 41

Calculs de probabilités conditionelles

Calculs 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 détail

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

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 détail

Calculs de probabilités

Calculs 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 détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. 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 détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. 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 détail

P1 : Corrigés des exercices

P1 : 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 détail

Qu est-ce qu une probabilité?

Qu 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 détail

Exercices sur le chapitre «Probabilités»

Exercices 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 détail

Probabilités. C. Charignon. I Cours 3

Probabilités. 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 détail

Probabilités sur un univers fini

Probabilités 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 détail

Feuille d exercices 2 : Espaces probabilisés

Feuille 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 détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Arbre de probabilité(afrique) Univers - Evénement

Arbre 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 détail

Probabilités sur un univers fini

Probabilités 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 détail

Probabilités conditionnelles Loi binomiale

Probabilités 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 détail

Fluctuation d une fréquence selon les échantillons - Probabilités

Fluctuation 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 détail

Probabilités conditionnelles

Probabilités 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 détail

Analyse Combinatoire

Analyse 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 détail

Université 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 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 détail

Travaux dirigés d introduction aux Probabilités

Travaux 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 détail

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.

Exemple 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 détail

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio

Exo7. 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 détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,

Plus en détail

I. Cas de l équiprobabilité

I. 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 détail

Probabilités (méthodes et objectifs)

Probabilités (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 détail

Exercices 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 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 détail

Les probabilités. Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée Les probabilités produite par TFO.

Les 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 détail

CALCUL DES PROBABILITES

CALCUL 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 détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS 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 détail

9 5 2 5 Espaces probabilisés

9 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 détail

Probabilités Loi binomiale Exercices corrigés

Probabilités 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 détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA 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 détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement

Plus en détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution 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 détail

Andrey Nikolaevich Kolmogorov

Andrey 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 détail

Exercices de génétique classique partie II

Exercices de génétique classique partie II Exercices de génétique classique partie II 1. L idiotie phénylpyruvique est une maladie héréditaire dont sont atteints plusieurs membres d une famille, dont voici l arbre généalogique : 3 4 5 6 7 8 9 10

Plus en détail

Probabilités. 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. 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 détail

Bureau N301 (Nautile) benjamin@leroy-beaulieu.ch

Bureau 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 détail

Exercices de dénombrement

Exercices 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 détail

Probabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.

Probabilités. 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 détail

4 Distributions particulières de probabilités

4 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 détail

Coefficients binomiaux

Coefficients 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 détail

Probabilités conditionnelles Exercices corrigés

Probabilités 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 détail

S initier aux probabilités simples «Question de chance!»

S initier aux probabilités simples «Question de chance!» «Question de chance!» 29-11 Niveau 1 Entraînement 1 Objectifs - S entraîner à activer la rapidité du balayage visuel. - Réactiver le comptage par addition jusqu à 20. - Développer le raisonnement relatif

Plus en détail

Licence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7

Licence 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 détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 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 détail

Introduction au Calcul des Probabilités

Introduction 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 détail

Seconde et première Exercices de révision sur les probabilités Corrigé

Seconde et première Exercices de révision sur les probabilités Corrigé I_ L'univers. _ On lance simultanément deux dés indiscernables donc il n'y a pas d'ordre. Il y a répétition, les dbles. On note une issue en écrivant le plus grand chiffre puis le plus petit. 32 signifie

Plus en détail

NOTIONS DE PROBABILITÉS

NOTIONS DE PROBABILITÉS NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...

Plus en détail

Probabilité 2 Ω = { P, F } Lancer un sou deux fois. Ω = { PP, PF, FP, FF} Ω = { 2, 3, 4,..., as }

Probabilité 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 détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les 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 détail

4. Exercices et corrigés

4. 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 détail

S initier aux probabilités simples «Question de chance!»

S initier aux probabilités simples «Question de chance!» «Question de chance!» 29-11 Niveau 1 Entraînement 1 Objectifs - S entraîner à activer la rapidité du balayage visuel. - Réactiver le comptage par addition jusqu à 20. - Développer le raisonnement relatif

Plus en détail

Mesure de probabilité, indépendance.

Mesure 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 détail

COMBINATOIRES ET PROBABILITÉS

COMBINATOIRES 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 détail

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en détail

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.

1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,

Plus en détail

Espérance conditionnelle

Espérance 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 détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 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 détail

MATHÉMATIQUES APPLIQUÉES S4 Exercices

MATHÉMATIQUES APPLIQUÉES S4 Exercices Unité D Probabilité Exercice 1 : Chemins 1. Aline habite la maison illustrée ci-dessous. Le diagramme illustre les murs et les portes. a) Combien existe-t-il de chemins possibles entre la pièce A et la

Plus en détail

Economie 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 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 détail

FIMA, 7 juillet 2005

FIMA, 7 juillet 2005 F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation

Plus en détail

Lois de probabilité. Anita Burgun

Lois de probabilité. Anita Burgun Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage

Plus en détail

Objets Combinatoires élementaires

Objets Combinatoires élementaires Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que

Plus en détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4

Plus en détail

Dunod, Paris, 2014 ISBN 978-2-10-059615-7

Dunod, 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 détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand

Plus en détail

CONSOMMATION INTERTEMPORELLE & MARCHE FINANCIER. Epargne et emprunt Calcul actuariel

CONSOMMATION INTERTEMPORELLE & MARCHE FINANCIER. Epargne et emprunt Calcul actuariel CONSOMMATION INTERTEMPORELLE & MARCHE FINANCIER Epargne et emprunt Calcul actuariel Plan du cours Préambule : la contrainte budgétaire intertemporelle et le calcul actuariel I II III Demandes d épargne

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle

Plus en détail

INF 162 Probabilités pour l informatique

INF 162 Probabilités pour l informatique Guy Melançon INF 162 Probabilités pour l informatique Licence Informatique 20 octobre 2010 Département informatique UFR Mathématiques Informatique Université Bordeaux I Année académique 2010-2011 Table

Plus en détail

Théorie 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 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 détail

La mesure de Lebesgue sur la droite réelle

La 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 détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac 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 détail

Cours de Probabilités et de Statistique

Cours 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 détail

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème. I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous

Plus en détail

Statistiques II. Alexandre Caboussat alexandre.caboussat@hesge.ch. Classe : Mardi 11h15-13h00 Salle : C110. http://campus.hesge.

Statistiques II. Alexandre Caboussat alexandre.caboussat@hesge.ch. Classe : Mardi 11h15-13h00 Salle : C110. http://campus.hesge. Statistiques II Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mardi 11h15-13h00 Salle : C110 http://campus.hesge.ch/caboussata 1 mars 2011 A. Caboussat, HEG STAT II, 2011 1 / 23 Exercice 1.1

Plus en détail

Chaînes de Markov au lycée

Chaînes 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 détail

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Groupe 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 détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites 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 détail

ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N

ENS 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 détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES 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 détail

INFORMATION GÉNÉTIQUE et REPRODUCTION SEXUÉE

INFORMATION GÉNÉTIQUE et REPRODUCTION SEXUÉE Partie 1, Chapitre 4 INFORMATION GÉNÉTIQUE et REPRODUCTION SEXUÉE Constat : à l'exception des jumeaux, chaque individu est unique. Ses caractères héréditaires dependent des info génétiques (allèles) portées

Plus en détail

Image d un intervalle par une fonction continue

Image 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 détail

Probabilités et Statistique

Probabilités 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 détail

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

FONDEMENTS 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 détail

Les devoirs en Première STMG

Les devoirs en Première STMG Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................

Plus en détail

Probabilités-énoncés et corrections

Probabilités-énoncés et corrections 2012-2013 Probabilités-énoncés et corrections Exercice 1. Une entreprise décide de classer 20 personnes susceptibles d'être embauchées ; leurs CV étant très proches, le patron décide de recourir au hasard

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration 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 détail

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Probabilités et statistique. Benjamin JOURDAIN

Probabilités 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 détail

Classe de première L

Classe de première L Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous

Plus en détail

UE Ma401. 1.1 probabilité conditionnelle, indépendance, dénombrement

UE Ma401. 1.1 probabilité conditionnelle, indépendance, dénombrement UE Ma401 1 EXERCICES 1.1 probabilité conditionnelle, indépendance, dénombrement Exercice 1 La probabilité pour une population d être atteinte d une maladie A est p donné; dans cette même population, un

Plus en détail

Statistiques Descriptives à une dimension

Statistiques 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 détail

Logique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.

Logique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques. Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ARTHUR CHARPENTIER 1 Supposons que le nombre X de coups de téléphone durant une heure suive une loi de Poisson avec moyenne λ. Sachant que P (X = 1 X 1) = 0.8, trouver

Plus en détail

EI - EXERCICES DE PROBABILITES CORRIGES

EI - 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 détail

Leçon 01 Exercices d'entraînement

Leçon 01 Exercices d'entraînement Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =

Plus en détail