COUPLES DE VARIABLES ALÉATOIRES
|
|
- Thierry Crépeau
- il y a 8 ans
- Total affichages :
Transcription
1 CHAPITRE 13 COUPLES DE VARIABLES ALÉATOIRES Dans tout le chapitre, (Ω, P) désignera un espace probabilisé fini. 1 Couple de variables aléatoires Définition 13.1 On appelle couple de variables aléatoires une application Z : Ω R 2 ω (X(ω), Y(ω)) où X et Y sont des variables aléatoires sur (Ω, P). On note alors Z = (X, Y). On a Z(Ω) = (X, Y)(Ω) = {(X(ω), Y(ω)); ω Ω} et X(Ω) Y(Ω) = {(X(ω), Y(ω )); (ω, ω ) Ω 2 }. On a donc Z(Ω) X(Ω) Y(Ω), sans l égalité en règle générale. Exemple 13.1 On lance deux dés à quatre faces équilibrés, l un vert dont on note A le résultat, l autre rouge dont on note B le résultat. Déterminer X(Ω), Y(Ω) et (X, Y)(Ω) dans chacun des cas suivants : 1. X = A et Y = B ; 2. X = min(a, B) et Y = max(a, B)) ; 3. X = A et Y = A + B. 1.1 Loi d un couple Proposition 13.2 Soit (X, Y) un couple de variables aléatoires sur (Ω, P). On note X(Ω) = {x 1,..., x n } et Y(Ω) = {y 1,..., y p }. La famille ( [X = x i ] [Y = y j ] ) est un système complet d événements. 1 i n 1 j p En notant p i, j = P ( [X = x i ] [Y = y j ] ), on a donc (i, j) 1, n 1, p, 0 p i, j 1 p i, j = n p p i, j = p n p i, j = 1 1 i n 1 j p i=1 j=1 j=1 i=1 Lycée du Parc 851 1
2 1.1.a Définition 13.3 Loi conjointe Soit (X, Y) un couple de variables aléatoires sur (Ω, P). On appelle loi conjointe du couple (X, Y) l application P (X,Y) : X(Ω) Y(Ω) [0, 1] (x, y) P([X = x] [Y = y]) s Avec les notations utilisées plus haut, on a donc P X,Y : (x i, y j ) p i, j. Déterminer la loi (conjointe) d un couple, c est donc déterminer X(Ω), Y(Ω) puis les p i, j. Si l on connaît les p i, j, on en déduit (X, Y)(Ω) : c est l ensemble des (x i, y j ) X(Ω) Y(Ω) tels que p i, j 0. Exercice 13.2 On tire successivement et sans remise deux boules dans une urne contenant au départ 2 boules rouges et 3 boules noires. On note X (respectivement Y) la variable aléatoire qui vaut 1 si la première (respectivement deuxième) boule tirée est rouge, 0 sinon. Déterminer la loi du couple Z = (X, Y). 1.1.b Définition 13.4 Lois marginales Soit Z = (X, Y) un couple de variables aléatoires sur (Ω, P). On appelle première loi marginale de Z la loi de X, deuxième loi marginale de Z la loi de Y. Proposition 13.5 Soit Z = (X, Y) un couple de variables aléatoires sur (Ω, P). En notant X(Ω) = {x 1,..., x n } et Y(Ω) = {y 1,..., y p }, on a i 1, n, P([X = x i ]) = p P ( [X = x i ] [Y = y j ] ) = p j=1 j 1, p, P([Y = y j ]) = n P ( [X = x i ] [Y = y j ] ) = n i=1 p i, j j=1 p i, j i=1 La connaissance de la loi d un couple permet donc de retrouver les lois marginales. En revanche, il n est pas possible de déterminer la loi d un couple s il on ne connaît que les lois marginales : deux couples peuvent avoir des lois différentes alors qu ils ont les mêmes lois marginales. Exercice 13.3 Exercice En reprenant la situation de l exercice 13.2, déterminer les lois marginales de Z. 2. Déterminer de même les lois de X, de Y et de Z = (X, Y ) si le tirage se fait avec remise. On considère α R, n N et un couple Z = (X, Y) de variables aléatoires tel que Z(Ω) N de loi : P([X = i] [Y = j]) = αi j si 1 i j n P([X = i] [Y = j]) = 0 sinon. 1. Déterminer Z(Ω) et α. Lycée du Parc 851 2
3 2. Retrouver les lois marginales de X et de Y. 1.1.c Définition 13.6 Lois conditionnelles Soit Z = (X, Y) un couple de variables aléatoires sur (Ω, P). Pour y Y(Ω), on appelle loi conditionnelle de X sachant [Y = y] l application qui à x X(Ω) associe P ([X = x] [Y = y]) P ([Y = y]) Avec les notations usuelles, on a alors P [Y=y j ]([X = x i ]) = = P [Y=y] ([X = x]) p i, j P([Y=y i ]). s p On définit de même la loi conditionnelle de Y sachant [X = x i ] et l on a P [X=xi ]([Y = y j ]) = i, j P([X=x i ]). La connaissance de la loi de Y et des lois conditionnelles de X sachant [Y = y j ] pour chacun des y j de Y(Ω) est suffisante pour déterminer la loi conjointe du couple (X, Y) (et donc également la loi de X). Exercice 13.5 En reprenant la situation et les notations de l exercice 13.3, déterminer les lois conditionnelles de Y sachant X = 1 et de Y sachant X = Indépendance de deux variables aléatoires Définition 13.7 Soient X et Y deux variables aléatoires sur (Ω, P). X et Y sont dites indépendantes si, pour tout (x, y) X(Ω) Y(Ω), les événements [X = x] et [Y = y] sont indépendants. On note alors X Y. On a donc X Y (x, y) X(Ω) Y(Ω), P([X = x] [Y = y]) = P([X = x]) P([Y = y]) X et Y sont indépendantes ssi les lois conditionnelles de X sachant [Y = y] pour y Y(Ω) sont toutes égales à la loi de X. Exercice 13.6 On considère une urne contenant n jetons numérotés de 1 à n. On tire successivement deux jetons et l on note X le numéro du premier jeton tiré, Y celui du deuxième. Donner les lois de X et de Y et indiquer si X et Y sont indépendantes dans les deux cas suivants : 1. le tirage se fait avec remise ; 2. le tirage se fait sans remise. Proposition 13.8 Si X et Y sont deux variables aléatoires indépendantes, alors pour toutes parties A, B de R, on a P([X A] [Y B]) = P([X A]) P([Y B]) C est en fait une équivalence, mais la réciproque n a pas d intérêt (elle est évidente). Lycée du Parc 851 3
4 Proposition 13.9 Si X et Y sont deux variables de Bernoulli, alors X Y P([X = 1] [Y = 1]) = P([X = 1])P([Y = 1]) C est assez logique : deux variables de Bernoulli sont indépendantes ssi le succès de l une est indépendant du succès de l autre. Exercice 13.7 Soient p un réel, X et Y deux variables de Bernoulli dont la loi jointe est donnée par le tableau suivant : X \ Y p p 1 p 1 2 p 1. Quelles valeurs peut prendre p? 2. Déterminer les lois marginales de X et Y, ainsi que leurs espérances et leurs variances. 3. Pour quelles valeurs de p les variables X et Y sont-elles indépendantes? Proposition Soient X, Y deux variables aléatoires sur (Ω, P) et f : R R. Si X Y, alors f (X) f (Y). Proposition Soient X, Y deux variables aléatoires sur (Ω, P). Si X est certaine, alors X et Y sont indépendantes. Exercice 13.8 Soient X une variable aléatoire suivant une loi uniforme sur 3, 1 1, 3. On définit la variable aléatoire Y qui vaut 1 si X > 0, 1 si X < Les variables X et Y sont-elles indépendantes? 2. Les variables X et Y sont-elles indépendantes? 3. Les variables X 2 et Y sont-elles indépendantes? 1.3 Variables du type f (X, Y) Proposition Soient X, Y deux variables aléatoires sur (Ω, P) et f : X(Ω) Y(Ω) R. On définit f (X, Y) par f (X, Y) : Ω R ω f (X(ω), Y(ω)) f (X, Y) est une variable aléatoire sur Ω. En la notant Z, sa loi est donnée par : Z(Ω) = {g(x, y) ; (x, y) (X, Y)(Ω)} z Z(Ω), P(Z = z) = P([X = x] [Y = y]) f (x,y)=z Lycée du Parc 851 4
5 Tout le problème est d énumérer correctement les couples (x, y) tels que f (x, y) = z. Les exemples les plus importants sont traités dans la section suivante, mais on peut s entraîner sur l exemple suivant : Exercice 13.9 Soient X et Y deux variables aléatoires sur (Ω, P), on pose Z = XY. Déterminer la loi de Z (on distinguera les cas P([Z = 0]) et P([Z = x]), x R ). Dans les cas les plus simples, le bon sens peut suffire : Exercice Soit (X, Y) un couple de variables aléatoires dont la loi est donnée par Déterminer la loi de X + Y et celle de XY. 1.3.a Proposition X \ Y /30 6/30 6/30 1/30 1 3/30 8/30 3/ /30 1/ Loi du minimum, du maximum, de la somme Soient X, Y deux variables aléatoires sur (Ω, P) à valeurs dans N. En posant Z = X + Y, on a Z(Ω) N et n N, P(X + Y = n) = Si de plus X et Y sont indépendantes, on a en fait n N, P(X + Y = n) = n P([X = k] [Y = n k]). k=0 n P([X = k]) P([Y = n k]). k=0 Exercice Soient X et Y deux variables aléatoires sur (Ω, P) suivant une loi uniforme sur 1, n. On pose Z = X + Y. 1. On suppose que X Y. Déterminer la loi de Z. 2. Donner un exemple (avec X et Y non indépendantes!) pour lequel Z est une variable certaine. Proposition Soient X, Y deux variables aléatoires sur (Ω, P). En posant Z = max(x, Y) et T = min(x, Y), on a Z(Ω), T(Ω) X(Ω) Y(Ω) et x Z(Ω), P(max(X, Y) = x) = P([X = x] [Y < x]) + P([Y = x] [X x]) x T(Ω), P(min(X, Y) = x) = P([X = x] [Y > x]) + P([Y = x] [X x]) Il est en fait souvent plus judicieux de passer par la fonction de répartition : P([max(X, Y) x]) = P([X x] [Y x]). Lycée du Parc 851 5
6 Exercice Soient X, Y deux variables aléatoires sur (Ω, P) indépendantes, à valeurs dans Z. On pose T = min(x, Y) et Z = max(x, Y). Exprimer F T et F Z en fonction de F X et F Y, en déduire une expression simple des lois de T et de Z. Exercice Soient X et Y deux variables aléatoires sur (Ω, P) suivant une loi uniforme sur 1, n. On pose Z = min(x, Y). 1. On suppose que X Y. Déterminer la loi de Z. 2. Donner un exemple (avec X et Y non indépendantes!) pour lequel Z U( 1, n ). 3. En supposant que n est pair, donner un exemple pour lequel Z U ( 1, n 2 ). 1.3.b Théorème Transfert Théorèmes majeurs Soient X, Y deux variables aléatoires sur (Ω, P) et g : X(Ω) Y(Ω) R. On a E(g(X, Y)) = g(x, y)p([x = x] [Y = y]) x X(Ω) y Y(Ω) Exercice On dispose d une urne contenant n jetons numérotés de 1 à n. On tire sans remise deux jetons, et l on note X le plus grand des numéros obtenus. Déterminer E(X). Théorème Soient X, Y deux variables aléatoires sur (Ω, P), p ]0, 1[ et m, n N. Si X B(n, p) et Y B(m, p) X et Y sont indépendantes alors X + Y B(n + m, p) s Attention aux hypothèses : il faut que les deux binomiales aient le même paramètre p et qu elles soient indépendantes. C est intuitivement assez naturel : si l on compte le nombre de succès dans une série de n expériences de Bernoulli indépendantes de paramètre p (c est ce que fait X) et qu on y ajoute le nombre de succès dans une autre série de m expériences de paramètre p, indépendante de la première, cela revient au même que de faire une seule série de m + n expériences. Lycée du Parc 851 6
7 1.4 Covariance et corrélation 1.4.a Définition Covariance Soient X, Y deux variables aléatoires sur (Ω, P). On appelle covariance de X et Y, et l on note Cov(X, Y), le réel Cov(X, Y) = E ( [X E(X)][Y E(Y)] ) Proposition Soient X, Y, Z des variables aléatoires sur (Ω, P) et a, b, c, d R. Cov(X, X) = V(X) 0 Cov(X, Y) = Cov(Y, X) Cov(aX + by, Z) = a Cov(X, Z) + b Cov(Y, Z) Cov(X, ay + bz) = a Cov(X, Y) + b Cov(X, Z) Cov(aX + b, cy + d) = ac Cov(X, Y) Cov(X, a) = 0 Cov(X, Y) = E(XY) E(X)E(Y) positivité symétrie linéarité à gauche linéarité à droite formule de Huygens s Les quatre premiers points caractérisent une forme bilinéaire symétrique positive. L avant-dernier point signifie que si Y est certaine, alors Cov(X, Y) = 0. Comme pour la variance, on utilisera très souvent la formule de Huygens pour les calculs effectifs de covariance. Exercice Soit (X, Y) un couple de variables aléatoires dont la loi est donnée par Déterminer la covariance de X et Y. X \ Y /30 6/30 6/30 1/30 1 3/30 8/30 3/ /30 1/ Théorème Soient X, Y deux variables aléatoires sur (Ω, P). On a V(X + Y) = V(X) + V(Y) + 2 Cov(X, Y) 1.4.b Théorème Cas des variables indépendantes Soient X, Y deux variables aléatoires sur (Ω, P) indépendantes. On a alors E(XY) = E(X)E(Y) Cov(X, Y) = 0 V(X + Y) = V(X) + V(Y) Lycée du Parc 851 7
8 s Attention, il ne s agit pas d une équivalence : il existe des couples (X, Y) de variables aléatoires dont la covariance est nulle mais qui ne sont pas indépendantes. On peut combiner ce théorème avec la propriété Ainsi, si X et Y sont indépendantes et f : R R, alors E( f (X) f (Y)) = E( f (X))E( f (Y)). Exemple Soient X U( n, n et Y = X 2. On a Cov(X, Y) = 0 et pourtant X et Y ne sont pas indépendantes (Y est même entièrement déterminé par X). Exercice On vous propose de jouer, au choix, à l un des trois jeux suivants. Dans tous les cas, on vous fait tirer dans un sac contenant des jetons numérotés de 1 à n. Les variantes sont les suivantes : A : vous tirez deux fois de suite, sans remise, et vous gagnez le produit des numéros tirés, en euros. B : vous tirez deux fois de suite, avec remise, et vous gagnez le produit des numéros tirés, en euros. C : vous tirez une seule fois et vous gagnez le carré du numéro tiré, en euros. Dans l optique de maximiser vos gains, quelle variante faut-il choisir? Et si on vous propose de choisir entre les mêmes variantes, mais dans lesquelles on a remplacé produit et carré par somme et double? 1.4.c Théorème Inégalité de Cauchy-Schwarz Coefficient de corrélation linéaire Soient X et Y deux variables aléatoires sur (Ω, P) telles que σ(x)σ(y) 0. On a Cov(X, Y) 2 V(X)V(Y) i.e. Cov(X, Y) σ(x)σ(y) De plus, on a égalité ssi il existe a, b R tels que Y = ax + b. σ(x)σ(y) 0 signifie que ni X ni Y n est certaine. Définition Soient X, Y deux variables aléatoires sur (Ω, P) telles que σ(x)σ(y) 0. Le coefficient de corrélation linéaire entre X et Y est le nombre réel, noté ρ(x, Y), défini par ρ(x, Y) = Cov(X, Y) σ(x)σ(y) Proposition Soient X, Y deux variables aléatoires sur (Ω, P) telles que σ(x)σ(y) 0. On a 1 ρ(x, Y) 1. ρ(x, Y) = 1 ssi Y = ax + b avec a > 0 et b R. ρ(x, Y) = 1 ssi Y = ax + b avec a < 0 et b R. Si X et Y sont indépendantes, alors ρ(x, Y) = 0. Si λ, µ R +, alors ρ(λx, µy) = ρ(x, Y). Lycée du Parc 851 8
9 s Un coefficient de corrélation linéaire est une grandeur sans dimension et sans unité (dite aussi grandeur scalaire). Le dernier point signifie qu il est indépendant des unités choisies pour X et Y (ce qui est heureux puisqu il est censé avoir un «sens physique»). Si ρ(x, Y) > 0, on dit que X et Y sont corrélées positivement, si ρ(x, Y) < 0 qu elles sont corrélées négativement, si ρ(x, Y) = 0 qu elles ne sont pas corrélées. Une corrélation positive signifie que Y a «tendance à augmenter» quand X augmente (et, ce qui revient au même, que Y a «tendance à augmenter» quand X augmente). Une corrélation négative signifie que Y a tendance à diminuer quand X augmente, une absence de corrélation qu une augmentation de X n a pas d influence sur la «valeur moyenne» de Y. Un coefficient de corrélation linéaire «proche de 1» en valeur absolue signifie que Y peut être «bien approchée» par une fonction affine de X, croissante si le coefficient est positif, décroissante sinon. C est une question centrale en statistiques (moins en probabilités). Deux variables sont non corrélées (linéairement) ssi leur covariance est nulle. Comme vu plus haut, cela ne signifie pas nécessairement qu elles sont indépendantes (sauf dans le cas très particulier de la propriété qui suit). Proposition Soient X et Y deux variables de Bernoulli su (Ω, P). On a Cov(X, Y) = 0 ρ(x, Y) = 0 X Y La première équivalence est évidente (et n a rien à voir avec le fait que X et Y soient des variables de Bernoulli) ; la deuxième, en revanche, n est vraie que si X et Y sont de Bernoulli. 2 Extension à n variables 2.1 Famille de variables mutuellement indépendantes Définition Soit (X 1,..., X n ) une famille de n variables aléatoires sur (Ω, P). Les variables X 1,..., X n sont dites deux à deux indépendantes si i, j 1, n, i j X i X j mutuellement indépendantes si (x 1,..., x n ) X 1 (Ω) X n (Ω), P([X 1 = x 1 ] [X n = x n ]) = P([X 1 = x 1 ]) P([X n = x n ]) s Les définitions coïncident dans le cas n = 2 : deux variables aléatoires sont indépendantes ssi elles sont mutuellement indépendantes. Si l on parle de n variables aléatoires indépendantes sans précision supplémentaire, il faut comprendre mutuellement indépendantes. Proposition Si (X 1,..., X n ) est une famille de variables aléatoires mutuellement indépendantes, alors c est également le cas pour toute sous-famille de (X 1,..., X n ). Lycée du Parc 851 9
10 En particulier, on en déduit que si X 1,..., X n sont mutuellement indépendantes alors elles sont deux à deux indépendantes. Attention, la réciproque est fausse comme le montre l exercice suivant. Exercice On lance deux fois de suite une pièce équilibrée et l on définit les variables aléatoires X qui vaut 1 si le premier lancer donne «face», 0 sinon ; Y qui vaut 1 si le deuxième lancer donne «face», 0 sinon ; Z qui vaut 1 si les deux lancers donnent le même résultat, 0 sinon. Montrer que X, Y et Z sont deux à deux indépendantes mais pas mutuellement indépendantes. Théorème Lemme des coalitions Soient (X 1,..., X n ) une famille de variables aléatoires sur (Ω, P) ; p 2, n 1 f : R p R et g : R n p R f 1,..., f n : R R. Si les variables X 1,..., X n sont mutuellement indépendantes, alors : les variables aléatoires f (X 1,..., X p ) et g(x p+1,..., X n ) sont indépendantes ; les variables aléatoires f 1 (X 1 ),..., f n (X n ) sont mutuellement indépendantes. Exemple Si X, Y, Z et T sont mutuellement indépendantes, alors : X + Y + Z et T sont indépendantes ; XY et Z + T 2 sont indépendantes ; X, Y 2, T sin(t) et e Z sont (mutuellement) indépendantes. 2.2 Espérance et variance Proposition Soient X 1,..., X n des variables aléatoires sur (Ω, P). On a n V(X X n ) = V(X i ) + 2 Cov(X i, X j ) i=1 1 i< j n Proposition Soient X 1,..., X n des variables aléatoires mutuellement indépendantes sur (Ω, P). On a n V(X X n ) = V(X i ) i=1 n n E X i = E(X i ) i=1 i=1 Lycée du Parc
11 L espérance étant linéaire, on a bien sûr E(X X n ) = E(X 1 ) + + E(X n ) que les variables X 1,..., X n soient indépendantes ou non. Exercice Dans une urne contenant au départ N boules dont une proportion p est rouge, on tire successivement et sans remise n boules. Pour 1 i n, on note X i la variable aléatoire qui vaut 1 si la i-ème boule tirée est rouge, 0 sinon, et l on pose X = n X i. i=1 1. Justifier que chacune des X i (1 i n) suit une loi usuelle dont on précisera le ou les paramètres. En déduire E(X). 2. Calculer Cov(X i, X j ) pour 1 i < j n et en déduire V(X). 3. Quel résultat de cours a-t-on ainsi retrouvé? 2.3 Loi binomiale et loi de Bernoulli Théorème Soient X 1,..., X n des variables de Bernoulli mutuellement indépendantes de même paramètre p ]0, 1[. On a alors X X n B(n, p) Réciproquement, si X B(n, p), alors X peut s écrire X = X X n avec les (X i ) 1 i n mutuellement indépendantes et qui suivent toutes une loi de Bernoulli de paramètre p. Exercice Retrouver à l aide de ce théorème, sans calcul ou presque, les résultats du chapitre précédent sur l espérance et la variance d une variable suivant une loi binomiale. Lycée du Parc
12 Exercice Travaux dirigés Soit n N. On dispose de n urnes numérotées de 1 à n. Pour tout k [[1, n]], l urne k contient k boules numérotées de 1 à k. On choisit une urne au hasard et on tire une boule dans cette urne. On note X le numéro de la boule tirée. Déterminer la loi de X. Exercice On considère n personnes qui se répartissent aléatoirement dans p hôtels H 1,..., H p. Pour i 1, p, on note X i le nombre de personnes qui choisissent l hôtel H i. 1. Déterminer la loi de chacune des variables X i. Ces variables sont-elles a priori mutuellement indépendantes? Exercice On suppose dans cette question que p = 3. a. Déterminer la loi de X 1 + X 2 ainsi que sa variance. b. Quel signe peut-on s attendre à trouver pour ρ(x 1, X 2 )? Calculer ce coefficient de corrélation linéaire et confirmer ainsi l intuition. 3. On s intéresse maintenant au nombre Y d hôtels qui reçoivent au moins un client. Pour 1 i p, on pose Y i la variable aléatoire qui vaut 0 si l hôtel H i est vide, 1 sinon. a. Exprimer Y en fonction des (Y i ) 1 i p. b. Déterminer la loi de Y i pour 1 i p. c. En déduire E(Y) en fonction de p et de n. d. On étudie à présent ce qui se passe quand l un, l autre, ou les deux paramètres tendent vers +. i. Déterminer la limite de E(Y) quand p + (n fixé). Pouvait-on prévoir ce résultat? ii. Mêmes questions quand n +, p fixé. iii. On suppose à présent n = p, et l on fait tendre n vers +. Déterminer la limite de E(Y) puis de E(Y) n et interpréter ces résultats. Un chat se fait chaque jour les griffes, soit sur le canapé soit sur les rideaux. Il ne se fait jamais les griffes deux jours de suite sur le canapé ; s il se fait les griffes sur les rideaux un jour donné, alors il choisira le lendemain le canapé avec une probabilité 1/3. Le premier jour, il attaque les rideaux. On définit la variable aléatoire X n égale au nombre de jours où le chat a fait ses griffes sur les rideaux parmi les n premiers jours. Calculer E(X n ). On pourra décomposer X n en une somme de variables de Bernoulli bien choisies. Exercice Une urne, de grande contenance, contient 3 boules vertes et 7 boules bleues. On effectue des tirages avec remise : à chaque tirage on remet la boule et on en rajoute deux de la couleur tirée. Soient S n la variable aléatoire donnant le nombre de boules bleues tirées au cours des n premiers tirages et X n la variable de Bernoulli valant 1 si une boule bleue est tirée au n-ème tirage, et 0 sinon. 1. Déterminer la loi de X 1, son espérance et sa variance. 2. Trouver la loi conditionnelle de X 2 sachant [X 1 = 0], puis la loi conditionnelle de X 2 sachant [X 1 = 1]. En déduire la loi du couple (X 1, X 2 ), puis celle de X 2. Les variables X 1 et X 2 sont-elles indépendantes? 3. Calculer P(X n+1 = 1 S n = k) en fonction de k et n. En déduire P(X n+1 = 1) en fonction de n et E(S n ). Lycée du Parc
13 4. Montrer, par récurrence sur n N, que : P(X n = 1) = 7 10 et E(S n ) = 7 10 n. Exercice Une puce se déplace par sauts unitaires indépendants sur un axe gradué. Au temps t = 0 elle est en 0. Elle saute vers la droite avec la probabilité p ]0, 1[ et vers la gauche avec la probabilité 1 p. Soient X i la variable aléatoire valant 1 si elle saute à droite et 1 si elle saute à gauche au i-ème saut, et X la position de la puce après n sauts. 1. Donner la loi de X i, son espérance et sa variance. Exercice Exprimer X en fonction des X i pour 1 i n. En déduire E(X) et V(X). 3. Soit z R. Donner la loi de z X i, et son espérance. En déduire g(z) = E(z X ). 4. Comparer g (1) et E(X). On effectue une série de tirages dans une urne de la manière suivante : au départ, l urne contient une boule blanche et une boule noire ; après chaque tirage, on remet dans l urne la boule que l on vient de tirer ainsi qu une autre boule de la même couleur. On note X n le nombre de boules blanches obtenues lors des n premiers tirages (n N.). Montrer que X n U( 0, n ). Exercice On effectue p tirages avec remise dans une urne contenant n boules numérotées de 1 à n. On note X 1,..., X p les résultats des tirages successifs et Y = max(x 1,..., X p ). 1. Déterminer la fonction de répartition de Y puis sa loi. 2. En déduire que E(Y) = n n 1 ) p. Exercice k=1 ( k n 3. Que peut-on prévoir comme comportement pour E(Y) quand p tend vers + et n est fixé? Vérifier par le calcul. 4. On admet (on y reviendra au chapitre prochain) que En déduire la limite de E(Y) n 1 n 1 ( ) p k 1 x p dx. n n n + 0 k=0 quand n +, p fixé. On considère une suite (X n ) n 1 de variables aléatoires indépendantes suivant chacune une loi de Bernoulli de même paramètre p ]0, 1[. Pour n N, on pose Y n = max(x n, X n+1 ) et S n = n i=1 Y i. 1. Déterminer la loi, l espérance et la variance de Y n pour n N. 2. Déterminer l espérance et la variance de S n pour n N. 3. En déduire à l aide de l inégalité de Bienaymé-Tchebychev que ( S n ε > 0, P n (2p ) p2 ) ε 0 n + Lycée du Parc
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 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 détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en 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 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 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 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 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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en 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 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 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailProbabilités. 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 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 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 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 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 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 détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
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 détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en 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 détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en 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 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 détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en 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 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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en 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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en 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 détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en 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 détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en 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 détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en 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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
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 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 détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
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 détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en 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 détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en 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 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 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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
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 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 détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en 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 détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailProbabilités et statistique. Benjamin JOURDAIN
Probabilités et statistique Benjamin JOURDAIN 11 septembre 2013 2 i ii À Anne Préface Ce livre est issu du polycopié du cours de probabilités et statistique de première année de l École des Ponts ParisTech
Plus en 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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
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 détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en 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 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 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 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 détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
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 détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
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 détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en 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 détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
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 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 détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détail