Probabilités exercices corrigés

Dimension: px
Commencer à balayer dès la page:

Download "Probabilités exercices corrigés"

Transcription

1 Termiale S Probabilités Exercices corrigés Combiatoire avec démostratio Ragemets Calcul d évéemets Calcul d évéemets Calcul d évéemets 6 Dés pipés 7 Pièces d or 8 Agriculteur pas écolo 9 Boules Jeux 6 Coformité 6 Fumeurs 6 Coformité 7 Chies chats 7 Maladie 7 6 QCM, Am du Nord 6 7 Fesic : Exercice Fesic : Exercice Fesic : Exercice Fesic : Exercice 6 Fesic : Exercice Fesic : Exercice Arbre+Va, N Calédoie 6/8 Lacer + VA, Liba 6/8, poits Loterie+biomiale, Polyésie Lacer dés+biomiale, Am du Nord 7 7 Tirages simult+va+biomiale, Frace 8 8 Ures et dés, Podichery 9 Etropie, Frace Loi expoetielle, Frace Boules, Amérique du sud Club photo Cartes 6 Boules et ures 7 Boules, Atilles Guyae Ures 9 7 Ures, Amérique du Sud 8 Boules et suite 9 Exercice de base : Efficacité d u test Exercice de base : temps d attete Exercice de base : attete Exercice de base : ABS Cubes pour efats Ure 6 Tulipes 8 6 Jetos 9 7 Vie et mort de bactéries, cocours Geipi 8 Cotrôle de qualité, Polyésie 9 Erreurs d impressio, Am du Sud 999 Cotrôle de chaudières, Atilles Clefs et portes, Podicherry 6 7 Boules, Cetres étragers 8 Ciéma, Atilles Boules et foctio, Liba 8 Jetos+VA, Polyésie 6 Promeades familliales, Liba 7 Retard au travail, Polyésie 6 8 VA+Markov, Am du Nord 7 9 Fourmis markoviees, Atilles 6 Chasse aux fraudeurs, N Caledoie 7 6 Durée de vie, Frace 6/8 8 6 Tri de productio, Atilles Durée de vie+biom, Liba Composats électroiques, N Cal ov Visite de musée, Cetres étragers 6 66 Tirs successifs+adéquatio, Frace Adéquatio à ue loi équirépartie 6 Combiatoire avec démostratio Démostratio de cours Démotrer que, pour tous etiers aturels et k tels que k<, o a : Termiale S F Laroche + = k k k E déduire que pour tous etiers aturels et k tels que k<, o a : k + + = k k k O cosidère deux etiers aturels et k tels que k< O dispose d ue ure coteat boules idiscerables au toucher Deux des boules sot rouges, les autres sot blaches O tire au hasard et simultaémet k boules de l ure O appelle A l évèemet «au mois ue boule rouge a été tirée» a Exprimer e foctio de et de k la probabilité de l évèemet A, cotraire de A E déduire la probabilité de A

2 b Exprimer d ue autre maière la probabilité de l évèemet A et motrer, à l aide de la formule obteue à la questio, que l o retrouve le même résultat ( )( k+ ) Démostratio : il est plus simple d utiliser = que k k( k ) même déomiateur état plus visible Termiale S F Laroche! =, la mise au k k!( k)! ( )( k+ + ) ( )( k+ ) ( k+ ) k + k = k + = ; ( k ) k( k ) k( k ) le déomiateur commu apparaît alors : k! Il suffit doc de multiplier la première fractio par k e haut et e bas, ce qui doe k( )( k+ ) + ( )( k) ( k+ ) = k! k! O peut mettre ( )( k+ ) e facteur du umérateur de la fractio de gauche : et c est fii ( )( k+ ) k+ k ( )( k+ ) = k! k! Réécrivos + = k k k u rag plus bas pour et pour k : + = k k k ; réécrivos + = k k k u rag plus bas pour mais pas pour k : + = k k k ; ajoutos les deux liges : + + = + = k k k k k k Das l ure o a boules rouges et boules blaches ; il y a tirages simultaés possibles de k k boules de l ure a A = «au mois ue boule rouge a été tirée»; A = «aucue boule rouge a été tirée» = «les k boules k tirées sot blaches»: il y a k maières de faire et P(A) = k O a doc k k k P(A) = = k k b A peut se produire si o tire rouge et k blaches, ombre de maières : ou rouges et k blaches : ombre de maières : k = k O a alors k = k, + k k P(A) = L égalité etre les deux est alors l égalité des umérateurs : k

3 soit l égalité du Ragemets = + = + + k k k k k k k k, O costitue ue file d attete e attribuat au hasard des uméros d ordre à persoes ( ) Deux amis A et B se trouvet das cette file d attete Quelle est la probabilité que les deux amis soiet situés l u derrière l autre? Quelle est la probabilité que les deux amis soiet distats de r places (ie séparés par r persoes)? Le ombre total de possibilités de ragemet est! Supposos que A est e premier, B est derrière, il reste ( )! répartitios possibles Comme A peut être placé importe où das la file avec B derrière lui, il y a ( ) places possibles pour A et doc la probabilité ( )! = d avoir A suivi de B ; c est pareil pour B suivi de A, soit la probabilité fiale! Même raisoemet ; au pire B est e derier et A r places devat ; o peut placer A de r maières, ( r)( )! ( r) la probabilité fiale est alors =! Calcul d évéemets ( ) Soiet A et B deux évéemets tels que P( A ) = et P( A B) Supposos que A et B soiet icompatibles Calculer P( B ) Supposos que A et B soiet idépedats Calculer P( B ) = Calculer P( B ) e supposat que l évéemet A e peut être réalisé que si l évéemet B est réalisé A et B icompatibles doc A B = + = = = d où P( A B) P( A) P( B) P( B) = = + = = 8 A et B idépedats : P( A B) P( A) P( B) P( B) P( B) P( B) P( B) A e peut être réalisé que si B est réalisé : tous les évéemets de A sot das B, P( A B) = P( A) = + P( B) P( B) = Calcul d évéemets Motrer que, pour évéemets quelcoques A, B, C, o a : P( A B C) = P( A) + P( B) + P( C) P( A B) P( B C) P( C A) + P( A B C) Gééraliser das le cas de évéemets A, A,, A O pred par exemple B C E P( E) = P( B) + P( C) P( B C) et =, soit P( A E) P( A) P( E) P( A E) = +, ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) A E= A B A C P A E = P A B + P A C P A B A C = P A B + P A C P A B C doc e remplaçat o obtiet la formule Termiale S F Laroche

4 Même chose, par récurrece (bof et très péible) Calcul d évéemets Soiet A, B et C des évéemets O pose E A B C Motrer que E et E sot icompatibles Détermier l esemble E E = et E A ( B C) = O sait que P( A ) =,6, P( B ) =,, P( C ) =,, P( B C) =,, P( A C), P( A B) =, et P( A B C) =, Calculer P( E ) et P( E ) E E A B C A ( B C) ( A B C B) ( A B C C) = = = = A B C A ( B C) = doc e appelat K B C = + =, P( B C), O calcule P( B C),,,,6 E utilisat la formule de l exo 9, o a E E = A K A K = A =, o a ( ) ( ) = ; P( E ) P( E ) P( A) ( ) P( A B C),6,,,,,,,9 + = =,6 P A K = = = ; par ailleurs ( ) ( ) ( ) ( ) ( ) ( ) P A K = P A + P K P A K,9=,6+,6 P E P E =, et efi P( E ) =,6,=, 6 Dés pipés =, O lace deux fois u dé pipé tel que P()=P()=P()=/ et P()=P(6)=/ Quelle est la probabilité que la somme des poits obteus soit supérieure à (strictemet) sachat que : u des résultats est 6 le premier résultat est 6 Il maque ( ) P = = 8 8 Il faut avoir des résultats comme (x, 6) ou (6, x) avec x = ou 6 ; o a doc la probabilité + = = (o elève / pour e pas compter (6, 6) deux fois) 8 Là c est simplemet (6, x), soit + = Pièces d or Trois coffres otés C, C, C ot chacu deux tiroirs, et das chaque tiroir, il y a ue pièce Le coffre C cotiet pièces d or, C pièces d arget et C ue pièce d or et ue d arget O ouvre au hasard l u des 6 tiroirs et o trouve ue pièce d arget Quelle est la probabilité pour que l o ait ouvert u tiroir du coffre C? O ouvre à ouveau et idépedammet de la première fois l u des 6 tiroirs et o trouve ecore ue pièce d arget Quelle est la probabilité pour que l o ait ouvert deux fois le même coffre? = C + C + C = + + = ; P( A) P ( A) P( C ) P ( A) P( C ) P ( A) P( C ) A ( ) P C ( ) P( A) ( A) P( C ) P( A) P A C PC / = = = = (ce qui était totalemet évidet ) / Termiale S F Laroche

5 Puisqu o a déjà pris ue pièce d arget, il faut retomber sur C, doc l idépedace, sio o aurait quelque chose plus compliqué) 8 Agriculteur pas écolo = (attetio à 9 U agriculteur a etreposé das u local humide doses d herbicides et 8 doses de fogicide Après plusieurs mois de séjour, les étiquettes e sot pas différetiables (parce qu illisibles) E vue d u traitemet, l agriculteur pred 6 doses au hasard (écologiquemet totalemet icorrect ) a Quelle est la probabilité qu il pree 6 doses d herbicide? b Quelle est la probabilité qu il pree au mois doses d herbicide? 6 6 a L uivers comporte tirages simultaés de 6 objets parmi, il y a maières de tires les doses, soit ue probabilité de : = 6!,, eviro,% ! b O cherche [Probabilité ( dose herbicide) + ( dose herbicide)], soit P = = =,7=,7% 6 6 6! ( ) P( )! = = =,7,7% 6 6 6! Probabilité recherchée = (,7+,7) = 99,76 % 9 Boules Ue boîte cotiet boules rouges, boules vertes et 7 boules jaues O tire simultaémet boules de la boîte et o suppose que tous les tirages sot équiprobables Calculez la probabilité d obteir : a Deux boules de la même couleur b Deux boules de couleurs différetes a Il y a = 9 maières de tirer boules simultaémet parmi les boules de la boîte, = 6 maières de tirer rouges parmi les rouges, = maières de tirer vertes parmi les vertes et = maières de tirer jaues parmi les 7 jaues 7 Termiale S F Laroche

6 Probabilité recherchée = =,97 soit,97% 9 b Comme o tire deux boules, l évéemet cotraire de «boules de même couleur» est «boules de couleurs différetes» La probabilité est doc,97=,67 Jeux Ue equête effectuée auprès de persoes adultes (habitats d ue ville) portat sur les jeux d arget idique que - 8 jouet à la loterie (A) - vot au casio (B) - 9 jouet autat à la loterie qu au casio a Si ue persoe adulte (de la ville) est choisie au hasard, quelle est la probabilité qu elle joue à la loterie ou au casio? b Quelle est la probabilité qu elle joue uiquemet au casio? a 8 P( A ) = =,788, Termiale S 6 F Laroche P( B ) = =,67, P( A B) = P( A) + P( B) P( A B) =,868 9 P( A B) = =,67 b Il y a 9 joueurs qui jouet uiquemet au casio, soit Coformité P( C ) = =,8 D après les doées recueillies jusqu à ce jour, % de la productio d ue uité d ue etreprise est o coforme et e peut être commercialisée a Quelle est la probabilité que pièces choisies au hasard de la productio de cette uité soiet o coformes? b Quelle est la probabilité que la première pièce soit o coforme et que la secode soit coforme? a O peut toujours utiliser ue loi biomiale : p=, et = La probabilité que l o ait les deux pièces o coformes est ( ),, p p = = b Evéemets successifs : P( C C) ( ) Fumeurs, = P C p( C) =,,98=,96 Ue réuio rassemble persoes : femmes et 8 hommes O sait que % des femmes fumet aisi que % des hommes a Ue persoe quitte la réuio Quelle est la probabilité que cette persoe soit occupée à fumer? b Ue persoe quitte la réuio e fumat Quelle est la probabilité qu il s agisse d ue femme? a Formule des probabilités totales :

7 8 P( f ) = P( [ H f ] [ F f ]) = P( H) PH ( f ) + P( F) PF ( f ) = + =,8 b Probabilité recherchée = Coformité,6, =,,6,+,, O suppose que etreprises X, Y et Z fabriquet trois types de microprocesseurs utilisés das les ordiateurs se partaget le marché à raiso de % pour X, % pour Y, % pour Z Les pourcetages de commades o coformes sot : % pour les microprocesseurs de X, % pour ceux de Y et % pour ceux de Z Das u lot costitué de microprocesseurs das les proportios idiquées pour X, Y et Z, o prélève u microprocesseur a Quelle est la probabilité qu il soit o coforme? b Sachat que le microprocesseur présete u défaut de fabricatio, quelle est la probabilité qu il soit du type X? a A l aide d u arbre de probabilités à ouveau ous obteos,, +,, +,, =, b,, =,6,,+,,+,, Chies chats O sait que 6 % des foyers ot u chie et que das % des foyers où l o a u chie o trouve aussi u chat O sait par ailleurs que % des foyers ot u chat a Quelle est la proportio de foyers das lesquels o trouve u chie et u chat? b Quelle est la probabilité qu u foyer possède u chie sachat qu il possède u chat? P chie = doc P chie chat P chat P( chie) a ( ),6 b P( chat ) =,, Maladie ( ) = ( ) =,,6=,79 chie P( chie chat),79 Pchat( chie) = = =,6 P( chat), Das ue populatio, u sujet a ue probabilité de, d'être atteit d'ue maladie M O sait que si u sujet 'est pas atteit de M, il a 9 chaces sur de répodre égativemet à u test T et que s'il est atteit de M, il a 8 chaces sur de répodre positivemet à T O fait le test a Si le résultat est positif, quelle est la probabilité pour que le sujet soit malade? b Quelle est cette probabilité si le test est égatif? a J ai résolu cet exercice à l aide d u arbre de probabilités Termiale S 7 F Laroche

8 Probabilité recherchée=,,8 = 77,%,,8+,7,,, b Probabilité recherchée= = 8,7%,,+,7,9 6 QCM, Am du Nord 6 poits Pour chaque questio, ue seule des trois réposes proposées est exacte Le cadidat idiquera sur la copie le uméro de la questio et la lettre correspodat à la répose choisie Aucue justificatio est demadée Ue répose exacte rapporte poit, ue répose fausse elève, poit ; l absece de répose est comptée poit Si le total est égatif, la ote est rameée à zéro Ue ure cotiet bulletis idiscerables au toucher de trois sortes : sot marqués «oui», sot marqués «o» et sot marqués «blac» Lors d u premier jeu, le joueur commece par miser cetimes d euro Il tire esuite u bulleti de l ure et l y remet après l avoir lu Si le bulleti est marqué «oui», le joueur reçoit 6 cetimes d euro, s il est marqué «o», il e reçoit rie Si le bulleti est marqué «blac», il reçoit cetimes d euro Questio : Le jeu est A : favorable au joueur B : défavorable au joueur C : équitable Questio : le joueur joue quatre parties idépedammet les ues des autres La probabilité qu il tire au mois ue fois u bulleti marqué «oui» est égale à A : 6 6 B : 6 C : Lors d u secod jeu le joueur tire simultaémet deux bulletis de l ure Questio : la probabilité qu il obtiee u tirage de deux bulletis de sortes différetes est égale à : A : B : C : = doc le Questio : L espérace mathématique du jeu est ( ) ( ) ( ) jeu est C : équitable Questio : Loi biomiale =, doc répose B 8 aumoisuoui = oui = = =, 6 6 p=, P( ) P( ) 9 Questio : Le joueur tire simultaémet deux bulletis de l ure : il y a = = tirages possibles ; la probabilité qu il obtiee u tirage de deux bulletis de sortes différetes est égale à la + + probabilité de tirer oui et o ou oui et blac ou o et blac, soit = =, répose C 7 Fesic : Exercice 7 O cosidère ue successio de sacs qu o désige par S, S,, S Au départ le sac S cotiet jetos oirs et jeto blac ; tous les autres sacs cotieet chacu jeto oir et jeto blac O tire au hasard u jeto du sac S que l o place das le sac S Puis, o tire au hasard u jeto du sac S, que l o place das le sac S, et aisi de suite O ote B k l évéemet :«le jeto tiré du sac S k est blac», et P( B ) p = sa probabilité k k Termiale S 8 F Laroche

9 = = a O a : P( B /B ) et P( B /B ) b O a, pour tout etier : p+ = p+ Pour tout * N, o pose q = p c Alors la suite ( q ) N * est arithmétique d La suite ( p ) N * coverge vers a Vrai : Si o tire u jeto blac de S, o e a das S pour u total de jetos das S, doc P( B / B ) = Si o tire u jeto oir de S, o a jeto blac das S, et jetos das S, doc P( B / B ) = + = et b Faux : Le raisoemet fait e a reste le même si o est au tirage : P( B / B ) P( B / B ) p+ = p+ ( p ) d où p+ = p+ + = d autre part p P( B ) + + p = P B / B P( B ) + P B / B P( B ) soit = doc + ( + ) ( + ) c Faux : O remplace das la relatio de récurrece qui défiit p : p+ = p +, q+ + = q + + q+ = q doc q est géométrique 6 Comme p =, o a q = = d où 6 justifie la répose d) d Vrai : La suite ( p ) N * coverge vers 8 Fesic : Exercice 8 = = et fialemet 6 q p = ce qui Ue ure cotiet trois dés équilibrés Deux d etre eux sot ormaux : ils possèdet six faces umérotées de à 6 Le troisième est truqué : il possède deux faces umérotées et quatre faces portat le uméro 6 O pred u dé au hasard das l ure et o effectue de maière idépedate des lacers successifs de celui-ci O ote : a O a : ( ) * N l évéemet : «le dé tiré est ormal» ; * U l évéemet : «o obtiet au premier lacer» ; * pour etier o ul, S l évéemet : «o obtiet 6 à chacu des premiers lacers» P U = 9 b Pour tout etier o ul, o a : ( ) P S = + 6 Pour etier o ul, o ote p la probabilité d avoir tiré le dé truqué, sachat qu o a obteu le uméro 6 à chacu des premiers lacers Termiale S 9 F Laroche

10 c Pour tout etier o ul, o a : d O a : lim p = + p = + a Vrai : O trouve facilemet P( N ) =, P( U/ N ) = et P( U/ N ) = Repreos les probabilités 6 6 totales : P( U) = P( U/ N) P( N) + P( U/ N) P( N) = + = b Vrai : épreuves idépedates répétées doc loi biomiale : les paramètres sot pour le ombre de tirages et p : * si o choisit u dé ormal * si o choisit le dé truqué p=, o a alors 6 p= =, o a alors 6 E refaisat le même raisoemet qu au a o obtiet : c Vrai : P(tirer 6 fois)= p ( p) = 6 P(tirer 6 fois)= P(tirer 6 fois)= + 6 P( N S ) 6 p = P( N/ S) = = = = = P( S ) d Faux : p ted vers quad ted vers l ifii, ce qui semble logique 9 Fesic : Exercice Soit u etier supérieur ou égal à Ue ure cotiet : ue boule umérotée, ue boule umérotée, boules umérotées, boules umérotées, k boules umérotées k (k etier compris etre et ), boules umérotées Les boules sot idiscerables au toucher O extrait au hasard ue boule de l ure et o ote X la variable aléatoire égale au uméro de la boule tirée a L ure cotiet boules b Pour tout etier aturel k tel que k, o a : c O a pour : d O a : E( X) = ( ) + k k = ( ) + k= ( ) P X k k + = = ; Termiale S F Laroche

11 a Faux : L ure cotiet suite géométrique) k = + = k k b Faux : Si k>, P( X = k) = = ; si k=, k forcémet fausse puisque + > ) boules (somme des termes d ue P( X = ) = = (la répose proposée était k c Vrai : O teste la formule pour = : k = + = ;( ) + = Récurrece : + k= k k + k = k + ( + ) = ( ) + + ( + ) = + = + ; k= k= remplaços maiteat par + das la formule : + k k + + k = ( ) + k = ( + ) + = + ; ok k= k= d Faux : E( X) = k + + = k k= ( ) E( X) = ( ) + = ( ) k + k Fesic : Exercice 6 Soit u etier supérieur ou égal à O dispose de deux ures U et V L ure U cotiet boules blaches et boules oires ; l ure V cotiet boules blaches et boules oires O choisit au hasard l ue des deux ures, puis o tire deux boules de cette ure, successivemet et sas remise O désige par U l évéemet : «o choisit l ure U», par V l évéemet : «o choisit l ure V» et par B l évéemet : «les deux boules tirées sot blaches» a O a : P( B U) b O a : c = ( + )( + ) + P( B) = ( + )( + ) P( U/ B) = + d Pour que P( U/ B),, il suffit que P B U = P( U et blaches) = P( B/ U) P( U) = = = + ( + )( + ) ( + )( + ) a Faux : ( ) b Faux : Utilisos les probabilités totales : P( B) = P( B U) + P( B V) = P( B/ U) P( U) + P( B/ V) P( V) Or ( ) P( B/ V) = =, + ( + )( + ) ( ) P( B) = +, soit ( + )( + ) ( + )( + ) + P( B) = ( + )( + ) d où Termiale S F Laroche

12 c Vrai : P( B U) ( + )( + ) P( U/ B) = = = P( B) + + ( + )( + ) d Faux : P( U/ B),, + 8 ; =+7, soit 8, d où +,7;,7 ; le triôme est positif si, il faut doc que De toutes maières o pouvait tester qui doe P( U/ B ) = = qui est trop gros 7 Fesic : Exercice Ue ure cotiet boules : ue bleue, ue verte et ue rouge Soit u etier supérieur ou égal à O effectue tirages successifs d ue boule avec remise itermédiaire O suppose les tirages équiprobables et idépedats et o appelle p la probabilité associée à cette expériece O défiit de plus les évéemets suivats : * O appelle A l évéemet : «Les tirages ot doé la même boule et la ième boule tirée est différete des précédetes» ; * Lorsque k est u etier compris etre et, o appelle B k, V k et R k les évéemets respectivemet associés au tirage d ue boule bleue, verte ou rouge lors du k ième tirage a p B B p V V p R R ( ) = ( ) ( ) b p( A ) = c Pour tout etier, o a : = d lim [ p( A ) p( A ) p( A )] p( A ) = Questio a b c d Répose F V V F a B B se traduit par : «tirer ue blache e et tirer ue rouge ou ue verte e» Comme les tirages sot idépedats le mieux est ecore de faire le calcul : p( B k) =, p( B k) =, et la même chose pour les autres couleurs : 9 p( B B) = =, p( V V) p( R R) = = = b A est l évéemet «tirer ue boule d ue couleur e et d ue couleur différete e», soit 6 p( A) = p( B B) + p( V V) + p( R R) = + + = = c Pour A il faut tirer fois la même couleur, soit pour chaque couleur puis tirer ue couleur différete, soit ; comme il y a couleurs, ça ous fait p ( A ) = = d La somme p( A) + p( A) + + p( A ) est la somme des termes d ue suite géométrique de premier terme p( A ) = et de raiso doc elle vaut = (de à il y a termes) qui ted vers à Termiale S F Laroche

13 l ifii O pouvait s e douter das la mesure où o est sûr de fiir par tirer ue boule de couleur différete Fesic : Exercice La durée de vie d u moteur est de as et suit ue loi expoetielle de paramètre λ O utilisera pour les calculs l,7 f( t) = si t [;] a La desité de probabilité associée à cette loi est la foctio f défiie sur R par t f( t) = e si t [;] b O suppose que % des cliets ot été dépaés durat la garatie La durée de cette garatie est de as et demi eviro c O cosidère u lot de moteurs foctioat de maière idépedate et o appelle X le ombre de moteurs qui ot pas de pae pedat les deux premières aées La probabilité d avoir X est Termiale S F Laroche e p( X ) = d O est das les mêmes coditios qu au c L espérace de la variable aléatoire X est e E( X) = Questio a b c d Répose F V F V a La desité de probabilité d ue loi expoetielle de paramètre λ est f( t) = e λt pour t et f( t ) = pour t< Si o suit le texte alors pour t > la desité est ulle, soit Par cotre il faut alors que impossible λ f( t) = si t [;] t f( t) λe λ = si t [;] + f ( t ) dt= e dt= e = e = ce qui est λt λt λ λ E fait l éocé est moyeemet clair : il faut e fait lire «La durée de vie moyee d u moteur est de as» auquel cas o a immédiatemet λ, λ = = La desité est alors f( t) = sit<,t f( t) =,e sit b La traductio de l éocé est la suivate : o a % des moteurs qui vivet plus que T (T est la durée de la garatie) ; si t est la durée de vie d u moteur, la probabilité qu il dure après T est T,t,T p( t T) p( t T),e > = = dt= e ; o sait que cette probabilité est de, = / et o cherche doc T Il ous faut résoudre,t l() e =,T = l( ) T =,, c La probabilité qu u moteur e tombe pas e pae avat deux as est,,,, p( t> ) = p( t ) = e = e doc X suit ue loi biomiale de paramètres = et p= e = e O a alors p( X ) = p( X = ) = ( e ) ( e ) = ( e ) (iterpréter ) d Cours :, E( X) = p= e = e Arbre+Va, N Calédoie 6/8 poits,,, soit eviro,99998 Deux éleveurs produiset ue race de poissos d oremet qui e preet leur couleur défiitive qu à l âge de trois mois :

14 - pour les alevis du premier élevage, etre l âge de deux mois et l âge de trois mois, % ot pas survécu, 7 % devieet rouges et les % restat devieet gris ; - pour les alevis du deuxième élevage, etre l âge de deux mois et l âge de trois mois, % ot pas survécu, 6 % devieet rouges et les % restat devieet gris Ue aimalerie achète les alevis à l âge de deux mois : 6 % au premier éleveur, % au secod U efat achète u poisso le ledemai de so arrivée à l aimalerie, c est-à-dire à l âge de deux mois a Motrer que la probabilité que le poisso soit toujours vivat u mois plus tard est de,9 b Détermier la probabilité qu u mois plus tard le poisso soit rouge c Sachat que le poisso est gris à l âge de trois mois, quelle est la probabilité qu il proviee du premier élevage? Ue persoe choisit au hasard et de faço idépedate alevis de deux mois Quelle est la probabilité qu u mois plus tard, seulemet trois soiet e vie? O doera ue valeur approchée à près L aimalerie décide de garder les alevis jusqu à l âge de trois mois, afi qu ils soiet vedus avec leur couleur défiitive Elle gage euro si le poisso est rouge,, euro s il est gris et perd, euro s il e survit pas Soit X la variable aléatoire égale au gai algébrique de l aimalerie par poisso acheté Détermier la loi de probabilité de X et so espérace mathématique, arrodie au cetime a Pour que le poisso soit toujours vivat il faut qu il soit ecore vivat sachat qu il proviet du er élevage ou qu il soit vivat sachat qu il proviet du ème élevage : avec u arbre o a alors ( ) ( ) ( ) ( ) ( ) p V = p V p E + p V p E =,9,6+,9,=,9 E E b Même type de calcul : p( R) p ( R) p( E ) p ( R) p( E ) c p( G) pe ( G) p( E ) p ( ) ( ) E G p E p( E G) pe ( G) p( E ) pg( E ) p( G) p( G) = + =,7,6+,6,=,7 E E = + =,,6+,,=, ;,,6 = = =,, O remarquera qu u poisso peut mourir, deveir Rouge ou deveir Gris :,8+,7+, = Schéma de Beroulli/Loi biomiale : =, p=,9, p( X = ) =,7, p( X =, ) =,, ( ) E ( ) X =,7 +,,,,8=,7cet Lacer + VA, Liba 6/8, poits p X =, =,8 = =,9,8, k= ; P( k ) Ue ure A cotiet quatre boules rouges et six boules oires Ue ure B cotiet ue boule rouge et euf boules oires Les boules sot idiscerables au toucher Partie A U joueur dispose d'u dé à six faces, parfaitemet équilibré, uméroté de à 6 Il le lace ue fois : s'il obtiet, il tire au hasard ue boule de l'ure A, sio il tire au hasard ue boule de l'ure B Soit R l'évéemet «le joueur obtiet ue boule rouge» Motrer que p(r) =, Si le joueur obtiet ue boule rouge, la probabilité qu'elle proviee de A est-elle supérieure ou égale à la probabilité qu'elle proviee de B? Partie B Le joueur répète deux fois l'épreuve décrite das la partie A, das des coditios idetiques et idépedates (c'est-à-dire qu'à l'issue de la première épreuve, les ures retrouvet leur compositio iitiale) Termiale S F Laroche

15 Soit x u etier aturel o ul Lors de chacue des deux épreuves, le joueur gage x euros s'il obtiet ue boule rouge et perd deux euros s'il obtiet ue boule oire O désige par G la variable aléatoire correspodat au gai algébrique du joueur e euros au terme des deux épreuves La variable aléatoire G pred doc les valeurs x, x et Détermier la loi de probabilité de G Exprimer l'espérace E(G) de la variable aléatoire G e foctio de x Pour quelles valeurs de x a-t-o E(G) >? Partie A A et B formet ue partitio de l uivers Ω ; d après la formule des probabilités totales, o a 9 p( R) = p( A R) + p( B R) = pa( R) p( A) + pb( R) p( B) = + = Par coséquet, p( R ) =, p( A R) Calculos pr( A) et pr( B ) : ( ) 6 p( B R) pr A = = = et p ( ) 6 R B = = = Doc, si p( R) 9 9 p( R) le joueur obtiet ue boule rouge, la probabilité qu elle proviee de A est iférieure à celle qu elle proviee de B Partie B L épreuve décrite das la partie A est ue épreuve de Beroulli dot le succès est «obteir ue boule k rouge» O a p=, et = : ( ) (,) (,) k p X = k = k p G= x = p X = =, =, ; ( ) ( ) ( ) p( G= x ) = p( X = ) = (,) (,8) =, ; Termiale S F Laroche

16 p( G= ) = p( X = ) = (,8) =,7 ( ) ( ) ( ) ( ) E G =, x +, x +,7 =, x,, E G,x,,x, x x, Or x est u etier aturel, doc, ( ) E( G) lorsque x est supérieur ou égal à Loterie+biomiale, Polyésie 7 poits Pour réaliser ue loterie, u orgaisateur dispose d u sac coteat exactemet u jeto blac et 9 jetos oirs idiscerables au toucher et d autre part d u dé cubique équilibré dot les faces sot umérotées de à 6 Il décide des règles suivates pour le déroulemet d ue partie Le joueur doit tirer u jeto puis jeter le dé : * si le jeto est blac, le joueur perd lorsque le jet du dé doe 6 ; * si le jeto est oir, le joueur gage lorsque le jet du dé doe 6 A la fi de la partie, le jeto est remis das le sac O ote B l évéemet «le jeto tiré est blac» et G l évéemet «le joueur gage le jeu» L évéemet cotraire d u évéemet E est oté E La probabilité d u évéemet est otée p(e) Partie A Motrer que p ( G) 7 = O pourra s aider d u arbre podéré Quelle est la probabilité que le joueur ait tiré le jeto blac sachat qu il a perdu? U joueur fait quatre partie de faço idépedate Calculer la probabilité qu il e gage exactemet deux et e doer ue valeur approchée à près Quel ombre miimal de parties u joueur doit-il faire pour que la probabilité d e gager au mois ue soit supérieure à,99? Partie B L orgaisateur décide de faire de sa loterie u jeu d arget : * chaque joueur paye euro par partie ; * si le joueur gage la partie il reçoit euros ; * si le joueur perd la partie il e reçoit rie O ote X la variable aléatoire égale au gai algébrique (positif ou égatif) du joueur à l issue d ue partie a Doer la loi de probabilité de X et so espérace mathématique b O dit que le jeu est favorable à l orgaisateur si E(X) < Le jeu est-il favorable à l orgaisateur? L orgaisateur décide de modifier le ombre de jetos oirs ( etier aturel o ul) tout e gardat u seul jeto blac Pour quelles valeurs de l etier le jeu est-il défavorable à l orgaisateur? Partie A 9 7 = < + = = + = 6 6 p( G) p( B) p( dé 6) p( N) p( dé 6) p ( B) P p( Blac et Perdu ) 6 = = = = p( P) Termiale S 6 F Laroche

17 Loi biomiale : =, Loi biomiale : quelcoque, 7 p= ; il e gage avec la probabilité 7 p= ; p X = p( X ) 7 ( ) = = ( ),9 ; o a alors l, p( X ),99,99 l l(,) = 7, l d où = 8 Partie B a X pred les valeurs et ; p( X = ) = p( P) =, p( X ) p( G) 7 E( X ) = + = = 6 b L orgaisateur e semble pas très matheux Il faut recalculer p( G) p( B) p( dé 6) p( N) p( dé 6) ( ) E X 9 7 = = = + = < + = = + = ( 6 6 ) ( ) ( ) = + = = 6( + ) 6( + ) Lacer dés+biomiale, Am du Nord poits ( ) d où qui sera positif lorsque O dispose d u dé cubique équilibré dot ue face porte le uméro, deux faces portet le uméro et trois faces portet le uméro O dispose égalemet d ue ure coteat dix boules idiscerables au toucher, portat les lettres L, O, G, A, R, I, T, H, M, E (soit quatre voyelles et six cosoes) U joueur fait ue partie e deux étapes : Première étape : il jette le dé et ote le uméro obteu Deuxième étape : si le dé idique, il tire au hasardue boule de l ure Il gage la partie si cette boule porte ue voyelle et il perd das le cas cotraire si le dé idique, il tire au hasard et simultaémet deux boules de l ure Il gage la partie si chacue de ces deux boules porte ue voyelle et il perd das le cas cotraire si le dé idique, il tire au hasard et simultaémet trois boules de l ure Il gage la partie si chacue de ces trois boules porte ue voyelle et il perd das le cas cotraire À la fi de chaque partie, il remet das l ure la ou les boules tirée(s) O défiit les évèemets suivats : D : «le dé idique», D : «le dé idique», D : «le dé idique», G : «la partie est gagée» A et B état deux évèemets tels que p( A), o ote p A (B) la probabilité de B sachat que A est réalisé a Détermier les probabilités b Motrer alors que p( G ) = 8 pd ( G ), pd ( G ) et pd ( G ) U joueur a gagé la partie Calculer la probabilité qu il ait obteu le uméro avec le dé Termiale S 7 F Laroche

18 U joueur fait six parties Calculer la probabilité qu il e gage exactemet deux et e doer ue valeur arrodie à près Quel ombre miimal de parties u joueur doit-il faire pour que la probabilité d e gager au mois ue soit supérieure à,9? a pd ( G ) : s il tire u, il gage s il tire ue voyelle, soit chaces sur, pd ( G ) : s il tire u, il gage s il tire voyelles, soit 6 pd ( G ) = = ; pd ( G ) : s il tire u, il gage s il tire voyelles, soit pd ( G ) = = b O applique les probabilités totales : Termiale S 8 F Laroche ( ) ( ) ( ) = = 6 pd ( G ) = chaces sur = = chaces sur p( G) = p D G + p D G + p D G = pd ( G) p( D ) + pd ( G) p( D ) + pd ( G) p( D ) = + + = Ce coup-ci o cherche p( G D ( ) ( ) pd G p D ) 6 8 pg( D) = = = = = p( G) p( G) 6 8 U joueur fait six parties : loi biomiale avec = 6 et O remplace 6 par et k par : p= O cherche 8 6 p( k= ) =, = =, 98 = =, 7 p( k ) = p( k= ) = = l(,) doc résoudre, 9, 6, 8 soit 7 parties miimum 8 8 l(7/ 8) 7 Tirages simult+va+biomiale, Frace poits ; il faut Pour les questios et, o doera les résultats sous forme de fractio et sous forme décimale approchée par défaut à près U efat joue avec billes : rouges et 7 vertes Il met rouges et vertes das ue boîte cubique et rouges et vertes das ue boîte cylidrique Das u premier jeu, il choisit simultaémet trois billes au hasard das la boîte cubique et il regarde combie de billes rouges il a choisies O appelle X la variable aléatoire correspodat au ombre de billes rouges choisies a Détermier la loi de probabilité de X b Calculer l'espérace mathématique de X U deuxième jeu est orgaisé de telle sorte que l'efat choisisse d'abord au hasard ue des deux boîtes, puis qu'il pree alors ue bille, toujours au hasard, das la boîte choisie O cosidère les évéemets suivats : * C : "L'efat choisit la boîte cubique",

19 * C : "L'efat choisit la boîte cylidrique", * R : "L'efat pred ue bille rouge", * V : "L 'efat pred ue bille verte" a Représeter par u arbre podéré la situatio correspodat à ce deuxième jeu b Calculer la probabilité de l'évéemet R c Sachat que l'efat a choisi ue bille rouge, quelle est la probabilité qu'elle proviee de la boîte cubique? L'efat reproduit fois de suite so deuxième jeu, e remettat à chaque fois la bille tirée à sa place a Exprimer, e foctio de, la probabilité p que l'efat ait pris au mois ue bille rouge au cours de ses choix b Calculer la plus petite valeur de pour laquelle p,99 U efat joue avec billes : rouges et 7 vertes Il met rouges et vertes das ue boîte cubique et rouges et vertes das ue boîte cylidrique Il choisit simultaémet trois billes au hasard : il y a billes das cette boîte, il y a doc = = 86 choix possibles Comme il y a rouges, il peut predre,, ou billes rouges : ce sot les valeurs que peut predre X a Si o tire k rouges, o tire k vertes : o a valeurs de k : k k p( X = k) = O calcule pour les différetes 86 X p X =, =, =,7 =, b E( X ) = =, Ce type de loi est assez peu utilisée sous cette forme car les coefficiets biomiaux devieet igérables dès que le ombre d objets présets est trop importat a C / R / / V / C /7 R /7 V (R) = (R C ) + (R C ) = (R) (C ) + (R) (C ) = + = =, b p p p pc p pc p Probabilités totales Termiale S 9 F Laroche

20 c p(c R) / 7 7 pr(c ) = = = =,6 p(r) 9/ Loi biomiale : icou, p = probabilité de tirer ue rouge a p( X ) = p( X = ) = = l, b p,99,99, l l,, ; il faut l 8 doc que 6 Questios ultra classiques, attetio aux chagemets de ses das les iégalités (l(7/8) < car ) 8 Ures et dés, Podichery U joueur dispose d u dé cubique bie équilibré dot les faces sot umérotées de à 6, et de trois ures, U, U et U coteat chacue k boules, où k désige u etier aturel supérieur ou égal à Il y a trois boules oires das U, deux boules oires das U et ue boule oire das U Toutes les autres boules das les ures sot blaches Les boules sot idiscerables au toucher Ue partie se déroule de la maière suivate : le joueur lace le dé, * s il obtiet le uméro, il pred au hasard ue boule das l ure U, ote sa couleur et la remet das U ; * s il obtiet u multiple de, il pred au hasard ue boule das U, ote sa couleur et la remet das U ; * si le uméro ameé par le dé est i i u multiple de, il pred au hasard ue boule das U, ote sa couleur et la remet das U O désige par A, B, C et N les évéemets suivats : A : «Le dé amèe le uméro» B : «Le dé amèe u multiple de» C : «Le dé amèe u uméro qui est i i u multiple de» N : «La boule tirée est oire» Le joueur joue ue partie a Motrer que la probabilité qu il obtiee ue boule oire est égale à k b Calculer la probabilité que le dé ait ameé le sachat que la boule tirée est oire c Détermier k pour que la probabilité d obteir ue boule oire soit supérieure à d Détermier k pour que la probabilité d obteir ue boule oire soit égale à Das cette questio, k est choisi pour que la probabilité d obteir ue boule oire e jouat ue partie soit égale à Le joueur fait parties, idépedates les ues des autres Calculer, sous forme exacte puis arrodie à près la probabilité qu il obtiee au mois ue fois ue boule oire O fait u arbre qui doe toutes les réposes immédiatemet : Termiale S F Laroche

21 dé = /6 U p(n) = /k dé = ou 6 /6 U p(n) = /k dé =,, /6 U p(n) = /k a Pour avoir ue boule oire il faut calculer la probabilité d avoir tiré avec le dé et ue oire das U, etc, soit sous forme de probabilité coditioelle : p( N) = p[( A N) ( B N) ( C N)] = p( A) p ( N) + p( B) p ( N) + p( C) p ( N) Ceci doe évidemmet p( N) = 6 k + 6 k + 6 k = 6k = k p( A N) /k b O cherche ici PN( dé= ) = = = p( N) /k c d U U U > k< k< ; comme k est etier et supérieur ou égal à, il reste k = k k k k = = = Le ombre de fois où o tire ue boule oire sur les parties suit ue Loi biomiale de paramètres = et p= La probabilité qu il obtiee au mois ue fois ue boule oire est doc 9 Etropie, Frace poits 9 9 p( X ) = p( X = ) =,9 = U récipiet cotiet u gaz costitué de deux sortes de particules : 7 % de particules A et % de particules B Les particules sot projetées sur ue cible formée de deux compartimets K et K L expériece est modélisée de la maière suivate : - Ue particule au hasard parmi les particules de type A etre das K avec la probabilité et das K avec la probabilité - Ue particule au hasard parmi les particules de type B etre das chacu des compartimets avec la probabilité Partie A Termiale S F Laroche

22 Soit ue particule au hasard Détermier la probabilité de chacu des évéemets suivats : A : «la particule isolée est de type A et elle etre das K» ; A : «la particule isolée est de type A et elle etre das K» ; B : «la particule isolée est de type B et elle etre das K» ; B : «la particule isolée est de type B et elle etre das K» ; C : «la particule etre das K» ; C : «la particule etre das K» O procède fois de suite et de faço idépedate à l épreuve décrite e itroductio Le ombre de particules état très grad, o admettra que les proportios 7 % et % restet costates Calculer la probabilité de l évéemet E suivat : «il y a exactemet deux particules das K» Partie B U récipiet cotiet le gaz décrit précédemmet Les particules A sot radioactives et se trasformet spotaémet e particules B O ote p( t ) la proportio de particules A das le gaz Aisi, à l istat t=, o a p () =,7 Plus gééralemet, si t est exprimé e aées, o a p( t) =,7e λt où λ est ue costate réelle La demivie des particules de type A est égale à 7 as Calculer λ ; o predra ue valeur approchée à près par défaut Au bout de combie d aées, % des particules de type A se serot-elles trasformées e particules de type B? Détermier la valeur de t pour laquelle il y aura autat de particules de type A que de particules de type B (o arrodira à l uité) Partie A Iterprétos les doées e termes de probabilités : 7 % de particules A, soit p (A) =,7, et % de particules B, soit p (B) =, - A etre das K avec la probabilité : p A(K) =, das K avec la probabilité : p A(K) = - B etre das K ou K avec la probabilité : p B(K) =, p B(K) = p(a) = p(a K) = pa(k) p(a) =,7= ; p(a) = p(a K) = pa(k) p(a) =,7= ; p(b) p(b K) p (K) p(b), 8 = = B = = ; B p(c) = p((a K) (B K)) = p(a K)+ p(b K) = + = ; 8 8 p(c) = p((a K) (B K)) = p(a K)+ p(b K) = + = 8 8 Le total doit évidemmet faire Loi biomiale, B (,/8) ; Partie B p(b) = p(b K) = p (K) p(b) =,= ; 8 p(dask) =,6 8 8 p( t) =,7e λt où λ est ue costate réelle La demi-vie des particules de type A est égale à 7 as A t = 7, o a Temps au bout duquel le ombre de particules restates est la moitié du ombre iitial Termiale S F Laroche

23 λt λ(7),7 λ(7) l, 7 e = p(), 7 e = e = λ(7) = l λ =, 97, 7 soit, à près par défaut 9 O cherche t pour qu il reste 9 % des particules de type A, soit p( t) = p(), ce qui doe l équatio λt λt l(, 9) l(, 9) d icoue t :,7e =,9,7 e =,9 λt= l(,9) t= = 87as λ, Il y aura autat de particules de type A que de particules de type B lorsque les pourcetages de types A et B serot de % chacu E l occurrece il faut que p( t ) =,, ce qui doe λt λt, l(/),7e =, e = λt= l(/) t= as,7 λ Loi expoetielle, Frace O s itéresse à la durée de vie, exprimée e semaies, d u composat électroique O modélise cette situatio par ue loi de probabilité p de durée de vie sas vieillissemet défiie sur l itervalle [ ; + [ : la probabilité que le composat e soit plus e état de marche au bout de t semaies est t x λ λ p([; t[) = e dx Ue étude statistique, motrat qu eviro % d u lot importat de ces composats sot ecore e état de marche au bout de semaies, permet de poser p ([;[) =, Motrer que l λ = Quelle est la probabilité qu u de ces composats pris au hasard ait ue durée de vie supérieure à semaies? O doera la valeur exacte et ue valeur approchée décimale au cetième près O admet que la durée de vie moyee d m de ces composats est la limite quad A ted vers + de xe dx A x λ λ a Motrer que A λa λa λx λae e + λxe dx= λ b E déduire d m ; o doera la valeur exacte et ue valeur approchée décimale à la semaie près p ([;[) = e dx= e = e + ; il faut doc résoudre λx λx λ λ λ λ l e =, e = λ = l = l λ = l ([; + [) = = ( + ) = = = = = =, 8 l λx λ l p λe dx e e e ( e ) O itègre par parties e posat u= λx, v' = e λx d où u' = λ et A x e λ v= : λ A λa λa λ λ λ λ λ λ λ λ A x x A x A x A A Ae e + λxe dx= xe e dx= Ae + + e = Ae e + = λ λ λ λ Termiale S F Laroche

24 Ae λa L expoetielle l emporte sur toute foctio polyôme d où ted vers lorsque A ted vers + La limite d m est alors qui est la moyee de la loi expoetielle Das l exemple o a doc λ d m = 89semaies l Boules, Amérique du sud poits, éocé légèremet modifié Ue ure cotiet boules rouges et boules oires idiscerables au toucher O effectue au hasard u tirage de deux boules simultaémet de l ure O ote A l évéemet «o a obteu aucue boule oire» ; o ote A l évéemet «o a obteu ue seule boule oire» ; o ote A l évéemet «o a obteu deux boules oires» 6 8 Motrer que p (A ) = et p (A ) = ; e déduire p (A ) Après ce premier tirage, il reste boules das l ure O effectue à ouveau u tirage sas remise de deux boules de l ure O ote B l évéemet «o a obteu aucue boule oire au tirage» ; o ote B l évéemet «o a obteu ue seule boule oire au tirage» ; o ote B l évéemet «o a obteu deux boules oires au tirage» a Calculer p A (B ), p A (B ), p A (B ) b Calculer p (B ) c Calculer p (B ) et p (B ) d O a obteu ue seule boule oire lors de ce secod tirage Quelle est la probabilité d avoir obteu ue seule boule oire lors du premier tirage? O cosidère l évéemet R : «il a fallu exactemet les deux tirages pour que les deux boules oires soiet tirées de l ure» Motrer que p (R) = 6 6 O effectue au hasard u tirage de deux boules simultaémet de l ure : il y a = = tirages possibles «O a obteu aucue boule oire» reviet à dire que l o a tiré deux rouges parmi, il y a 6 = = 6 et la probabilité est p (A ) = ; de même «o a obteu ue seule boule oire» reviet à dire qu o a tiré ue oire parmi et ue rouge 8 parmi, il y a = 8 maières de procéder, ce qui doe p (A ) = ; comme la seule possibilité 6 8 restate est de tirer oires, o a p(a ) = p( A) = + = a Lors de ce deuxième tirage o a = 6 tirages possibles Termiale S F Laroche

25 Si o a tiré oire au er tirage, o a tiré rouges ; il reste doc rouges et oires das la boite et la probabilité de tirer oire est celle de tirer rouges parmi, soit pa (B ) = = ; 6 6 si o a tiré oire au er tirage, o a tiré égalemet rouge ; il reste doc rouges et oire das la boite et la probabilité de tirer oire est celle de tirer rouges parmi, soit pa (B ) = = ; 6 6 si o a tiré oires au er tirage, o a tiré rouge ; il reste doc rouges et oire das la boite et la 6 probabilité de tirer oire est celle de tirer rouges parmi, soit pa (B ) = = = (e fait c était 6 6 évidet puisqu il y a plus que des rouges) b avec les probabilités totales o a p(b ) p( B A ) p( B A ) p( B A ) Termiale S F Laroche = + +, soit p(b ) = pa (B ) p( A ) + pa (B ) p(a ) + pa (B ) p( A ) = + + = c De la même maière o a p (B ) = =, pa (B ) = =, A p (B ) = ; A p(b ) = pa (B ) p( A ) + pa (B ) p(a ) + pa (B ) p( A ) = + + = ; 6 6 p (B ) = =, A 6 6 p (B ) =, p A (B ) = ; A p(b ) = pa (B ) p( A ) + pa (B ) p(a ) + pa (B ) p( A ) = + + = = 6 9 d O a obteu ue seule boule oire lors de ce secod tirage, o coaît doc B Nous cherchos alors 8 p( A B ) pa (B ) p(a ) p B (A ) = = = = p(b 8 ) p(b ) p p p p pa p pa (R) = (A B ) + (A B ) = (A ) (B ) + (A ) (B ), soit Club photo 6 8 p (R) = + = = 6 6 Das ue classe de trete élèves sot formés u club photo et u club de théâtre Le club photo est composé de membres, le club théâtre de 6 membres Il y a deux élèves qui sot membres des deux clubs à la fois O iterroge u élève de la classe pris au hasard O appelle P l évéemet : «l élève fait partie du club photo» et T l évéemet : «l élève fait partie du club théâtre» Motrer que les évéemets P et T sot idépedats Lors d ue séace du club photo, les membres sot tous présets U premier élève est tiré au sort Il doit predre la photo d u autre membre du club qui sera lui aussi tiré au sort a O appelle T l évéemet :«Le premier élève appartiet au club théâtre» Calculer P( T ) b O appelle T l évéemet «L élève pris e photo appartiet au club théâtre» Calculer PT ( T ) puis PT ( T ) E déduire P( T T) et P( T T)

26 c Démostratio de cours : Démotrer que P ( T ) PT ( T ) P ( T ) P ( T ) P( T ) = + Calculer P( T ) T Toutes les semaies o recommece de faço idépedate la séace de photographie avec tirage au sort du photographe et du photographié Le même élève peut être photographié plusieurs semaies de suite Calculer la probabilité qu au bout de semaies aucu membre du club théâtre ait été photographié Avec des patates le résultat est immédiat (e fait o e a pas besoi, c est juste pour motrer que je suis super fortiche avec Word ) P(P) = / = / et P(T) = 6/ = / O a alors P(P T) = = et P(P) P(T) = = doc les évéemets sot idépedats Ceci est u pur hasard de calcul, si vous chagez par exemple le ombre d élèves das la classe ça e marche plus Lors d ue séace du club photo, les membres sot tous présets U premier élève est tiré au sort Il doit predre la photo d u autre membre du club qui sera lui aussi tiré au sort a P( T ) = = b PT ( T ) = : il reste à tirer u membre du club théâtre parmi les euf restats 9 P ( T ) = : si T T est réalisé le premier élève e fait pas de théaâre, il reste deux choix parmi 9 restats 9 8 P( T T ) = PT ( T ) P( T ) = = ; P( T T ) = P ( T) P( T ) = = T 9 9 b Avec les probabilités totales, o a ( ) ( ) ( ) P ( T ) = P ( T T ) ( T T ) = P T T + P T T = P ( T ) P ( T ) + P ( T ) P ( T ) T T 8 9 Doc P( T ) = + = = Le calcul aurait pu se faire directemet avec u arbre Loi biomiale : =, p= P( T) = ; la probabilité cherchée est, e posat X = ombre de fois où 6 l élève photographié appartiet pas au club théâtre : P( X = ) = p ( p) = = 6 Cartes O tire 8 cartes das u jeu de cartes Quelle est la probabilité de : Tirer tous les coeurs? Tirer les as? Tirer coeurs et trèfles? Tirer coeurs i plus i mois et rois i plus i mois? Nombre total de tirages : 8 = 8, soit /N 6 = = N 8 Proba de tous les cœurs : o tire les 8 cartes parmi 8 (cœurs), soit = 8 Termiale S 6 F Laroche

27 O tire cartes parmi les as, soit ecore et autres cartes parmi 8 restates, soit 8 proba est N 8 8 O tire cœurs parmi 8 cœurs et trèfles parmi 8 trèfles, soit / N 8, au fial la 8 Attetio au roi de cœur cœurs parmi 8 cœurs et rois parmi, soit auxquelles o ajoute 7 les combiaisos coteat le roi de cœur, soit (R de cœur, cœurs parmi 7, cartes i Roi i cœur) Boules et ures O dispose de deux ures U et U coteat des boules idiscerables au toucher U cotiet boules blaches et boules oires ( est u ombre etier supérieur ou égal à ) U cotiet deux boules blaches et ue boule oire O tire ue boule au hasard de U et o la met das U, puis o tire au hasard ue boule de U et o la met das U ; l'esemble des ces opératios costitue ue épreuve Costruire l'arbre podéré de cette expériece aléatoire O cosidère l'évéemet A : "Après l'épreuve, les ures se retrouvet chacue das leur cofiguratio de départ" a Démotrer que la probabilité p(a) de l'évéemet A peut s'écrire : b Détermier la limite de p(a) lorsque ted vers + + p(a) = + O cosidère l'évéemet B : "Après l'épreuve, l'ure U cotiet ue seule boule blache" Calculer p(b) U joueur mise fracs et effectue ue épreuve A l'issue de cette épreuve, o compte les boules blaches das U - Si U cotiet seule boule blache, le joueur reçoit fracs ; - Si U cotiet boules blaches, le joueur reçoit fracs ; - Si U cotiet boules blaches, le joueur e reçoit rie a Expliquer pourquoi le joueur 'a aucu itérêt à jouer tat que e dépasse pas Das la suite, o cosidère >, et o itroduit la variable aléatoire X qui pred pour valeur les gais algébriques du joueur (par exemple, si, après l'épreuve, l'ure U cotiet ue seule boule blache, X = ) b Détermier la loi de probabilité de X c Calculer l'espérace mathématique de X d O dit que le jeu est favorable au joueur si et seulemet si l'espérace mathématique est strictemet positive Motrer qu'il e est aisi dès que l'ure U cotiet au mois boules blaches a Arbre podéré : Evéemet A : chemi Evéemet B : chemi Evéemet C : chemi Termiale S 7 F Laroche

28 B P(B) N P(N) B P(B/B) N P(N/B) B P(B/N) N P(N/N) p(b) = ; + p(n) = + U : B,N U : B,N U : -B,N U : B,N U : +B,N U : B,N p(b/b) = ; p(n/b) = ; p(b/n) = ; p(n/b) = U : B,N U : B,N a La probabilité p(a) se calcule e parcourat l'arbre : b lim p(a) = + La probabilité p(b) se calcule e parcourat l'arbre : Termiale S 8 F Laroche p(a) = +, soit + + p( B) =, + p( B) = ( + ) + p( A) = + a Le joueur doit être certai de pouvoir, das le meilleur des cas, récupérer au mois sa mise d'où >, soit > b Le derier évéemet o ecore cosidéré (C) est : "Après l'épreuve, l'ure U cotiet boules blaches" La probabilité p(c) se calcule e parcourat l'arbre : p(c) =, p(c) = + ( + ) La variable aléatoire X peut predre valeurs : (évéemet A) ; (évéemet B) ; (évéemet C) Loi de probabilité de la variable aléatoire X : x i p(x = x i ) ( + ) + + ( + ) ( ) c Espérace mathématique : E(x) = E(X) ( ) + = +, soit ( + ) + ( + ) 6 E(X) = ( + ) d E(X) > doe 6 >, soit ( + )( ) > et [ ; [ Boules, Atilles Guyae 999, poits + puisque est etier Das tout l exercice o cosidère boules idiscerables au toucher ( oires et blaches) et deux ures A et B das chacue desquelles o placera boules suivat u mode qui sera précisé das chaque questio

29 O choisit dix boules au hasard et o les met das l ure A O place les dix autres boules das l ure B a Quelle est la probabilité pour que les deux ures e cotieet chacue que des boules de même couleur? b Quelle est la probabilité pour que les deux ures cotieet chacue boules blaches et boules oires? Soit x u etier tel que x O place maiteat x boules blaches et x boules oires das l ure A et les x boules blaches et x boules oires restates das l ure B O procède à l expériece E : o tire au hasard ue boule de A et o la met das B, puis o tire au hasard ue boule de B et o la met das A O désige par M l évèemet «chacue des deux ures a la même compositio avat et après l expériece» a Pour cette questio o pred x = 6 Quelle est la probabilité de l évèemet M? b Motrer que la probabilité de l évèemet M est égale à : ( x x ) Termiale S 9 F Laroche + + c Pour quelles valeurs de x l évèemet M est-il plus probable que l évéemet cotraire M? a Pour avoir dix boules de même couleur das chaque ure il faut avoir oires das A et Blaches das B ou le cotraire Le ombre de répartitios est de, le ombre de choix permettat oires das A et blaches 9876 das B est = ; la probabilité est doc = 9876 b boules blaches et boules oires das A :, soit ue probabilité d eviro, a x=6 : il faut tirer ue blache de A et la mettre das B puis tirer ue blache de B et la mettre das A, soit 6 ou bie tirer ue oire de A et la mettre das B puis tirer ue oire de B et la mettre das A, soit 7 ; au total cela fait b Même raisoemet : = x ( ) x+ x x+ M ( 9 ) ( ) P = + = x x + x x + = x + x+ c O veut savoir quad P( ) P( ) p( ) d où après résolutio :, x 6,8 6 Ures M M M, soit x + x+ x + x Il faut doc qu il y ait, ou 6 boules blaches das l ure A Les questios et sot idépedates O doera les résultats sous forme de fractio irréductible Ue ure U cotiet jetos blacs et oirs et ue ure U cotiet 7 jetos blacs et 8 oirs O jette u dé cubique dot chaque face a la même probabilité d'apparaître Si le 6 apparaît, o tire u jeto de l'ure U sio o tire u jeto de l'ure U a Détermier la probabilité de tirer u jeto blac (o cosidérera les évéemets A : "O a obteu 6 e jetat le dé" et B : "O obtiet u jeto blac") b O a tiré u jeto blac ; calculer la probabilité pour qu'il proviee de U c O a tiré u jeto oir ; calculer la probabilité pour qu'il proviee de U O tire successivemet et sas remise les 7 jetos de l'ure U

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en 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

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

La maladie rénale chronique

La maladie rénale chronique La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie

Plus en détail

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui. S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Opérations bancaires avec l étranger *

Opérations bancaires avec l étranger * Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur

Plus en détail

Télé OPTIK. Plus spectaculaire que jamais.

Télé OPTIK. Plus spectaculaire que jamais. Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en 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

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

One Office Voice Pack Vos appels fixes et mobiles en un seul pack Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour

Plus en 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

Guide des logiciels de l ordinateur HP Media Center

Guide des logiciels de l ordinateur HP Media Center Guide des logiciels de l ordiateur HP Media Ceter Les garaties des produits et services HP sot exclusivemet présetées das les déclaratios expresses de garatie accompagat ces produits et services. Aucu

Plus en détail

Copyright 2001 2006 Hewlett-Packard Development Company, L.P.

Copyright 2001 2006 Hewlett-Packard Development Company, L.P. Guide des logiciels Media Ceter Les garaties des produits et services HP sot exclusivemet présetées das les déclaratios expresses de garatie accompagat ces produits et services. Aucu élémet de ce documet

Plus en détail

Comment les Canadiens classent-ils leur système de soins de santé?

Comment les Canadiens classent-ils leur système de soins de santé? Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté

Plus en détail

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES SOMMAIRE Les visites d etreprises : pourquoi ouvrir ses portes?.... 8 1.1 Des motivatios variées pour les etreprises... 8 1.2 Les freis à l ouverture

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &

Plus en détail