PROBABILITÉS. Définition : Une variable aléatoire X est une fonction définie sur un univers Ω et à valeur dans!.

Documents pareils
EXERCICES : DÉNOMBREMENT

Dénombrement. Chapitre Enoncés des exercices

SÉRIES STATISTIQUES À DEUX VARIABLES

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

Limites des Suites numériques

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

20. Algorithmique & Mathématiques

Processus et martingales en temps continu

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

Chapitre 3 : Fonctions d une variable réelle (1)

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

[ édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ ] [correction] Si n est un entier 2, le rationnel H n =

Les Nombres Parfaits.

Solutions particulières d une équation différentielle...

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

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

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

Séquence 5. La fonction logarithme népérien. Sommaire

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

Probabilités. 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

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

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

Séries réelles ou complexes

STATISTIQUE : TESTS D HYPOTHESES

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

3. Caractéristiques et fonctions d une v.a.

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

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

Principes et Méthodes Statistiques

Module 3 : Inversion de matrices

Terminale S. Terminale S 1 F. Laroche

1 Mesure et intégrale

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

Statistique descriptive bidimensionnelle

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

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

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

Comportement d'une suite

Chapitre 3 : Transistor bipolaire à jonction

Cours 5 : ESTIMATION PONCTUELLE

CHAPITRE 2 SÉRIES ENTIÈRES

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

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

Chap. 5 : Les intérêts (Les calculs financiers)

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

MESURE DE L'INFORMATION

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

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

Cours de Statistiques inférentielles

Suites et séries de fonctions

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

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

55 - EXEMPLES D UTILISATION DU TABLEUR.

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

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

STATISTIQUE AVANCÉE : MÉTHODES

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

Baccalauréat S Asie 19 juin 2014 Corrigé

Les nouveaux relevés de compte

Moments des variables aléatoires réelles

Probabilités et statistique pour le CAPES

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

Exercices de mathématiques

Gérer les applications

Etude de la fonction ζ de Riemann

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...

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

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent machaven/

2 ième partie : MATHÉMATIQUES FINANCIÈRES

4 Approximation des fonctions

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an

Probabilité. Table des matières. 1 Loi de probabilité Conditions préalables Définitions Loi équirépartie...

DETERMINANTS. a b et a'

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

Risque de longévité et détermination du besoin en capital : travaux en cours

Sommaire Chapitre 1 - L interface de Windows 7 9

Statistique Numérique et Analyse des Données

14 Chapitre 14. Théorème du point fixe

Probabilités (méthodes et objectifs)

Mécanismes de protection contre les vers

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

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION

Augmentation de la demande du produit «P» Prévision d accroître la capacité de production (nécessité d investir) Investissement

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

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

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

Nous imprimons ce que vous aimez!

Développement en Série de Fourier

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

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

Lois de probabilité. Anita Burgun

Les algorithmes de tri

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

M2 IAD UE MODE Notes de cours (3)

RECHERCHE DE CLIENTS simplifiée

Université Pierre et Marie Curie. Biostatistique PACES - UE

Création et développement d une fonction audit interne*

Des résultats d irrationalité pour deux fonctions particulières

Transcription:

PROBABILITÉS E 654, Blaise Pascal (63 ; 66) etretiet avec Pierre de Fermat (60 ; 665) des correspodaces sur le thème des jeux de hasard et d'espérace de gai qui les mèet à exposer ue théorie ouvelle : les calculs de probabilités. Ils s itéresset à la résolutio de problèmes de déombremet comme par exemple celui du Chevalier de Méré : «Commet distribuer équitablemet la mise à u jeu de hasard iterrompu avat la fi?» I. Variable aléatoire et loi de probabilité ) Variable aléatoire Exemple : Soit l'expériece aléatoire : "O lace u dé à six faces et o regarde le résultat." L'esemble de toutes les issues possibles Ω = {; ; 3; 4; 5; 6} s'appelle l'uivers des possibles. O cosidère l'évéemet A : "O obtiet u résultat pair." O a doc : A = {; 4; 6}. O cosidère l'évéemet élémetaire E : "O obtiet u 3". O a doc : E = {3}. Défiitios : - Chaque résultat d'ue expériece aléatoire s'appelle ue issue. - L'uivers des possibles est l'esemble des issues d'ue expériece aléatoire. - U évéemet est u sous-esemble de l'uivers des possibles. - U évéemet élémetaire est u évéemet coteat ue seule issue. Exemple : Das l'expériece précédete, o cosidère le jeu suivat : - Si le résultat est pair, o gage. - Si le résultat est, o gage 3. - Si le résultat est 3 ou 5, o perd 4. O a défii aisi ue variable aléatoire X sur Ω = {; ; 3; 4; 5; 6} qui peut predre les valeurs, 3 ou -4. O a doc : X() = 3, X() =, X(3) = -4, X(4) =, X(5) = -4, X(6) = Défiitio : Ue variable aléatoire X est ue foctio défiie sur u uivers Ω et à valeur das!. Yva Moka Académie de Strasbourg www.maths-et-tiques.fr

) Loi de probabilité Exemple : O cosidère la variable aléatoire X défiie das l'exemple précédet. Chaque issue du lacer de dé est équiprobable et égale à 6. La probabilité que la variable aléatoire pree la valeur est égale à 6 + 6 + 6 =. O ote : P(X = ) =. De même : P(X = 3) = 6 et P(X = -4) = 6 + 6 = 3. O peut résumer les résultats das u tableau : -4 3 P(X = ) 3 6 Ce tableau résume la loi de probabilité de la variable aléatoire X. Défiitio : Soit ue variable aléatoire X défiie sur u uivers Ω et preat les valeurs x, x,..., x. La loi de probabilité de X associe à toute valeur la probabilité P(X = ). Remarques : - P(X = ) peut se oter p i. - p + p + + p = Exemple : Das l'exemple traité plus haut : p + p + p 3 = 3 + + 6 =. Méthode : Détermier ue loi de probabilité Vidéo https://youtu.be/ge_4hclpi Soit l'expériece aléatoire : "O tire ue carte das u jeu de cartes." O cosidère le jeu suivat : - Si o tire u cœur, o gage. - Si o tire u roi, o gage 5. - Si o tire ue autre carte, o perd. O appelle X la variable aléatoire qui à ue carte tirée associe u gai ou ue perte. Détermier la loi de probabilité de X. Yva Moka Académie de Strasbourg www.maths-et-tiques.fr

3 La variable aléatoire X peut predre les valeurs, 5, - mais aussi 7. E effet, si o tire le roi de cœur, o gage 5(roi) + (cœur) = 7. - Si la carte tirée est u cœur (autre que le roi de cœur), X =. P(X = ) = 7. - Si la carte tirée est u roi (autre que le roi de cœur), X = 5. P(X = 5) = 3. - Si la carte tirée est le roi de cœur, X = 7. P(X = 7) =. - Si la carte tirée 'est i u cœur, i u roi, X = -. P(X = -) =. La loi de probabilité de X est : - 5 7 7 3 P(X = ) O costate que : p + p + p 3 + p 4 = + 7 + 3 + = II. Espérace, variace, écart-type Défiitios : Soit ue variable aléatoire X défiie sur u uivers Ω et preat les valeurs x, x,..., x. La loi de probabilité de X associe à toute valeur la probabilité p i = P(X = ). - L'espérace mathématique de la loi de probabilité de X est : E(x) = p x + p x + + p x = p i - La variace de la loi de probabilité de X est : V(x) = p (x E(X)) + p (x E(X)) + + p (x E(X)) = p i E(X) - L'écart-type de la loi de probabilité de X est : σ(x) = V (X) ( ) Yva Moka Académie de Strasbourg www.maths-et-tiques.fr

4 Méthode : Calculer l'espérace, la variace et l'écart-type d'ue loi de probabilité Vidéo https://youtu.be/acwvxhgtwp4 Vidéo https://youtu.be/elpgmdsu5t8 Das le jeu de la "Méthode" du paragraphe précédet, calculer l'espérace, la variace et l'écart-type de la loi de probabilité de X et iterpréter les résultats pour l'espérace et l'écart-type. E(X) = ( ) + 7 + 3 5 + 7 = 5. V(X) = 5 σ ( X) 5,865,8. + 7 5 + 3 5 5 + 7 5 5,865 L'espérace est égale à 5 0,5 sigifie qu'e jouat, o peut espérer gager eviro 0,50. L'écart-type est eviro égal à,8 sigifie qu'avec ue espérace proche de 0,50 le risque de perdre de l'arget est importat. Remarques : - L'espérace est la moyee de la série des podérés par les probabilités p i. E effet : E(X) = p x + p x + + p x = p x + p x +... + p x = p x + p x +... + p x p + p +... + p E répétat u grad ombre de fois l'expériece, la loi des grads ombres ous permet d'affirmer que les fréqueces se rapprochet des probabilités théoriques. La moyee des résultats se rapprochet doc de l'espérace de la loi de probabilité. L'espérace est doc la moyee que l'o peut espérer si l'o répète l'expériece u grad ombre de fois. - La variace (respectivemet l'écart-type) est la variace (respectivemet l'écarttype) de la série des podérés par les probabilités p i. L'écart-type est doc ue caractéristique de dispersio "espérée" pour la loi de probabilité de la variable aléatoire. Propriétés : Soit ue variable aléatoire X défiie sur u uivers Ω. Soit a et b deux ombres réels. O a : E(aX+b) = ae(x)+b V(aX+b) = a V(X) Yva Moka Académie de Strasbourg www.maths-et-tiques.fr

5 Démostratios : ( ) E(aX + b) = p i a + b = a p i + b p i = a p i + b = ae(x) + b ( ( )) V (ax + b) = p i a + b ae(x) + b ( ) = p i a ae(x) ( ) ( ) = a p i E(X) = a V X Méthode : Simplifier les calculs d'espérace et de variace à l'aide d'ue variable aléatoire de trasitio Vidéo https://youtu.be/ljitvcbexvy Ue etreprise qui fabrique des roulemets à bille fait ue étude sur ue gamme de billes produites. Le diamètre théorique doit être égal à,3 cm mais cette mesure peut être légèremet erroée. L'expériece cosiste à tirer au hasard ue bille d'u lot de la productio et à mesurer so diamètre. O cosidère la variable aléatoire X qui à ue bille choisie au hasard associe so diamètre. La loi de probabilité de X est résumée das le tableau suivat :,98,99,3,30,30 P(X = ) 0, 0, 0, 0,4 0, Calculer l'espérace et l'écart-type de la loi de probabilité de X. Pour simplifier les calculs, o défiit la variable aléatoire Y = 000X 300. La loi de probabilité de Y est alors : - - 0 P(Y = ) 0, 0, 0, 0,4 0, Calculos l'espérace et la variace de la loi de probabilité de Y : E(Y) = -x0, + (-)x0, + x0,4 + x0, = 0, V(Y) = 0,x(- 0,) + 0,x(- 0,) + 0,x(0 0,) + 0,4x( 0,) + 0,x( 0,) =,69 O e déduit l'espérace et la variace de la loi de probabilité de X : E(Y) = E(000X 300) = 000 E(X) 300 Yva Moka Académie de Strasbourg www.maths-et-tiques.fr

6 E(Y) + 300 0,+ 300 Doc : E(X) = = =,300 000 000 V(Y) = V(000X 300) = 000 V(X) Doc : V (X) = V (Y) 000 =,69 000 Et doc : σ ( X) =,69 000 =,3 000 = 0,003 Coclusio : E(X) =,300 cm et σ ( X) = 0,003 cm. Hors du cadre de la classe, aucue reproductio, même partielle, autres que celles prévues à l'article L -5 du code de la propriété itellectuelle, e peut être faite de ce site sas l'autorisatio expresse de l'auteur. www.maths-et-tiques.fr/idex.php/metios-legales Yva Moka Académie de Strasbourg www.maths-et-tiques.fr