VA CONTINUES - Sujets de concours
|
|
- Timothée St-Germain
- il y a 7 ans
- Total affichages :
Transcription
1 Lycée Dominique Villars ECE Exercices VA CONTINUES - Sujets de concours Exercice - Problème EDHEC On considère deux variables aléatoires X et Y, définies sur un espace probabilisé (Ω,A,P), et indépendantes. On suppose que X est une variable à densité et on note F X sa fonction de répartition. On suppose par ailleurs que la loi de Y est donnée par P(Y = ) = P(Y = ) =. L indépendance de X et Y se traduit par les égalités suivantes, valables pour tout réel x : P ([X x] [Y = ]) = P (X x)p (Y = ) et P ([X x] [Y = ]) = P (X x)p (Y = ). On pose Z = XY et on admet que Z est, elle-aussi, une variable aléatoire définie sur (Ω,A,P). On se propose d établir deux résultats utiles pour la suite dans la partie, puis d en déduire la loi de la variable aléatoire Z en fonction de la loi de X dans les parties et 3. Partie : expression de la fonction de répartition de Z en fonction de celle de X.. Rappeler l expression des fonctions de répartition d une variable aléatoire suivant une loi uniforme sur [a, b] (avec a < b) et d une variable aléatoire suivant une loi exponentielle de paramètre λ (avec λ > ).. En utilisant le système complet d événements {(Y = ),(Y = )}, montrer que la fonction de répartition F Z de la variable aléatoire Z est donnée par : x R, F Z (x) = (F X(x) F X ( x)+). Partie : étude de deux premiers exemples.. On suppose que la loi de X est la loi normale centrée réduite. Reconnaître la loi de Z.. On suppose que la loi de X est la loi uniforme sur [,]. (a) Déterminer l expression de F X ( x) selon les valeurs prises par x. (b) Déterminer F Z (x) pour tout réel x, puis reconnaître la loi de Z. Partie 3 : étude du cas où la loi de X est la loi exponentielle de paramètre.. (a) Montrer que la fonction de répartition F Z de la variable aléatoire Z est définie par : { F Z (x) = e x si x ex si x < (b) En déduire que Z est une variable aléatoire à densité. (c) Etablir alors qu une densité de Z est la fonction f Z définie pour tout réel x par : f Z (x) = e x. (d) Donner la valeur de l intégrale xe x dx. (e) Montrer que f Z est une fonction paire et en déduire l existence et la valeur de E(Z).. (a) Donner la valeur de l intégrale x e x dx. (b) En déduire l existence et la valeur de E(Z ), puis donner la valeur de la variance de Z. 3. (a) Déterminer E(X)E(Y) et comparer avec E(Z). Quel résultat retrouve-t-on ainsi? (b) Exprimer Z en fonction de X, puis en déduire de nouveau la variance de Z.
2 4. Soit U et V des variables aléatoires suivant respectivement la loi de Bernoulli de paramètre uniforme sur [, [. et la loi (a) On pose Q = ln( V) et on admet que Q est une variable aléatoire. Déterminer la fonction de répartition de Q et en déduire la loi suivie par la variable aléatoire Q. (b) On pose R = U et on admet que R est une variable aléatoire. Déterminer R(Ω) et donner la loi suivie par la variable R. (c) Informatique. En tenant compte des résultats des questions 5a) et 5b), écrire en Turbo Pascal une déclaration de fonction dont l entête est function z:real; pour qu elle simule la loi de Z. Exercice - Loi exponentielle : la loi continue sans mémoire - ESSEC On rappelle qu une variable aléatoire suit la loi exponentielle de paramètre µ(µ > ) si elle admet pour densité la fonction f µ définie par { µe µx si x f µ (x) = si x <. Soit X une variable aléatoire suivant la loi exponentielle de paramètre µ. (a) Donner l espérance E(X) et la variance V(X). (b) Justifier que pour tout entier naturel n, X n admet une espérance et déterminer une relation de récurrence entre E(X n+ ) et E(X n ) pour tout entier naturel n. (c) En déduire E(X n ) pour tout n >. (d) Retrouver la valeur de V(X) à l aide de la question précédente.. Propriétés caractéristiques. (a) Soient µ > et X une variable aléatoire de loi exponentielle de paramètre µ. i. Justifier que pour tout réel x positif ou nul, le nombre P(X > x) est non nul. ii. Montrer que pour tous réels positifs x et y, P [X>x] (X > x+y) = P(X > y) (b) Réciproquement, soit X une variable aléatoire positive admettant une densité f continue et strictement positive sur IR +, et telle que pour tous réels positifs x et y, P [X>x] (X > x+y) = P(X > y) i. Soit R(x) = P(X > x). Justifier que R(x) est non nul pour tout réel positif. ii. On pose µ = f(). Montrer que pour tout x réel positif, on a la relation R (x)+µr(x) =. iii. Calculer la dérivée de x R(x)e µx sur IR + iv. Déduire que X suit une loi exponentielle dont on précisera le paramètre. (c) Soient deux réels strictement positifs µ et µ. Soient X et X deux variables aléatoires indépendantes suivant respectivement les lois exponentielles de paramètres µ et µ. i. On pose Y = max(x,x ). Déterminer la fonction de répartition F Y de Y et en déduire la densité de la variable Y. ii. On pose Z = min(x,x ). Déterminer la fonction de répartition F Z de Z et en déduire la loi de Z. Exercice 3 - EML 6. Soit U une variable aléatoire à densité suivant une loi normale d espérance nulle et de variance (a) Rappeler une densité de U (b) En utilisant la définition de la variance de U, montrer que l intégrale π que x e x dx = 4 x e x dx est convergente et
3 { Soit F la fonction définie sur R par : x, F (x) = x >, F (x) = e x. Montrer que la fonction F définit une fonction de répartition de variable aléatoire dont on déterminera une densité f. 3. Soit X une variable aléatoire admettant f pour densité. π (a) Montrer que X admet une espérance E(X) et que E(X) =. (b) Déterminer, pour tout réel y, la probabilité P ( X y ). On distinguera les cas y et y >. (c) Montrer que la variable aléatoire X suit une loi exponentielle dont on précisera le paramètre. En déduire que X admet une variance V (X) et calculer V (X) Exercice 4 - Etude de la loi de Y = [X] - EDHEC Pour tout réel x, on note [x] la partie entière de x, c est-à-dire l unique nombre entier vérifiant : [x] x < [x]+. Soit X une variable aléatoire suivant la loi exponentielle de paramètre λ (λ > ). On pose Y = [X], Y est donc la partie entière de X et on a ainsi :. (a) Montrer que Y prend des valeurs dans N. (b) Pour tout k de N, calculer È(Y = k ). k Z, (Y = k) (k X < k +). (c) En déduire que la variable aléatoire Y + suit une loi géométrique dont on déterminera le paramètre. (d) Donner l espérance et la variance de Y +. En déduire l espérance et la variance de Y.. On pose Z = X Y. (a) Déterminer Z(Ω). (b) En utilisant le système complet d évènements (Y = k) k N, montrer que : (c) En déduire une densité f de Z. x [;[, P(Z x) = eλx e λ. (d) Déterminer l espérance (Z) de Z. Ce résultat était-il prévisible? Exercice 5 - Médiane et mode d une loi de probabilité - EDHEC Soit f la fonction définie par : f(x) = si x <. Vérifier que f est une densité de probabilité. f(x) = xe x si x La durée de vie d un certain composant électronique est une variable aléatoire X dont une densité est f.. (a) Déterminer la fonction de répartition F de X. (b) Calculer la médiane de la loi de X c est-à-dire le réel µ tel que È(X µ) =. 3. On appelle mode de la variable X tout réel x en lequel f atteint son maximum. Montrer que X a un seul mode, noté M o, et le déterminer. 4. (a) En utilisant un résultat connu concernant la loi normale, établir que X a une espérance et montrer que π (X) = (b) Calculer, à l aide d une intégration par parties, la variance de X.
4 Exercice 6 - EDHEC 8. Montrer que l intégrale est convergente et donner sa valeur. On considère la fonction f définie par : x R, f (x) = (a) Montrer que f est paire. (+x) dx (+ x ). (b) Montrer que f peut être considérée comme une fonction densité de probabilité. Dans la suite, on considère unevariable aléatoire X, définiesurunespace probabilisé (Ω,A,P) admettant f comme densité. On note F la fonction de répartition de X. 3. On pose Y = ln(+ X ) et on admet que Y est unevariable aléatoire à densité, elle aussi définie surl espace probabilisé (Ω, A, P) (a) Déterminer Y (Ω) (b) Exprimer la fonction de répartition G de Y à l aide de F. (c) En déduire que Y admet pour densité la fonction g définie par : { e g(x) = x f (e x ) si x si x < (d) Montrer enfin que Y suit une loi exponentielle dont on déterminera le paramètre. Exercice 7 - EML Soita R +.. Montrer que, pour tout entier n tel que n, l intégrale I n = x n e x a dx est convergente.. (a) Rappeler une densité d une variable aléatoire. qui suit la loi normale d espérance nulle et de variance a. π En déduire : I = a. (b) Calculer la dérivée de l application ϕ : R R définie, pour tout x R, par : ϕ(x) = e x a En déduire : I = a. 3. (a) Montrer, pour tout entier n. tel que n et pour tout t [;+ [ : t x n e x a dx = a t n e t a +(n )a t (b) En déduire, pour tout entier n tel que n : I n = (n )a I n. (c) Calculer I et I 3. On considère l application g a : R R définie, pour tout x R, par : 4. Montrer que g a est une densité. g a (x) = { x a e si x x a si x > On considère une variable aléatoire X admettant g a comme densité. 5. Déterminer la fonction de répartition de la variable aléatoire X. x n e x a dx
5 π 6. Montrer que la variable aléatoire X admet une espérance E(X) et que E(X) = a 7. Montrer que la variable aléatoire X admet une variance V (X) et calculer V (X). 8. (a) On considère une variable aléatoire U suivant la loi uniforme sur l intervalle, ]; ]. Montrer que la variable aléatoire Z = a ln(u) suit la même loi que la variable aléatoire X (b) En déduire un programme en langage Pascal, utilisant le générateur aléatoire Pascal, simulant la variable aléatoire X, le réel a strictement positif étant entré par l utilisateur. Soit un entier n tel que n. Ondit. queles. variablesaléatoires àdensitéx,x,x n sontindépendantessi,pourtout, n-uplet(x,x,,x n ) de réels, les événements (X x ), (X x ), (X n x n ) sont mutuellement indépendants. On admet que si n variables aléatoires à densité X, X,X n admettent une espérance, alors la variable aléatoire X + +X n admet une espérance qui est égale à la somme des espérances. On admet que si n variables aléatoires à densité X, X,X n sont indépendantes et admettent variance alors la variable aléatoire X + +X n admet une variance qui est égale à la. somme des variances. On considère n variables aléatoires indépendantes X, X,X n suivant toutes la même loi que la variable aléatoire X. 9. On considère la variable aléatoire A n = n π (X +X + +X n ). (a) ** Montrer que la variable aléatoire A n, est un estimateur sans biais de a. (b) ** Déterminer le risque quadratique de l estimateur A n. On définit la variable aléatoire M n = min(x,x,x n ). Ainsi, t R, (M n > t) = (X > t) (X > t) (X n > t).. (a) Montrer, pour tout t[,+ [ : P(M n > t) = e nt a. (b) En déduire la fonction de répartition de M n. (c) Montrer que M n est une variable aléatoire à densité, admettant g b comme densité avec b = a n. (d) Montrez- que la variable aléatoire M n, admet une espérance E(M n ) et une variance V (M n ) Calculer E(M n ) et V (M n ).. (a) En déduire un estimateur B n, sans biais de a, de la forme λ n M n avec λ n R. (b) Déterminer le risque quadratique de l estimateur B n. Exercice 8 - Couple de VAR - EDHEC 7 On admet que si Z et Z sont deux variables aléatoires à densité, définies sur le même espace probabilisé, alors leur covariance, si elle existe, est définie par : Cov(Z,Z ) = (Z Z ) (Z ) (Z ) On admet également que si Z et Z sont indépendantes alors leur covariance est nulle. On considère deux variables aléatoires réelles X et U définies sur le même espace probabilisé(ω, A, P), indépendantes, X suivant la loi normale N (,) et U suivant la loi discrète uniforme sur {,}. On pose Y = UX et on admet que Y est une variable aléatoire à densité, définie elle aussi sur l espace probabilisé (Ω,A,P).. (a) En utilisant la formule des probabilités totales, montrer que : (b) En déduire que Y suit la même loi que X. P(Y x) = P([U = ] [X x])+p([u = ] [X x]). (a) Calculer l espérance de U puis montrer que E(XY) = (b) En déduire que Cov(X,Y) =.
6 3. (a) Rappeler la valeur de E ( X ) et en déduire que x e x = π (b) Montrer, grace à une intégrationpar parties que A R + : A A x 4 e x dx = A 3 e A +3 x e x dx (c) En déduire que l intégrale x 4 e x dx converge et vaut 3 π. (d) Etablir finalement que X possède un moment d ordre 4 et que E ( X 4) = 3 4. (a) Vérifier que E ( X Y ) = 3 (b) Déterminer Cov ( X,Y ) (c) En déduire que X et Y ne sont pas indépendantes. Montrer alors que X et Y ne le sont pas non plus. (d) Cet exercice a permis de montrer qu un résultat classique concernant les variables discrètes est encore valable pour les variabales à densité. Lequel? Exercice 9 - EDHEC 9 Dans tout l exercice λ désigne un réel strictement positif.. On considère la fonction h définie sur R par: λ xe λx si x h(x) = si x < (a) En se référant éventuellement à une loi exponentielle, montrer la convergence de l intégrale puis donner sa valeur. (b) Montrer que h peut être considérée comme la densité d une variable aléatoire X. (c) Montrer la convergence de l intégrale une espérance et la déterminer. h(x)dx xh(x)dx puis donner sa valeur. En déduire que X possède. Dans cette question, on considère une variable aléatoire Y de densité f, nulle sur ] ;[, continue sur [;+ [ et strictement positive sur [;+ [. On note alors F la fonction de répartition de Y. Justifier que, pour tout réel x, on a: F(x) >. On définit alors la fonction g par: f(x)ln( F(x)) si x g(x) = si x < 3. (a) Montrer que g est positive sur R. (b) Montrer que g est continue sur ] ;[ et sur [;+ [. (c) en remarquant que, si l on pose u (x) = f(x), on peut choisir u(x) = F(x), montrer grâce à une intégration par parties que g(x)dx est une intégrale convergente et que g(x)dx =. (d) Etablir que g peut être considérée comme la densité d une variable aléatoire Z. (e) Etude d un cas particulier. Vérifier que la variable aléatoire Y suivant la loi exponetielle de paramètre λ (avec λ > ) vérifie les conditions imposées dans la deuxième question. Montrer alors que Z suit la même loi que X.
Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
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 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 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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détail1 TD1 : rappels sur les ensembles et notion de probabilité
1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
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 détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
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 détailI. 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 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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
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 détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en 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 détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en 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 détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailCours 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 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 détailProbabilités avancées. Florin Avram
Probabilités avancées Florin Avram 24 janvier 2014 Table des matières 1 Mise en scène discrète 3 1.1 Espace des épreuves/résultats possibles, événements, espace probabilisé, mesure de probabilités, variables
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
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 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 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 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 détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
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 détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
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 détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
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 détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
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 détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailINTRODUCTION. 1 k 2. k=1
Capes externe de mathématiques : session 7 Première composition INTRODUCTION L objet du problème est l étude de la suite (s n n définie par : n, s n = Dans une première partie, nous nous attacherons à
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1
ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ OLIVIER COLLIER Exercice 1 Le calcul de la banque. 1 Au bout de deux ans, la banque aurait pu, en prêtant la somme S 1 au taux d intérêt r pendant un an, obtenir
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 détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailLeçon 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 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 détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
Plus en détailILT. Interfacultair Instituut voor Levende Talen. T@@lvaardig. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven
IL If I L S V Ey G Khk U L 13/02/02 pé? xp qé xp pz à pz p héhq pé p à q z p à p héhq fé à p à q pz xp q 'p (è) f, '-à- p. x. ' é ff. N xp à py qq' q z b ( f) P xp pô pp L p - pé pz ': z qq', q -? Bj,
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 détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
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 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 détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
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 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 détail