Correction des exemples. Mathieu EMILY
|
|
- Flavie Blanchard
- il y a 8 ans
- Total affichages :
Transcription
1 Correction des exemples Mathieu EMILY Novembre 2005
2 Table des Matières Exemple_Exercice 1 Page 2 Exemple_Exercice 2 Page 3 Exemple_Exercice 3 Page 5 Exemple_Exercice 4 Page 6 Exemple_Exercice 5 Page 7 Exemple_Exercice 6 Page 8 Exemple_Exercice 7 Page 9 Exemple_Exercice 8 Page 10 Exemple_Exercice 9 Page 11 Exemple_Exercice 10 Page 12 Exemple_Exercice 11 Page 12 Exemple_Exercice 12 Page 13 Exemple_Exercice 13 Page 14 Exemple_Exercice 14 Page 15 Exemple_Exercice 15 Page 16 Exemple_Exercice 16 Page 16 Exemple_Exercice 17 Page 17 Exemple_Exercice 18 Page 17 Exemple_Exercice 19 Page 18 Exemple_Exercice 20 Page 18 Exemple_Exercice 21 Page 19 Exemple_Exercice 22 Page 20 Exemple_Exercice 23 Page 20 1
3 Exemple_Exercice 1 Dans un bus, 35 personnes pratiquent le ski, 20 le surf, 5 le monoski. Parmi ces personnes, 10 pratiquent le ski et le surf, 3 le ski et le monoski, 1 le surf et le monoski et enn 1 personne pratique le ski, le surf et le monoski. Combien y a-t-il de personnes au total, sachant que les sports de glisse pratiqués se limitent au ski, au surf et au monoski? Correction 1 Soit A 1 = {L'ensemble des personnes pratiquant le ski}. Soit A 2 = {L'ensemble des personnes pratiquant le surf}. Soit A 3 = {L'ensemble des personnes pratiquant le monoski}. Soit N le nombre total de personnes on a : Donc d'après la formule de Poincaré : N = card(a 1 A 2 A 3 ) N = card(a 1 ) + card(a 2 ) + card(a 3 ) card(a 1 A 2 ) card(a 1 A 3 ) card(a 2 A 3 ) + card(a 1 A 2 A 3 ) Soit N = N = 47 2
4 Exemple_Exercice 2 1. Dans un jeu de 32 cartes, on prend 3 cartes successivement sans remise. De combien de façons peut-on opérer pour obtenir au moins un c ur? 2. Une autoroute, aux abords d'une certaine ville, possède 3 sorties principales. Chacune de ces sorties possède elle-même 2 sorties secondaires. De combien de façons peut on sortir de cette autoroute? 3. 4 pions numérotés de 1 à 4 sont disposés sur 3 cases numérotées de 1 à 3. Une case peut contenir plusieurs pions. De combien de façons peut-on opérer : (a) de sorte qu'une case au moins soit vide? (b) de sorte qu'aucune case ne soit vide? Correction 2 1. Soit E l'ensemble des combinaisons de 3 cartes diérentes. Il y a 32 possibilités pour la 1 ère carte, 31 possibilités pour la 2 ème et 30 possiblités pour la 3 ème carte. Par conséquent : Card(E) = Soit A l'évènement "Aucun c ur n'est apparu lors de 3 tirages successifs sans remise". Il y a 24 possibilités (8 "carreau", 8 "trèe" et 8 "pique") lors du 1 er tirage, 23 possibilités lors du 2 eme tirage, et 22 possibilités lors du 3 eme tirage. Donc : Card(A) = L'évènement B "Au moins un c ur a été obtenu lors de 3 tirages successifs sans remise" est le complémentaire de A dans E, d'où : Card(B) = Card(C E A) = Card(E) Card(A) = = Il y a façons d'obtenir au moins 1 c ur. 2. Soit A l'ensemble des sorties principales : Soit B l'ensemble des sorties secondaires : Card(A) = 3 Card(B) = 2 3
5 On a donc au total : Card(A B) = Card(A) Card(B) = 6 On peut sortir de l'autoroute de 6 façons diérentes. 3. (a) Notons A i = le nombre de dispositions laissant vide la case i. Card(A 1 A 2 A 3 ) = Card(A 1 ) + Card(A 2 ) + Card(A 3 ) Card(A 1 A 2 ) Card(A 1 A 3 ) Card(A 2 A 3 ) + Card(A 1 A 2 A 3 ) Calcul de Card(A i ) : Chaque pion est placé sur l'une des 2 autres cases. Par conséquent, pour chaque pion, il y a 2 possibilités, et comme il y a 4 pions en tout : i Card(A i ) = 2 4 = 16 Calcul de Card(A i A j ) : Pour chaque pion il n'y a qu'une seule possibilité, et comme il y 4 pions : (i, j), i j Card(A i A j ) = 1 4 = 1 Calcul de Card(A 1 A 2 A 3 ) : Chaque pion doit être est posé sur un case donc : Ainsi : Card(A 1 A 2 A 3 ) = 0 4 = 0 Card(A 1 A 2 A 3 ) = = 45 Il y a 45 possibilités pour qu'une case au moins soit vide. (b) Soit E l'ensemble de tous les évènements. Chaque pion peut se positionner de 3 façons diérentes. Comme il y a 4 pions, on a : Card(E) = 3 4 = 81 Or l'évènement B : "Aucune case n'est vide" est le complémentaire de A 1 A 2 A 3 dans E, donc : Card(B) = Card(E) Card(A 1 A 2 A 3 ) = = Il y a possibilités pour qu'aucune des cases ne soit vide. 4
6 Exemple_Exercice 3 (Application du lemme des bergers) 1. Soit n convives autour d'une table circulaire. Combien y a-t-il de dispositions possibles des convives, sachant que seules comptent les positions relatives des convives? 2. Une urne contient 6 boules blanches numérotées de 1 à 6 et 5 boules noires numérotées de 1 à 5. On tire successivement 4 boules sans remise. Combien de résultats apportent 3 boules blanches et 1 boule noire? Correction 3 1. Soit E l'ensemble de toutes les dispositions possibles. Il y a n choix pour le 1 er convive, n 1 choix pour le 2 ème convive, etc...donc : Card(E) = n.(n 1).(n 2) 1 = n! Cependant, dans ce décompte, plusieurs dispositions vont donner les mêmes voisins. Notons p le nombre de dispositions diérentes au sens des positions relatives des convives, et, i {1,, p}, A i l'ensemble des positions qui ne dièrent de la position i que d'une rotation. Pour une disposition i donnée, il n'existe que n rotations qui laissent les positions respectives des voisins inchangées, c'est à dire : Or : i {1,, p} Donc d'après le lemme des bergers, on a : E = Card(A i ) = n p i=1 A i p = Card(E) Card(A i ) = n! n = n 1 Il y a n 1 dispositions diérentes au sens des voisins relatifs. Remarque : Dans cet exemple, nous avons d'abord compté le nombre de pattes (Card(E)), puis le nombre de pattes par mouton (Card(A i )) pour trouver le nombre de moutons. 2. Soit E l'ensemble des résultats amenant à 1 boule noire et 3 boules blanches. La boule noire peut apparaître au 1 er, au 2 ème, au 3 ème ou au 4 ème tirage. Notons A i, l'ensemble des résultats faisant apparaître la boule noire en i ème position (1 i 4). Il y a 6 possibilités pour la 1 ère boule blanche, 5 possibilités pour la 2 ème boule blanche, 4 possibilités pour la 3 ème boule blanche et 5 possibilités pour la boule noire : Card(A i ) = = 600 Il y a 4 possibilités pour le rang d'apparition de la boule noire, donc p = 4. On en déduit, d'après le lemme des bergers, que : Card(E) = p Card(A i ) = =
7 Il y a 2400 résultats qui amènent à 3 boules blanches et 1 boule noire. Remarque : Dans cet exemple, nous avons d'abord compté le nombre de moutons (4) puis le nombre de pattes par mouton (600), et on en a déduit le nombre total de pattes. Exemple_Exercice 4 (Urnes de Laplace) Soit n urnes U 1,..., U n. U k contient "k" boules blanches et "n + 1 k" boules noires (1 k n) On choisit une urne au hasard, puis on tire une boule au hasard dans l'urne choisie. On note A k l'évènement "On choisit l'urne U k ". Montrer que (A 1,..., A n ) est un système complet d'évènements. Correction 4 Ω = {(k, b), k {1,, n}} {(k, n), k {1,, n}} où k désigne le numéro de l'urne, b (pour blanche) ou n (pour noire) la couleur de la boule. Donc : k {1,, n} A k = {k, b} {k, n} et : (i, j) {1,, n} 2 tels que i j A i A j = Ø n A 1 A n = ({k, b} {k, n}) k=1 = {(k, b), k {1,, n}} {(k, n), k {1,, n}} = Ω (A 1,..., A n ) est un système complet d'évènements. 6
8 Exemple_Exercice 5 1. On tire au hasard un ensemble de 5 cartes dans un jeu de 32 cartes. Quelle est la probabilité que la main contienne au moins un As? 2. Une urne contient a boules blanches et b boules noires. On extrait au hasard une poignée de n boules. Quelle est la probabilité que cette poignée contienne k boules blanches (0 k n)? Correction 5 1. donc Ω = {ensemble de 5 cartes dans un jeu de 32 cartes} A = {La main contient au moins un As} A = {La main ne contient pas d'as} Comme le tirage se fait au hasard, il y a équiprobabilité pour le tirage d'une carte, on a : P (A) = Card(A) Card(Ω) et donc : = C5 28 C 5 32 P (A) = 1 C5 28 C 5 32 P (A) = 1 C5 28 C L'extraction d'une poignée se faisant au hasard, il y a équiprobabilité. Nous allons donc compter, d'une part, le nombre de poignées au total, et d'autre part le nombre de poignées contenant k boules blanches. Au total, il y a a + b boules et on en extrait n. Il y a donc C n a+b poignées possibles. Si une poignée contient k boules blanches, elle contient n k boules noires. Par conséquent, il y a k choix possibles parmi a pour les boules blanches, et n k choix possibles pour les boules noires parmi b. Donc au total, il y a Ca k C n k b poignées contenant k boules blanches. Donc : P ("La poignée contienne k boules blanches.") = Ck a Cn k b Ca+b n 7
9 Exemple_Exercice 6 Une urne contient a boules blanches et b boules noires. On en tire successivement n, en remettant, à chaque fois, la boule tirée. Quelle est la probabilité que le nombre de boules blanches obtenues soit pair? Correction 6 On pose A = "La boule tirée est blanche". Pour un tirage, on a : P (A) = a a + b Notons k {1,, n} B k = "k boules blanches ont été tirées sur n tirages." Si, sur n tirages, on a obtenu k boules blanches, alors on a également obtenu n k boules noires. Ainsi : k {1,, n} P (B k ) = Cn( k a b a + b )k ( a + b )n k Remarque : B k suit une loi binomiale B(n, a a+b ). Or : P ("Le nombre de boules blanches est pair") = P (B 0 B 2 B 2 n 2 ) n 2 = P ( B 2k ) = = n 2 k=0 P (B 2k ) k=0 n 2 Cn( k a b a + b )k ( a + b )n k k=0 P ("Le nombre de boules blanches est pair") = n 2 k=0 Ck n( a a+b )k ( b a+b )n k 8
10 Exemple_Exercice 7 Une urne contient n boules numérotées de 1 à n. On tire les boules une à une avec remise. Quelle est la probabilité que, sur m tirages, le plus grand des numéros tirés soit k? Correction 7 Notons A k l'évènement "Le numéro tiré est plus petit que k", B k l'évènement "Sur m tirages, le plus grand numéro tiré est inférieur à k", B k l'évènement "Sur m tirages, le plus grand numéro tiré est supérieur à k", C k l'évènement "Sur m tirages, le plus grand numéro tiré est égal à k". Comme le tirage se fait au hasard, il y a équiprobabilité, donc : Donc : P (A k ) = k n P (B k ) = P ( tous les numéros tirés sont inférieurs à k ) = P (A k ) m = ( k n )m P (B k ) = 1 P (B k) = 1 ( k n )m D'où : P (C k ) = P ( Le plus grand numéro tiré est inférieur à k et supérieur à k 1 ) = P ( Le plus grand numéro tiré est inférieur à k le plus grand numéro tiré est supérieur à k 1 ) = P (B k B k 1 ) = P (B k + P (B k 1 ) P (B k B k 1 (( ) ) k m ) ( ( ) k 1 m ) = n n = km (k 1) m n m P ("Sur m tirages, le plus grand numéro tiré est égal à k") = km (k 1) m n m 9
11 Exemple_Exercice 8 On répartit au hasard 8 pions de 1 à 8 sur 4 cases numérotées de 1 à 4. Plusieurs pions peuvent être placés sur une même case. Quelle est la probabilité qu'une case au moins soit vide? Correction 8 On note A i (i = 1 4), l'évènement "la case i est vide", B l'évènement "au moins une case est vide". D'où i {1,, 4} P (A i ) = ( ) (i, j) {1,, 4} 2, i j P (A i A j ) = ( ) (i, j, k) {1,, 4} 3, i j k (2 à 2); P (A i A j A k ) = P (A 1 A 2 A 3 A 4 ) = 0 ( ) P (B) = P (A 1 A 2 A 3 A 4 ) 4 = ( 1) k k=1 1 i 1 < <i k 4 = P (A 1 ) + P (A 2 ) + P (A 3 ) + P (A 4 ) P (A i1 A ik ) P (A 1 A 2 ) P (A 1 A 3 ) P (A 1 A 4 ) P (A 2 A 3 ) P (A 2 A 4 ) P (A 3 A 4 ) +P (A 1 A 2 A 3 ) + P (A 1 A 2 A 4 ) +P (A 1 A 3 A 4 ) + P (A 2 A 3 A 4 ) P (A 1 A 2 A 3 A 4 ) ( ) 3 8 ( ) 2 8 ( ) 1 8 = P (B)
12 Exemple_Exercice 9 Un dé à 6 faces non pipé est lancé une innité de fois de façons indépendantes. Calculer la probabilité pour que le 1 n'apparaisse jamais. Correction 9 Notons : A l'évènement "Le 1 n'est pas apparu suite au lancer d'un dé." B n l'évènement "Le 1 n'est pas apparu suite à n lancers d'un dé". C l'évènement "Le 1 n'est pas apparu suite à une innité de lancers d'un dé". Le dé est non pipé donc les évènements sont équiprobables, d'où : De plus, par indépendance des lancers : P (A) = 5 6 n IN P (B n ) = P (A) n = (B n ) n IN est une suite croissante d'évènements et : ( ) 5 n 6 donc, + n=0 B n = C P (C) = lim P (B n) n + ( ) 5 n = lim n + 6 = 0 P (C) = 0 (C est quasi-impossible) 11
13 Exemple_Exercice 10 Une urne U 1 contient 3 boules blanches et 5 boules noires. Une urne U 2 contient 4 boules blanches et 4 boules noires. On choisit une urne au hasard, puis on tire simultanément 2 boules dans l'urne choisie. Quelle est la probabilité d'obtenir une boule blanche et une boule noire sachant que l'urne choisie est U 1? est U 2? Correction 10 Notons bn l'évènement "Un boule blanche et une boule noire ont été obtenues" et U 1 (resp. U 2 ) l'évènement "l'urne U 1 (resp. U 2 ) a été choisie". Comme le choix s'eectue au hasard, il y a équiprobabilité : P (bn U 1 ) = C1 3 C1 5 C 2 8 = P (bn U 2 ) = C1 4 C1 4 C 2 8 = 4 7 Exemple_Exercice 11 Un jeu de cartes comprend 32 cartes. On distribue au hasard 5 cartes à chacun des 2 joueurs X et Y. 1. Calculer la probabilité que X ait au moins un As. 2. Sachant que Y a exactement un As, calculer la probabilité que X ait au moins un As. Correction 11 Notons A l'évènement "X a au moins un As", et B l'évènement "Y a exactement un As". 1. donc : P (A) = C5 28 C 5 32 P (A) = 1 P (A) Si on sait que Y a exactement un As, il reste 32 5 = 27 cartes disponibles pour X dont 3 sont des As. D'où : P (A B) = C5 24 C
14 On en déduit : P (A B) = 1 P (A B) Exemple_Exercice 12 On place 8 pions numérotés de 1 à 8 sur 5 cases numérotées de 1 à 5. Sachant que la case 1 est vide, calculer la probabilité que les cases 2 ou 3 le soient aussi. Correction 12 Notons A i l'évènement "La case i est vide". On cherche à calculer P (A 2 A 3 A 1 ), soit : P (A 2 A 3 A 1 ) = P (A 2 A 1 ) + P (A 3 A 1 ) P (A 2 A 3 A 1 ) Si la case 1 est vide, on est conduit à placer les pions sur les cases 2 à 5. Il y a 4 8 façons d'opérer dont 3 8 laissent la case 2 vide, 3 8 la case 3 vide et 2 8 les case 2 et 3, d'où : P (A 2 A 3 A 1 ) = P (A 2 A 3 A 1 )
15 Exemple_Exercice 13 On considère 3 urnes U 1, U 2 et U 3. La première contient initialement 2 boules blanches, 3 boules rouges. La deuxième contient 2 boules vertes et 4 boules blanches. La troisième contient 5 boules noires et 2 boules rouges. On tire au hasard une boule dans U 1 que l'on place dans U 2. Puis on tire au hasard une boule dans U 2 que l'on place dans U 3. Enn on tire une boule dans U 3. Quelle est la probabilité pour que les boules tirées soient toutes de couleurs diérentes? Correction 13 Il faut énumérer l'ensemble des types de tirages qui amènent à l'évènement C : "Les 3 boules sont diérentes". On tire une boule blanche dans U 1, une verte dans U 2 et une noire dans U 3. On note cet évènement "B 1 V 2 N 3 ". On tire une boule blanche dans U 1, une verte dans U 2 et une rouge dans U 3. On note cet évènement "B 1 V 2 R 3 ". On tire une boule rouge dans U 1, une verte dans U 2 et une noire dans U 3. On note cet évènement "R 1 V 2 N 3 ". On tire une boule rouge dans U 1, une blanche dans U 2 et une noire dans U 3. On note cet évènement "R 1 B 2 N 3 ". On a : C = (B 1 V 2 N 3 ) (B 1 V 2 R 3 ) (R 1 V 2 N 3 ) (R 1 B 2 N 3 ) Calculons, à l'aide de la formule des probabilités composées, les probabilités des 4 évènements ci-dessus : P (B 1 V 2 N 3 ) = P (B 1 )P (V 2 B 1 )P (N 3 B 1 V 2 ) = = 1 14 P (B 1 V 2 R 3 ) = P (B 1 )P (V 2 B 1 )P (R 3 B 1 V 2 ) = = 1 35 P (R 1 V 2 N 3 ) = P (R 1 )P (V 2 R 1 )P (N 3 R 1 V 2 ) = = 3 28 Ainsi : P (R 1 B 2 N 3 ) = P (R 1 )P (B 2 R 1 )P (N 3 R 1 B 2 ) = = 3 14 P (C) = P (C)
16 Exemple_Exercice 14 Deux joueurs X et Y s'entraînent au tir à la cible. L'un des joueurs, X, est adroit et lorsqu'il tire, il atteint la cible 9 fois sur 10. L'autre, Y, est débutant et n'atteint la cible que 6 fois sur 10. X laisse Y s'entraîner et n'eectue qu'un tir sur 3. Un des joueurs tire et la cible est atteinte. Quelle est la probabilité que ce soit par Y? Correction 14 Notons : X l'évènement "X a eectué le tir", Y l'évènement "Y a eectué le tir", C l'évènement "La cible a été atteinte". Remarque! X = Y. On cherche P (Y C). Or, d'après l'énoncé, on sait que : P (C Y ) = 6 10, P (C X) = 9 10 et P (Y ) = 2 3 Nous allons donc utiliser la formule de Bayes : P (Y C) = = = P (C Y )P (Y ) P (C Y )P (Y ) + P (C X)P (X) P (Y C) =
17 Exemple_Exercice 15 Reprenons l'exemple précédent. Quelle est la probabilité d'atteindre la cible? Correction 15 Reprenons les mêmes notations que dans la correction précédente. Nous cherchons à calculer P (C). D'après la formule des probabilités totales, on a : P (C) = P (C X)P (X) + P (C Y )P (Y ) = P (C) = 7 10 Exemple_Exercice 16 Une pièce amène pile avec la probabilité p et face avec la probabilité q = 1 p (0 < p < 1). On la lance n fois de suite. Soit X le nombre de fois où pile apparaît au cours de ces lancers. Cherchons la loi de X. Correction 16 Il est impossible d'obtenir un nombre négatif de "pile" (X 0), et il est impossible d'obtenir plus de "pile" que de lancers (X n). Comme X est à valeurs dans IN, on a : X(Ω) = {0,, n} Supposons que k "pile" ait été obtenus, n k "face" ont également été obtenus. Par conséquent k X(Ω) : p k = P (X = k) = C k n.p k.(1 p) n k (Loi binomiale de paramètres (n,p)) 16
18 Exemple_Exercice 17 On lance deux dés. X désigne la somme des numéros obtenus. Correction 17 Ω = {1,, 6} {1,, 6} X(Ω) = {2,, 12} Comme les dés sont non pipés, il y a équiprobabilité des évènements donc : P (X = 2) = 1 P (X = 3) = 2 P (X = 4) = 3 P (X = 5) = 4 P (X = 6) = 5 P (X = 7) = 6 P (X = 8) = 5 P (X = 9) = 4 P (X = 10) = 3 P (X = 10) = 2 P (X = 12) = 1 Exemple_Exercice 18 Une urne contient a boules blanches et b boules noires (a n, b n). On tire simultanément n boules et X désigne le nombre de boules blanches tirées. Correction 18 X(Ω) = {0,, n} P (X = k) = Ck a.c n k b Ca+b n ( ( )) Loi hypergéométrique de paramètres a a + b, n, a+b 17
19 Exemple_Exercice 19 A quelle condition portant sur α, p n probabilité, pour λ > 0? = α λn n!, n 0 sont-ils les coecients d'une loi de Correction 19 Supposons que (p n ) n IN sont les coecients d'une loi de probabilité. D'après le cours, ces coecients doivent vérier 2 propriétés : 1. n IN, p n n=1 p n = 1 Ainsi : 1. p n 0 α n=1 p n = 1 + n=1 + α n=1 α λn n! = 1 αe λ = 1 α = e λ λ n n! = 1 Comme e λ 0, λ (p n ) n IN sont les coecients d'une loi de probabilité si α = e λ. Exemple_Exercice 20 Une urne contient N jetons numérotés de 1 à N. On eectue n tirages successifs avec remise. La variable aléatoire X représente le plus grand des numéros tirés. Déterminer, si c'est possible, la loi et la fonction de répartition de X. Correction 20 Notons Y la variable aléatoire représentant le résultat d'un tirage. P (Y = k) = 1 N et P (Y k) = k N Si le plus grand des numéros tirés lors de n tirages est plus petit que k, alors tous les numéros tirés sont plus petits que k. On obtient donc directement : 18
20 P (X k) = (P (Y k)) n = ( ) k n N Et, P (X = k) = P (X k X k 1) = kn (k 1) n N n Remarque : On constate, pour cet exemple, qu'il est plus facile de calculer la fonction de répartition que la loi de la variable X. Exemple_Exercice 21 On lance 3 fois une pièce truquée pour laquelle P (Face) = 2 3 et P (Pile) = 1 3. X indique le plus grand nombre de "face" obtenus. Quelle est l'espérance de X? Correction 21 Utilisons la formule de l'espérance, pour une variable aléatoire discrète : E(X) = + n=0 i < 0, P (X = i) = 0 et i > 3, P (X = i) = 0 P (X = 0) = x n P (X = x n ) ( ) P (X = 1) = ( 1 3 ) 2 P (X = 2) = 3. ( ) Ainsi : P (X = 3) = ( ) E(X) = 0.( 1 3 ) ( 1 3) ( ) ( ) E(X) = 2 19
21 Exemple_Exercice 22 Une urne contient a boules blanches et b boules noires. On tire successivement sans remise 2 boules de l'urne et l'on note X i la variable aléatoire réelle égale à 1 si la i ème boule tirée est blanche, et 0 sinon. Déterminons la loi conjointe de (X 1, X 2 ) Correction 22 On a : P (X 1 = 0, X 2 = 0) = P (X 1 = 0)P (X 2 = 0) X 1 = 0) = P (X 1 = 1, X 2 = 0) = P (X 1 = 1)P (X 2 = 0) X 1 = 1) = P (X 1 = 0, X 2 = 1) = P (X 1 = 0)P (X 2 = 1) X 1 = 0) = P (X 1 = 1, X 2 = 1) = P (X 1 = 1)P (X 2 = 1) X 1 = 1) = b a + b b 1 a + b 1 a a + b b a + b 1 b a + b a a + b 1 a a + b a 1 a + b 1 Exemple_Exercice 23 Reprenons l'exemple avec a boules blanches et b boules noires. On eectue 2 tirages successifs sans remise. Cov(X 1, X 2 )? Correction 23 Par dénition, on a : Or De plus : Donc : Cov(X 1, X 2 ) = E(X 1 X 2 ) E(X 1 )E(X 2 ) E(X 1 X 2 ) = 1 1 P (X 1 = 1, X 2 = 1) P (X 1 = 1, X 2 = 0) = +0 1 P (X 1 = 0, X 2 = 1) P (X 1 = 0, X 2 = 0) a(a 1) (a + b)(a + b 1) E(X 1 ) = E(X 2 ) = Cov(X 1 X 2 ) = a a + b ab (a+b) 2 (a+b 1) 20
Couples 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 détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en 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 détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailNOTIONS 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 détail9 5 2 5 Espaces probabilisés
BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire
Plus en détailExercices de dénombrement
Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.
Plus en détailExemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.
Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir
Plus en 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailProbabilités 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 détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en détailIndépendance 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 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 détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en 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 détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailProbabilités 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 détail1. 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 détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailAndrey Nikolaevich Kolmogorov
PROBABILITÉS La théorie des probabilités est née de l étude par les mathématiciens des jeux de hasard. D'ailleurs, le mot hasard provient du mot arabe «az-zahr» signifiant dé à jouer. On attribue au mathématicien
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailProbabilités. I - Expérience aléatoire. II - Evénements
Probabilités Voici le premier cours de probabilités de votre vie. N avez-vous jamais eut envie de comprendre les règles des grands joueurs de poker et de les battre en calculant les probabilités d avoir
Plus en détailProbabilités et Statistique
Ricco Rakotomalala Probabilités et Statistique Notes de cours Université Lumière Lyon 2 Avant-propos Ce document est un support de cours pour les enseignements des probabilités et de la statistique. Il
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en 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 détailStatistiques 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 détailIntroduction au Calcul des Probabilités
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus
Plus en détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en 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 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 détailCOMBINATOIRES ET PROBABILITÉS
COMBINATOIRES ET PROBABILITÉS ème année. Analyse combinatoire.. Outils.. Principe de décomposition.. Permutations.. Arrangements..5 Combinaisons 8.. Développement du binôme 9..7 Ce qu il faut absolument
Plus en détailLes probabilités. Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée Les probabilités produite par TFO.
Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée produite par TFO. Le guide Édition 1988 Rédacteur (version anglaise) : Ron Carr Traduction : Translatec Conseil Ltée
Plus en détailProbabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.
Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110
Plus en 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 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 détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailProbabilités-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 détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en 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 détailPlan général du cours
BTS GPN 1ERE ANNEE-MATHEMATIQUES-PROBABILITES-DENOMBREMENT,COMBINATOIRE PROBABILITES Plan général du cours 1. Dénombrement et combinatoire (permutations, arrangements, combinaisons). 2. Les probabilités
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailMATHÉMATIQUES 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 détailDate : 18.11.2013 Tangram en carré page
Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches
Plus en détailMesure de probabilité, indépendance.
MATHEMATIQUES TD N 2 : PROBABILITES ELEMENTAIRES. R&T Saint-Malo - 2nde année - 2011/2012 Mesure de probabilité, indépendance. I. Des boules et des cartes - encore - 1. On tire simultanément 5 cartes d
Plus en détailACTUARIAT 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 détailDENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES
BTS GPN ERE ANNEE-MATHEMATIQUES-DENOMBREMENT-COMBINATOIRE-EXERCICE DE SYNTHESE EXERCICE RECAPITULATIF (DE SYNTHESE) CORRIGE Le jeu au poker fermé DENOMBREMENT-COMBINATOIRE-PROBABILITES GENERALES On joue
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détail2. Probabilités. 2.1. Un peu d'histoire PROBABILITÉS
PROBABILITÉS 11 2. Probabilités 2.1. Un peu d'histoire Pierre de Fermat (Beaumont-de-Lomagne, 17/8/1601 - Castres, 12/1/1665) Jacques Bernoulli (Bâle, 27/12/1654 - Bâle, 16/8/1705) Pierre-Simon Laplace
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 détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailRapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources
Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils
Plus en détailSeconde 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 détailAxiomatique de N, construction de Z
Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................
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 détailAlgorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
Plus en détailPROBABILITÉS ET STATISTIQUES. 1. Calculs de probabilités B) 0.1 C) 0.56 3
PROBABILITÉS ET STATISTIQUES ARTHUR CHARPENTIER 1. Calculs de probabilités 1 Un système est formé de deux composants indépendants. L'un a une probabilité p de tomber en panne et l'autre 2p. Le système
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 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 détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailCalcul 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 détailBureau N301 (Nautile) benjamin@leroy-beaulieu.ch
Pre-MBA Statistics Seances #1 à #5 : Benjamin Leroy-Beaulieu Bureau N301 (Nautile) benjamin@leroy-beaulieu.ch Mise à niveau statistique Seance #1 : 11 octobre Dénombrement et calculs de sommes 2 QUESTIONS
Plus en 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 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 détail1. Création d'un état... 2. 2. Création d'un état Instantané Colonnes... 3. 3. Création d'un état Instantané Tableau... 4
1. Création d'un état... 2 2. Création d'un état Instantané Colonnes... 3 3. Création d'un état Instantané Tableau... 4 4. Création d'un état avec plusieurs tables... 9 5. Modifier la structure d'un état...11
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 détailPOKER ET PROBABILITÉ
POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main
Plus en détailObjets 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 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 détailL E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
Plus en détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
Plus en détailVers l'ordinateur quantique
Cours A&G Vers l'ordinateur quantique Données innies On a vu dans les chapîtres précédents qu'un automate permet de représenter de manière nie (et même compacte) une innité de données. En eet, un automate
Plus en détailExercice numéro 1 - L'escalier
Exercice numéro 1 - L'escalier On peut monter un escalier une ou deux marches à la fois. La figure de droite montre un exemple. 1. De combien de façons différentes peut-on monter un escalier de une marche?
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailINF 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 détailJeux mathématiques en maternelle. Activités clés. Jeu des maisons et des jardins (Yvette Denny PEMF)
Activités clés NIVEAU : PS/MS Jeu des maisons et des jardins (Yvette Denny PEMF) Compétences Construire les premiers nombres dans leur aspect cardinal Construire des collections équipotentes Situation
Plus en détailProblèmes de Mathématiques Filtres et ultrafiltres
Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire
Plus en détailPartie 1 : la construction du nombre chez l'enfant. Page 2. Partie 2 : Des jeux et des nombres Page 8
Partie 1 : la construction du nombre chez l'enfant. Page 2 Partie 2 : Des jeux et des nombres Page 8 1 La construction du nombre Le nombre est invariant : Le nombre ne change pas quelles que soient les
Plus en détailIntroduction aux Probabilités
Université Rennes 2 Licence MASS 2 Introduction aux Probabilités Arnaud Guyader Table des matières 1 Espaces probabilisés 1 1.1 Qu est-ce qu une probabilité?.............................. 1 1.1.1 Tribu.......................................
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détail1. Introduction...2. 2. Création d'une requête...2
1. Introduction...2 2. Création d'une requête...2 3. Définition des critères de sélection...5 3.1 Opérateurs...5 3.2 Les Fonctions...6 3.3 Plusieurs critères portant sur des champs différents...7 3.4 Requête
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailChampionnat de France de Grilles Logiques Finale 7 juin 2014. Livret d'instructions
Championnat de France de Grilles Logiques Finale 7 juin 0 Livret d'instructions Épreuve Thème Horaires Durée Points Déjà vu? h h minutes 0 Medley international h h 0 minutes 00 Futur proche? h h0 minutes
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 détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détail