Terminale ES. Lois de probabilité à densité

Documents pareils
Séquence 8. Probabilité : lois à densité. Sommaire

Tout ce qu il faut savoir en math

Synthèse de cours (Terminale S) Calcul intégral

Chapitre 2 Le problème de l unicité des solutions

Baccalauréat S Asie 19 juin 2014 Corrigé

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

Théorème de Poincaré - Formule de Green-Riemann

STI2D Logique binaire SIN. L' Algèbre de BOOLE

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

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel

Cours d Analyse IV Suites et Séries de fonctions

semestre 3 des Licences MISM annnée universitaire

Loi binomiale Lois normales

Amphi 3: Espaces complets - Applications linéaires continues

Commun à tous les candidats

Probabilités sur un univers fini

Intégrale et primitives

Chapitre 11 : L inductance

4 Distributions particulières de probabilités

Algorithmes sur les mots (séquences)

MODELES DE DUREE DE VIE

ANALYSE NUMERIQUE NON-LINEAIRE

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE

Moments des variables aléatoires réelles

Licence M.A.S.S. Cours d Analyse S4

Influence du milieu d étude sur l activité (suite) Inhibition et activation

Espérance conditionnelle

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.

Correction du Baccalauréat S Amérique du Nord mai 2007

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Techniques d analyse de circuits

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO

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

1 TD1 : rappels sur les ensembles et notion de probabilité

MÉTHODE DE MONTE CARLO.

Chapitre VI Contraintes holonomiques

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

Compte rendu de la validation d'un observateur cascade pour la MAS sans capteurs mécaniques sur la plate-forme d'essai de l'irccyn

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot

Programmes des classes préparatoires aux Grandes Ecoles

Cours de méthodes de scoring

Introduction au pricing d option en finance

3- Les taux d'intérêt

MATHS FINANCIERES. Projet OMEGA

LITE-FLOOR. Dalles de sol et marches d escalier. Information technique

RadioCommunications CDMA

Simulation de variables aléatoires

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

Précision d un résultat et calculs d incertitudes

Annexe II. Les trois lois de Kepler

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Probabilités III Introduction à l évaluation d options

Probabilités et statistique. Benjamin JOURDAIN

Chapitre 1 : Fonctions analytiques - introduction

Chapitre 7 : Intégration sur un intervalle quelconque

Représentation d une distribution

Quantification Scalaire et Prédictive

Probabilités sur un univers fini

Dans une année, il y a 12 mois. Dans une année, il y a 52 semaines. Dans une année, il y a 4 trimestres. Dans une année, il y a 365 jours.

Estimation: intervalle de fluctuation et de confiance. Mars IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

ILT. Interfacultair Instituut voor Levende Talen. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Corrigé du baccalauréat S Asie 21 juin 2010

Introduction à la Statistique Inférentielle

LANGAGES - GRAMMAIRES - AUTOMATES

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

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

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

Toyota Assurances Toujours la meilleure solution

4. Martingales à temps discret

Différentiabilité ; Fonctions de plusieurs variables réelles

Coefficients binomiaux

I. Polynômes de Tchebychev


rf( 1 f(x)x dx = O. ) U concours externe de recrutement de professeurs agreg6s composition d analyse

Sur certaines séries entières particulières

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Loi d une variable discrète

3. Conditionnement P (B)

Probabilités conditionnelles Exercices corrigés

I3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M

Fonctions de plusieurs variables. Sébastien Tordeux

Cours 7 : Utilisation de modules sous python

VIBRATIONS COUPLEES AVEC LE VENT

/HVV\VWqPHVFRPELQDWRLUHV


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

ENS de Lyon TD septembre 2012 Introduction aux probabilités. A partie finie de N

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Probabilités avancées. Florin Avram

PROCESSUS PONCTUELS MARKOVIENS

Modélisation et simulation

3. Caractéristiques et fonctions d une v.a.

Chapitre 2 Le problème de l unicité des solutions

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

Correction de l examen de la première session

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

Partie 4 : La monnaie et l'inflation

Corrigé du baccalauréat S Pondichéry 13 avril 2011

Transcription:

Terminle ES

Loi à densité sur un intervlle On considère une expérience létoire et un univers ssocié muni d une proilité. I Vrile létoire continue Définition Une vrile létoire continue X est une fonction qui à chque issue de ssocie un nomre réel d un intervlle I de. Exemple : L vrile létoire égle à l durée de on fonctionnement d un équipement produit en grnde série est une vrile létoire continue. 2

Loi à densité sur un intervlle II Loi de proilité à densité Définition X est une vrile létoire continue à vleurs dns un intervlle I et f est une fonction continue, positive sur I telle que : f t dt = si I = [;] x lim f t dt = si I = [; + [ x + Dire que P est l loi de proilité de densité f de X signifie que pour tout intervlle J inclus dns I, P(X J) est égle à l ire du domine {M(x;y) / x J et 0 y f(x)}. C f C f P( X ) = P(c X d) 3

Loi à densité sur un intervlle Conséquences. Pour tout réel c de I, P(X = c) = 0 c En effet, P(X = c) = P(c X c) = f t dt = 0. c 2. On déduit de () que : P(c X d) = P(c X < d) = P(c < X d) = P(c < X < d) d 3. Si J = [c;d], lors P(X J) = f t dt. c 4. Si I = ]; + [ et si c est un réel tel que c > : c P(X > c) = P( < X < c) = - f t dt. P(X>c) Remrques : Les propriétés des proilités d événements rencontrés dns le cs discret s étendent nturellement u cs continu. Pr exemple : Si J est le complémentire de J dns I, lors P(J ) = P(J); Si I I et P(I ) 0, si J I, lors P I (J) = P(I J) P(I ) 4

L loi uniforme sur [;] III Définition et propriétés Définition et désignent deux nomres réels distincts. Dire qu une vrile létoire X suit l loi uniforme sur l intervlle [;] signifie que l densité de proilité de l loi X est une fonction constnte sur [;]. Propriété L densité de proilité de l loi uniforme sur [;] est l fonction f définie sur [;] pr f(x) =. Démonstrtion f est une fonction constnte sur [;] définie pr f(x) =. On dt =, c est-à-dire [ t] = ; soit ( ) = ; d où =. 5

L loi uniforme sur [;] Propriété X est une vrile létoire qui suit l loi uniforme sur [;]. Pour tout intervlle [c;d] inclus dns [;], P(c X d) = d c. Démonstrtion P(c X d) = d dt = t d d c c = c Remrque Pour l loi uniforme sur [0;] et pour tous réels c et d de [0;] : d c P(c X d) = 0 = d c. Donc l proilité de choisir un nomre u hsrd entre c et d est égle à l longueur de l intervlle [c;d]. 6

L loi uniforme sur [;] IV Espérnce Définition L espérnce d une vrile létoire X de densité f sur [;] est le nomre réel : E(X) = tf t dt Propriété X est une vrile létoire qui suit l loi uniforme sur [;]. Son espérnce est E(X) = + 2. Démonstrtion E(X) = tdt = 2 t² ² ² = 2 = 2 ( )(+) = + 2. 7

Loi normle centrée réduite N(0;) V Une pproche historique X n est une vrile létoire qui suit l loi inomile B(n;p). L vrile létoire centrée et réduite ssociée à X n est Z n = X n np ; son espérnce np( p) est E(Z n ) = 0 et son écrt-type est (Z n ) =. A l loi discrète de Z n on ssocie des ires de rectngles fin d otenir un histogrmme comme ci-contre (cs n = 00 et p = 0,5). Tester l nimtion GeoGer en ligne Plus n est grnd, plus les ords supérieurs des rectngles se rpprochent d une coure régulière et symétrique. Le mthémticien Arhm de Moivre (7 ème siècle) découvert que cette coure représente l fonction : f : x 2π e 2 x² et donc que P( Z n ) tend vers f x dx lorsque n tend vers +. 8

Loi normle centrée réduite N(0;) VI L loi normle centrée réduite Définition Dire qu une vrile létoire T suit l loi normle centrée réduite, notée N(0;),signifie que s densité de proilité est l fonction f définie sur pr f x = 2π e 2 x². Premières propriétés ) f est continue sur. 2) Pour tous nomres réels et, P( T ) = f x dx. 3) L ire totle sous l coure est égle à ; elle représente l proilité P(T ] - ; + [). 4) L coure de f est symétrique pr rpport à l xe des ordonnées, donc P(T ] 0; + [)= 2. On dit que l coure de f est une «coure en cloche». 9

Loi normle centrée réduite N(0;) Premières propriétés 5) Pour tout réel u : P(T -u) = P(T > -u), or pour des risons de symétrie P(T > -u) = P(T u) Donc P(T -u) = P(T u). 6) P(-,96 T,96) 0,95 Environ, 95% des rélistions de T se trouvent entre -,96 et,96. 0

Loi normle N( ; ²) VII Loi normle d espérnce et d écrt-type Définition Dire qu une vrile létoire X suit une loi normle N( ; ²) signifie que l vrile létoire T = X μ σ suit l loi normle N(0;). Propriété Si une vrile létoire suit une loi normle N( ; ²), lors son espérnce est, s vrince est ² et son écrt-type.

Loi normle N( ; ²) VIII Influence des prmètres Coure représenttive de l fonction de densité lorsque = ; elle dmet l droite d éqution x = comme xe de symétrie. Coure représenttive de l fonction de densité lorsque = 2; plus l écrt-type est grnd, plus l coure est élrgie. Tester en ligne une nimtion GeoGer qui fit vrier les prmètres et. 2

Loi normle N( ; ²) IX Les intervlles «un, deux, trois sigms» X μ X est une vrile létoire qui suit N( ; ²) et T = σ suit N(0;). P( - X + ) = P(- T ) 0,68 (vec l clcultrice). Donc P( - X + ) 0,68. De l même fçon, on otient : P( - 2 X + 2 ) 0,95 P( - 3 X + 3 ) 0,997 3