Examen d accès - 28 Septembre 2012

Dimension: px
Commencer à balayer dès la page:

Download "Examen d accès - 28 Septembre 2012"

Transcription

1 Examen d accès - 28 Septembre 2012 Aucun document autorisé - Calculatrice fournie par le centre d examen Cet examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont proposées pour chaque question (ou ensemble de question). Il peut y avoir plusieurs bonnes réponses. Les réponses sont à inscrire sur la feuille jointe, en cochant pour chaque question la (ou les) case(s) correspondant à la (ou les) bonnes réponse(s). Toute réponse ambiguë sera considérée comme une absence de réponse. Toute case cochée à tort entraîne une pénalité de 0,5 point. Toute case cochée à raison entraîne une bonification de 1 point (même si d autres cases dans la même question auraient dû être cochées et ne l ont pas été). Une case non cochée ne donne ni bonification ni malus. Pour certaines questions, il est possible qu aucune des réponses proposées ne soit correcte, une réponse à ces questions entraîne alors uniquement un malus de 0,5 point. Vous disposez après les questions d une table des valeurs de la fonction de répartition de la loi normale centrée et réduite. Q1)Soit A et B deux évenements indépendants alors on a (cocher la ou les bonnes réponses) : A) P (A \ B) =0 B) P (A \ B) =P (A)P (B) C) P (A B) =0 D) P (A B) =1 E) P (A)+P (B) =1 Q2)On considère deux événements A et B, et on note B le complémentaire de B. On a P (A \ B) =... 1

2 A) P (A) P (A \ B) B) P (B) P (A \ B) C) P ( B) P (A \ B) D) P (A) P (A \ B) E) P (A) P (B) Q3)On estime que 10% des athlètes syldaves se dopent. Aux jeux olympiques, 2% des athlètes ayant remporté une médaille sont syldaves. Si on suppose que seuls les syldaves ont accès au dopage, la probabilité qu un athlète médaillé pris au hasard se soit dopé est A) 0, 12 B) 0, 05 C) 0, 002 D) 0, 20 E) 0, 01 Q4)(suite question précédente) En réalité, les athlètes de la fédération de Bordurie ont eux aussi accès au dopage. Ils représentent 5% des médaillés, et 20% des athlètes bordures se dopent. Les autres pays, quant à eux, ne pratiquent pas le dopage. Sachant qu un athlète médaillé pris au hasard est contrôlé positif, quelle est la probabilité qu il soit bordure? A) 0, 83 B) 0, 05 C) 0, 2 D) 0, 5 E) 0, 75 Q5)On considère deux urnes A et B. Initialement, l urne A est vide et l urne B contient 100 boules. A chaque tirage, on choisit au hasard une boule (de façon équiprobable dans l ensemble des boules) et on la change d urne. Au bout de 3 tirages, la probabilité que A contienne une boule exactement est A) 1/100 2

3 B) 99/5000 C) 99/ D) 149/ E) 149/5000 Q6)(suite de la question précédente) Au bout de 20 tirages, la probabilité que A contienne 13 boules exactement est A) 0, B) 0, C) 0, D) 0, E) 0 Q7)Une urne contient 5 boules : 2 vertes, 2 rouges et une blanche. On tire au hasard et simultanément 2 boules de l urne. Tous les tirages sont équiprobables, on considère l événement A : " obtenir deux boules de même couleur " Calculer p(a). A) 2/5 B) 3/5 C) 4/5 D) 1/5 E) 7/10 Q8)On considère qu à la naissance, un individu a une probabilité 0.8 de vivre au-delà de 60 ans, et 0.7 de vivre au-delà de 70 ans. Sachant que cet individu fête aujourd hui son 60ème anniversaire, quelle est la probabilité qu il vive au-delà de 70 ans? A) 0,7 B) 0,56 C) 0,875 D) 0,056 E) 0,62 3

4 Q9)Persée se trouve devant l entrée de 3 cavernes. Deux d entre elles mènent à une mort certaine, l autre à un trésor. Rien ne différencie a priori les 3 cavernes. Persée choisit une caverne au hasard. Avant qu il n entre, Athéna lui désigne une des deux cavernes qu il n a pas choisies et l informe que celle-ci conduit à la mort. Persée dispose donc de deux possibilités : soit il entre dans la caverne qu il avait initialement choisie, soit il change d avis et se dirige vers la caverne qu il n avait pas choisie initialement et qu Athéna n a pas désignée. Que doit-il faire? A) Peu importe, il a une chance sur 2 de toute manière. B) Changer de caverne, il y a 3 chances sur 4 de trouver le trésor dans cette caverne. C) Changer de caverne, il aura ainsi 2 chances sur 3 de trouver le trésor. D) Ne pas changer de caverne, il y a 1 chance sur 3 qu il se soit initialement trompé. E) Ne pas changer de caverne, il y a 2 chances sur 3 que le trésor se trouve dans la caverne qu il a initialement choisie. Q10)Un particulier souhaite se constituer un apport personnel de euros en vue d acquérir un appartement. Il souhaite constituer cet apport exclusivement à l aide d un compte épargne au taux annuel de 5,25%. Il souhaite verser chaque année la même somme, et atteindre les euros dans 8 ans. Il doit donc verser chaque année la somme de A) 3411, 33 euros B) 3944, 48 euros C) 3590, 42 euros D) 4151, 57 euros E) 4750, 59 euros Q11)On considère un emprunt de 7500 euros, remboursable en trois annuités constantes au taux 10%. Le montant de l annuité, arrondi au centime, est A) 2750, 00 euros B) 2492, 44 euros C) 3250 euros 4

5 D) 2265, 86 euros E) 3015, 86 euros Q12)n annuités de 3200 euros chacune, capitalisées au taux annuel de 2, 5% ontune valeur acquise de 31854, 46 euros (on se place juste après le versement de la dernière annuité). Que vaut n? A) 10 B) 9 C) 8 D) 12 E) 11 Q13)On considère un prêt de euros remboursable en cinq annuités constantes de 12991, 66 euros. Le taux du prêt est A) 9, 41% B) 9, 50% C) 9, 59% D) 9, 68% E) 9, 52% Q14)Au 1er janvier 2010, on a versé 500 euros sur un compte épargne rémunéré à 4%. Deux autres versements ont été effectués sur le même compte au 1er janvier 2011 et au 1er janvier Au cours de ces trois années, la somme versée a progressé de façon géométrique (cette progression ayant pour raison 1, 05). Quelle sera la valeur acquise par le compte épargne une fois l année 2012 écoulée? A) 1623, 23 euros B) 1704, 66 euros C) 1638, 05 euros D) 1703, 57 euros E) 1788, 55 euros 5

6 Q15)Un capital a été placé pendant 10 ans. Pendant les n premières années, il a été placé au taux annuel de 7%. Puis, pendant les 10 n années suivantes, à un taux de 6%. En dix ans, le capital a augmenté d un peu plus de 93% (à moins de 0.1 % près). La valeur de n est A) 5 B) 6 C) 7 D) 8 E) 9 Q16)On observe un échantillon (x 1,...,x n ) de taille n =100de variables aléatoires i.i.d. de même loi qu une variable X, d espérance µ inconnue, dont la moyenne empirique vaut x =5, 1, et la variance empirique vaut s 2 =4, 4. On cherche à définir un intervalle de confiance à 90% pour l estimation de µ. Le théorème de probabilités qui permet d utiliser la table de la loi normale (voir fin du QCM) pour construire cet intervalle est A) le Théorème Central Limite B) la loi des Grands Nombres C) le Théorème de Lebesgue Ce théorème n est valide que si la loi de la variable aléatoire X sous-jacente est telle que E[X 2 ] < 1. D) Vrai E) Faux Q17)(suite de la question précédente) L intervalle de confiance désiré est (à 0,01 près) A) [4, 69; 5, 51] B) [4, 24; 5, 96] C) [5, 06; 5, 13] D) [4, 37; 5, 83] E) [4, 75; 5, 45] 6

7 Q18)(suite de la question précédente) On cherche à tester au niveau 5% l hypothèse H 0 : µ =4, 7 contre H 1 : µ 6= 4, 7. Les données précédentes conduisent à rejeter H 0 au niveau 5%. B) Faux On note 2 la variance de X. La variance empirique, s 2 = n P 1 n i=1 (x i x) 2 est telle que E[s 2 ]= 2. C) Vrai D) Faux Q19)On considère la matrice A = Les valeurs propres de A 2 sont 1 et 4 B) Faux La somme des coefficients de A 2 vaut C) 14 D) 18 E) 16 Q20)(suite de la question précédente) L inverse de A est de la forme La colonne manquante est 3 A) 1/2 1/3 B) 1/2 3/2 C) 1/2 A 1 =

8 D) E) 3/2 2 1/3 2 Q21)On considère un vecteur aléatoire gaussien de dimension 2 Parmi les assertions suivantes, lesquelles sont correctes? X Y N 0 1, A) X et Y indépendants B) Cov(X, Y )=0où Cov désigne la covariance C) E X Y =0 D) E[Y 2 ]=1 E) La variance de X vaut 2 Q22)Soit N une variable de Poisson de paramètre. La probabilité de l événement {N < 1} est A) 2e B) e C) 1 e D) 1 2e E) 0 Q23)La probabilité que N 1 (où N est défini à la question précédente) est A) P 1 n=2 B) P 1 n=3 C) 1 2e n e n e D) 1 e E) e Q24)On rappelle que la loi Gamma de paramètres p et apourdensitéf(x) = p (p) x(p 1) exp( x), (pour x positif, 0 pour x négatif) où (p) désigne la fonction évaluée en p (l expression exacte de (p) n est pas nécessaire pour répondre à cette question. 8

9 Atitreindicatif, (2) = 1). On considère deux variables X et Y indépendantes qui suivent des lois exponentielles de même paramètre (i.e. leur espérance est 1/ ). X + Y suit une loi (2, ). B) Faux La variance d une loi Gamma de paramètres p =50et =5vaut C) 2 D) 10 E) 25 Q25)Soit X une variable aléatoire de densité f(x) = x 1 pour x 1, f(x) =0sinon. On suppose > 2. L espérance de X vaut A) 1/ B) C) 1 La variance de X vaut D) Vrai E) Faux. [ 1][ 2] Q26)On considère la fonction f : R R définie par f(x) =xe x pour tout x réel. On note f 0 sa dérivée. f satisfait l équation différentielle (pour tout x 2 R): A) f 0 (x)+f(x) =e x B) f 0 (x)+f(x) f(x) = 1 x C) f 0 (x)+2f(x) =0 D) f 0 (x)+f(x) =0 E) f 0 (x) =0 Q27)(suite question précédente) La fonction f est monotone. 9

10 B) Faux Elle atteint son maximum en C) +1 D) 1 E) 1 Q28)Soit g la fonction définie sur R par g(x) =(1+x)e x. La fonction g est A) monotone B) croissante sur [ 1;0] puis décroissante sur [0; +1] C) décroissante sur [ 1;0] puis croissante sur [0; +1] D) 8x 2 R,g(x) apple 1 E) 8x 2 R,g(x) 1 Q29)(suite de la question précédente) La fonction g est convexe. B) Faux, car elle est concave. C) Faux, car elle n est ni concave ni convexe. On a R 1 0 g(x)dx =2. D) Vrai E) Faux Q30)(suite de la question précédente) L équation g(x) =0admet une unique solution sur R. B) Faux L équation g(x) = 1/2 admet une solution dans l intervalle [ 2, 0]. C) Vrai D) Faux 10

11 Q31)On considère la suite (u n ) n2n définie par la relation de récurrence u n+1 = u 2 n, et u 0 =0, 5. Parmi les assertions suivantes, lesquelles sont exactes? A) La suite est monotone. B) La suite est strictement croissante. C) La suite est strictement décroissante. D) La suite n est pas convergente. E) La suite converge vers une valeur non nulle. Q32)Soit deux variables aléatoires X et Y telles que P(X =1,Y =0) = 0, 3 P(X =1,Y =1) = 0, 1 P(X =2,Y =0) = 0, 1 P(X =2,Y =1) = 0, 5. On a E[Y ]=0, 6. B) Faux On a E[X] =1, 2. C) Vrai D) Faux Q33)(suite de la question précédente) On a E[X Y =0]=1, 25. B) Faux On a V ar(x Y =0)=0, 25. C) Vrai D) Faux 11

12 Q34)On considère deux variables aléatoires Y et X 0. On suppose que, sachant X = x, la loi conditionelle de Y est une loi de Poisson de paramètre x. On suppose que X suit une loi exponentielle de paramètre > 0, où on rappelle que désigne l inverse de l espérance de X. L espérance de Y vaut A) 2 B) C) 1/ 2 D) 1/ E) + 2 Q35)(suite de la question précédente) La variance de Y vaut A) 2 B) C) 1/ 2 D) 1/ E) 1/ 2 +1/ Q36)On considère un modèle de régression linéaire simple, où l on essaie d expliquer une variable y en fonction d une variable x. Les moyennes empiriques de x, de y et de xy sont x =1, 2, ȳ =3, 5, xy =4, 1. Les écarts-type empiriques de x et y sont s x =1, 2, s y =1, 3 L ordonnée à l origine de la droite de régression est A) 0, 07 B) 3, 58 C) 0, 93 D) 3, 18 E) 3, 83 Q37)(suite) Le coefficient de détermination R 2 du modèle précédent vaut A)

13 B) 0.51 C) 0.42 D) E) Q38)On considère un modèle de régression linéaire multiple. Y désigne la variable expliquée, et X 1,X 2 et X 3 les variables explicatives. On hésite entre deux modèles de régression, le modèle 1 où Y est exprimée linéairement en fonction des trois variables X 1,X 2 et X 3, et le modèle 2 où Y n est exprimée qu en fonction des deux premières variables X 1 et X 2, la troisième étant considérée comme n ayant pas d influence. Le R 2 du modèle 1 sera toujours supérieur à celui du modèle 2 B) Faux Une bonne stratégie, pour choisir entre modèle 1 et modèle 2, et de choisir le modèle ayant le R 2 le plus élevé. C) Vrai D) Faux Q39)On a effectué la régression linéaire multiple d une variable Y sur trois variables quantitatives X 1,X 2, et X 3 i.e. Y = X X X 3. Le résultat est présenté dans le tableau suivant : Variable Paramètres Erreur std T Pr > T Intercept X < 2e 16 X e 08 X Le R 2 vaut 0, Parmilesassertionssuivantes,cochezcellesquisontcorrectes. A) La probabilité que le modèle soit effectivement linéaire est de 0, B) La probabilité que le modèle soit effectivement linéaire est de 0, C) La variable X 3 est non significative au niveau 5%. 13

14 D) Le coefficient 0 peut être considéré comme non significatif au niveau 1%. E) La variable X 1 influe positivement sur Y. Q40)(suite) On considère un individu de caractéristiques X 1 = 2, X 2 =1et X 3 =0.4. En moyenne, d après le modèle ci-dessus, quelle est la valeur de Y pour cet individu? A) 2, 8752 B) C) 2, 7944 D) 2, 8983 E) 0, 9094 Q41)On considère n variables aléatoires Y i suivant un modèle de régression quadratique de la forme suivante, E[Y i ]=a + bx 2 i où les x i sont connus et fixés. On note x 2 la moyenne des x 2 i et Ȳ celle des Y i. L estimateur des moindres carrés de b est A) P n i=1 (Y i Ȳ )(x 2 i x 2 ) P n i=1 (x2 i x 2 ) 2 B) P n i=1 Y ix 2 i P n i=1 x2 i C) P n i=1 Y ix 2 i P n i=1 x4 i D) E) impossible à calculer explicitement Ȳ x 2 Q42)Dans une analyse en composante principale, la composante principale est A) une combinaison linéaire des variables de départ B) une nouvelle variable qui explique le mieux les autres variables C) une nouvelle variable qui exprime la meilleure façon (au sens de l inertie quadratique) de résumer les individus en un facteur de dimension 1 14

15 D) la pente de la droite de régression E) une variable permettant de prédire la valeur future d autres variables Q43)Dans une analyse en composante principale, le plan factoriel A) est un plan défini par les deux variables les plus significatives parmi les variables de départ B) est un plan défini par les deux composantes principales qui contribuent le plus àl inertiedunuagedepoints C) est toujours orthogonal à la droite définie par la variable expliquée D) peut être utilisé pour projeter le nuage de points et déterminer de façon visuelle des groupes d individus plus ou moins homogènes E) peut ne pas être défini dans des cas limites, comme par exemple lorsque tous les points composant le nuage sont alignés. Q44)On considère x 1,...,x n des réalisations i.i.d. d une variable aléatoire X. L histogramme basé sur x 1,...,x n A) est une façon d estimer visuellement la densité de X B) est une façon d estimer visuellement la fonction de répartition de X C) représente le nombre d observations (éventuellement moyenné) dans un intervalle de taille donnée D) est défini de manière unique sans nécessité de spécifier un paramètre supplémentaire E) n est opportun que dans le cas où les variables aléatoires considèrées sont de loi absolument continue Q45)On suppose que le temps de service à un guichet de la poste suit une loi uniforme sur [0, 1], où l unité de temps est l heure. On suppose que, d un client à l autre, le temps de service est indépendant. Pour deux clients différents, quelle est la probabilité que chacun d eux attende au moins 45 minutes? A) 1/15 B) 1/2 C) 1/16 15

16 D) 2/15 E) 1/45 Q46)(suite de la question précédente) Le client B arrive juste après le client A. Son temps total d attente est donc le temps de service du client A, plus le temps de service du client B. Quelle est la probabilité que le temps total d attente du client B soit inférieur à une demi-heure? A) 1/8 B) 1/16 C) 1/4 D) 1/2 E) 1/3 Q47)Lors d un examen oral, 10 candidats tirent successivement, sans remise, une question parmi les 12 proposées. L un des étudiants a fait l impasse sur 3 des questions. On note x le numéro de passage de l étudiant, et p la probabilité qu il tire l une des questions non étudiées. p est indépendant de x. B) Faux p est une fonction strictement décroissante de x. (i.e., plus le candidat attend, moins il a de chances de tirer une question sur laquelle il a fait l impasse). C) Vrai D) Faux Q48)Une urne contient 5 boules noires et 3 boules blanches. On tire successivement et sans remise 2 boules dans l urne. La probabilité de l événement "la deuxième boule tirée est noire sachant que la première l est aussi" est A) 5/4 B) 25/64 16

17 C) 5/14 D) 4/7 E) 3/5 Q49)On choisit au hasard une boule d une urne contenant 3 boules rouges numérotées 1, 2 et 3, deux boules vertes numérotées 1 et 2 et une boule bleue numérotée 1. On considère les évènements suivants : R : "La boule tirée est rouge" ; A : "la boule tirée est numérotée 1" et B : " la boule tirée est numérotée 2 " Lesquelles de ces 4 affirmations sont vraies? A) Il n y a pas d évènements indépendants parmi les 3. B) R et A sont indépendants C) A et B sont indépendants D) R et B sont indépendants E) A et R sont incompatibles Q50)On considère une variable aléatoire X discrète à valeurs dans {0, 3, 5}, et on note p i = P(X = i), pour i =0, 3, 5. On a p 0 =0, 4, et p 3 =0, 2. Quelle est la variance de X? A) 11, 8 B) 6, 76 C) 5, 04 D) 2, 6 E) 3, 44 17

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

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

Plus en détail

CONCOURS 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) 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 détail

Exercices sur le chapitre «Probabilités»

Exercices sur le chapitre «Probabilités» Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de

Plus en détail

Travaux dirigés d introduction aux Probabilités

Travaux dirigés d introduction aux Probabilités Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien

Plus en détail

Moments des variables aléatoires réelles

Moments 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 détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 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 détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. 14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Leçon 01 Exercices d'entraînement

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

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

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

Plus en détail

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction 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 détail

Simulation de variables aléatoires

Simulation 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 détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat 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 détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes 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 détail

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

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Tests 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 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 détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

M2 IAD UE MODE Notes de cours (3)

M2 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 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

Espérance conditionnelle

Espérance conditionnelle Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle

Plus en détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR 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 détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 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 détail

Feuille d exercices 2 : Espaces probabilisés

Feuille d exercices 2 : Espaces probabilisés Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un

Plus en détail

Théorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France

Théorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes

Plus en détail

I. Cas de l équiprobabilité

I. Cas de l équiprobabilité I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus

Plus en détail

Correction du baccalauréat STMG Polynésie 17 juin 2014

Correction du baccalauréat STMG Polynésie 17 juin 2014 Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé

Plus en détail

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre. Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences

Plus en détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et

Plus en détail

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

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre

Plus en détail

EXERCICE 4 (7 points ) (Commun à tous les candidats)

EXERCICE 4 (7 points ) (Commun à tous les candidats) EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat

Plus en détail

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur

Plus en détail

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

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

Rappels sur les suites - Algorithme

Rappels 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 détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème 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 détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

P1 : Corrigés des exercices

P1 : Corrigés des exercices P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à

Plus en détail

Probabilités Loi binomiale Exercices corrigés

Probabilités Loi binomiale Exercices corrigés Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre

Plus en détail

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

Processus aléatoires avec application en finance

Processus aléatoires avec application en finance Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et

Plus en détail

1 TD1 : rappels sur les ensembles et notion de probabilité

1 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 détail

Tests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision

Tests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous

Plus en détail

Commun à tous les candidats

Commun 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 détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

Capes 2002 - Première épreuve

Capes 2002 - Première épreuve Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série

Plus en détail

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

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

Plus en détail

Les devoirs en Première STMG

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

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - 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 détail

Loi binomiale Lois normales

Loi 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 détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

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

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

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte 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 détail

3 Approximation de solutions d équations

3 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 détail

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

Licence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7 Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe 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 détail

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel. Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté

Plus en détail

Loi d une variable discrète

Loi 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 détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

EXERCICES - ANALYSE GÉNÉRALE

EXERCICES - ANALYSE GÉNÉRALE EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* 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 détail

4 Distributions particulières de probabilités

4 Distributions particulières de probabilités 4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli

Plus en détail

Couples de variables aléatoires discrètes

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 détail

Lagrange, où λ 1 est pour la contrainte sur µ p ).

Lagrange, où λ 1 est pour la contrainte sur µ p ). Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i

Plus en détail

Coefficients binomiaux

Coefficients binomiaux Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

4. Exercices et corrigés

4. Exercices et corrigés 4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au

Plus en détail

Calculs de probabilités conditionelles

Calculs de probabilités conditionelles Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Cours de Tests paramétriques

Cours de Tests paramétriques Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.

Plus en détail

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

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Correction du baccalauréat S Liban juin 2007

Correction du baccalauréat S Liban juin 2007 Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau

Plus en détail

Probabilités. C. Charignon. I Cours 3

Probabilités. C. Charignon. I Cours 3 Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3

Plus en détail

Limites finies en un point

Limites 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 détail

I. Polynômes de Tchebychev

I. 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 détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année

Plus en détail

BACCALAURÉAT PROFESSIONNEL SUJET

BACCALAURÉAT PROFESSIONNEL SUJET SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation 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

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

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

Plus en détail

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013 Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Exercice 3 (5 points) A(x) = 1-e -0039' -0 156e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2

Exercice 3 (5 points) A(x) = 1-e -0039' -0 156e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2 Les parties A et B sont indépendantes. Partie A Exercice 3 (5 points) Commun à tous les candidats On considère la fonction A définie sur l'intervalle [1 ; + 00 [ par A(x) = 1-e -0039' ' x 1. Calculer la

Plus en détail

Méthodes de Simulation

Méthodes de Simulation Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

1 Complément sur la projection du nuage des individus

1 Complément sur la projection du nuage des individus TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent

Plus en détail

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H

Plus en détail