LEÇON N 6 : Loi de Poisson, loi normale.

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

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

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

Coefficient de partage

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

SYSTEME FERME EN REACTION CHIMIQUE

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Chapitre 3 : Fonctions d une variable réelle (1)

Comportement d'une suite

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

Incertitudes expérimentales

Etude de la fonction ζ de Riemann

Application de la théorie des valeurs extrêmes en assurance automobile

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

Limites des Suites numériques

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

" BIOSTATISTIQUE - 1 "

STATISTIQUE : TESTS D HYPOTHESES

Processus et martingales en temps continu

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

Cours de Statistiques inférentielles

1 Mesure et intégrale

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

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes

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...

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat

CHAPITRE 2 SÉRIES ENTIÈRES

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

Les Nombres Parfaits.

Une méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés

OBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET

Mesure avec une règle

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

Dénombrement. Chapitre Enoncés des exercices

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

Ressources pour le lycée général et technologique

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

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

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

STATISTIQUE AVANCÉE : MÉTHODES

Exercices d Électrocinétique

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

Commun à tous les candidats

Les jeunes économistes

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

GIN FA INSTRUMENTATION P Breuil

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

Suites et séries de fonctions

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

Séries réelles ou complexes

Solutions particulières d une équation différentielle...

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

Baccalauréat S Asie 19 juin 2014 Corrigé

Q x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2

. (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

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

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.

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

14 Chapitre 14. Théorème du point fixe

Séquence 5. La fonction logarithme népérien. Sommaire

Cours 5 : ESTIMATION PONCTUELLE

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

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

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Chapitre 3 : Transistor bipolaire à jonction

Remboursement d un emprunt par annuités constantes

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

Module 3 : Inversion de matrices

La maladie rénale chronique

Montage émetteur commun

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau

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

Espérance conditionnelle

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

Estimation des incertitudes sur les erreurs de mesure.

55 - EXEMPLES D UTILISATION DU TABLEUR.

SÉRIES STATISTIQUES À DEUX VARIABLES

EXERCICES : DÉNOMBREMENT

Statistique descriptive bidimensionnelle

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

20. Algorithmique & Mathématiques

L Analyse Factorielle des Correspondances

Calculs de probabilités avec la loi normale

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

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Principes et Méthodes Statistiques

4 Approximation des fonctions

Travaux dirigés d introduction aux Probabilités

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

MATHS FINANCIERES. Projet OMEGA

Loi binomiale Lois normales

Généralités sur les fonctions 1ES

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

Virtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM

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

Séries numériques. Chap. 02 : cours complet.

Transcription:

LEÇON N 6 :. Pré-requs : Probabltés : défto, calculs et probabltés codtoelles ; Lo bomale cf. leço o 5) ; Noto de varables aléatores dscrètes et cotues cf. leços o 4 et 7), et proprétés assocées : espérace, varace ; Idépedace de varables aléatores : X Y PX Y) PX) PY) ; Développemets lmtés. 6.1 Lo de Posso 6.1.1 Défto Cette lo a été découverte au début du XIX e sècle par Sméo-Des Posso. Elle s applque gééralemet aux phéomèes accdetels où la probablté p est très fable, ou aux phéomèes sas mémore paes de maches, accdets d avos, fautes das u texte, etc.). Das certaes codtos, elle peut égalemet être défe comme lmte d ue lo bomale otammet lorsque 50 et p 5 : Soet N, {0,..., } et p 0, 1]. Les calculs avec ue lo bomale deveet rapdemet complqués dès que est très grad et p très pett. O cherche alors à approxmer PX ) par quelque chose de plus smple. La questo est alors : e posat λ p costate), est-ce que la quatté PX ) ) p 1 p) a-t-elle ue lmte lorsque? ) p 1 p) ) λ ) λ ) 1 λ ) exp ) l 1 λ ) ) 1) 1) ) 1 1 1 }{{ } 1 ) 1 }{{ } 1 ) λ! )λ exp ) 1 1 }{{ } 1 Par cotuté de la focto expoetelle, o e dédut que : lm ) p 1 p) λ! λ! exp exp λ) e λ λ!. 1 + o ) ) )λ }{{ } λ 1 ) ) +o.

Exercce : La probablté pour ue ampoule électrque «grlle» à so premer allumage est de 0, 01. Sur u groupe de 100 ampoules, quelle est la probablté d observer 0 ampoule qu grlle? 1? plus de? Soluto : Pour ue ampoule, l s agt d ue lo de Beroull, où le succès est assmlé au fat qu ue ampoule grlle avec la probablté p 0, 01. Le groupe de 100 ampoules sut ue ue lo bomale L X) B100; 0, 01). Pusque 100 50 et p 1 5, o peut rasoablemet approcher cette lo par ue lo de Posso de paramètre 1. Par sute, PX 0) e 1 1 0 0! 0, 3679; PX 1) e 1 1 1 1! 0, 3679; PX > ) 1 PX ) 1 PX 0) PX 1) PX ) 1 0, 3679 e 1 1! 0, 0803. Remarquos tout de même qu l y a 36% de chaces pour qu aucue des 100 ampoules e grlle à la premère utlsato! Défto 1 : O dt qu ue varable aléatore réelle X sut ue lo de Posso de paramètre λ > 0 s sa lo de probablté est doée par : N, λ λ PX ) e. démostrato : Vérfos que la somme des toutes les probabltés possbles vaut be 1, d après le prcpe des probabltés totales : C est le résultat voulu. e PX ) λ λ 0 0 e λ λ 0 }{{} e λ e λ e λ 1. Exercce : Sur ue autoroute, l y a e moyee deux accdets par semae. Le wee-ed de Pâques, l y e a eu cq. Quelle état la probablté que cela arrve? Soluto : La lo X du ombre d accdets sur cette route sut ue lo de Posso de paramètre. Par sute, PX 5) e 5 5! 0, 0361, sot evro 3, 6%. 6.1. Espérace et varace Théorème 1 : Sot X ue varable aléatore réelle suvat ue lo de Posso de paramètre λ > 0. Alors : EX) VarX) λ. démostrato : Rappelos que e x 0 x! λ ) et N, PX ) e λ. Das ce cas :

3 Calcul de l espérace : EX) PX ) λ λ e e λ λ 1)! λ e λ λ 1 1)! λ e λ λ λ e λ e λ λ. Ces égaltés sot doc démotrées. Calcul de la varace : VarX) EX ) E X) + 1) λ λ e λ λ λ e + λ λ 1) e λ e λ λ e λ λ 1)! + λ 1 1)! + λ e λ λ )! λ e λ λ e λ λ! + λ e λ λ j j! λ 0 j0 ) λ e λ e λ + λ e λ e λ λ λ + λ λ λ. λ )! λ 6. Lo ormale 6..1 Défto, espérace et varace Défto : O dt qu ue varable aléatore réelle X sut ue lo ormale d espérace µ et d écart-type σ > 0 doc de varace σ ) s elle admet pour desté de probablté la focto fx) défe pour tout réel x par : O ote L X) N µ, σ ). f X x) 1 σ π exp 1 ) ]. σ démostrato espérace, varace) : Nous allos motrer que l espérace d ue varable qu sut ue lo ormale est égale à µ et que sa varace est égale à σ. Par défto, l espérace égale à EX) 1 σ x exp 1 ) ] dx. π σ Pour calculer cette tégrale, fasos le chagemet de varables u x µ σ classque pour les calculs sur la lo ormale. Il vet : 1 ] EX) µ + σu) exp u du π µ exp π ] u du + σ π u exp mplquat du dx σ ), ] u du. La secode tégrale est ulle e effet, l s agt de l tégrale d ue focto mpare). Quat à la premère, elle est égale à π, ce qu se motre e posat I exp ] u du et doc

4 I exp 1 x + y ) ] dx dy et e tégrat e coordoées polares. O trouve alors falemet que EX) µ. De la même faço : E X µ) ) 1 σ π ) exp 1 ) ] dx σ devedra, après chagemet de varables c-dessus : E X µ) ) σ π u exp ] u du. E tégrat par partes, o trouve drectemet que E X µ) ) σ. Cec achève otre démostrato. Remarques 1 : La desté f X est u "outl" qu ous permettra de calculer les probablté par tégrale pour des varables aléatores o dscrètes. L ue de ses prcpales proprétés est : f Xx) dx 1. Ue varable aléatore est dte dscrète lorsqu elle e pred que des valeurs dscotues das u tervalle doé, alors qu elle est dte cotue s elle peut predre toutes les valeurs das u tervalle doé. E gééral, les varables aléatores ssues de déombremet ombre d accdets de la route, ombre de mutatos de professeurs das ue académe,...) sot dscrètes alors que celles ssues de mesures chox aléatore d u ombre etre 0 et 1, taux de glucose das le sag,...) sot cotues. 6.. Représetato graphque et proprétés Représetato graphque de la focto de répartto de la lo ormale Nµ, σ ) : F X t) PX t) t f X x) dx. PX t) µ t Remarques : La drote d équato x µ est axe de symétre de cette «courbe e cloche», et les pots d flexo sot stués à ue dstace σ de cet axe de symétre. Voc ecore ue belle llustrato de l ace bllet allemad de 10 DM sur lequel fgure Gauss et sa fameuse courbe :

5 Proposto 1 : La varable aléatore Y X µ σ sut la lo ormale cetrée rédute N 0, 1). démostrato : E effectuat toujours le même chagemet de varables u x µ σ, o a pour tout réel t : t 1 PY t) σ π exp 1 ) ] t ] 1 dx exp u du. σ π La desté de la varable aléatore Y est doc la focto f Y u) 1 ] exp u, π qu correspod à celle de la lo ormale cetrée rédute N 0, 1). 6.3 Proprétés utlsat l dépedace 6.3.1 Prcpe Soet X, Y, Z tros varables aléatores réelles telles que Z X + Y. Alors pour tout N, PZ ) PX + Y ) P X 0 Y ) X 1 Y 1) X Y 0)) PX 0, Y ) + PX 1, Y 1) + + PX, Y 0) car dsjots) PX, Y ).

6 De plus, s les deux varables aléatores sot dépedates, alors o a falemet : N, PX + Y ) PX ) PY ). ) 6.3. Lo de Posso Proposto : S X et Y sot deux varables aléatores dépedates suvat des los de Posso de paramètres respectfs λ et µ, alors L X + Y) Pλ + µ). démostrato : Sot N. Alors d après l égalté ) c-dessus, o a : PX + Y ) PX ) PY ) e λ+µ) λ e λ+µ)! λ λ e e µ µ e λ+µ) 1 )!! ) λ µ e λ+µ) λ + µ).! µ )!! )! λ µ 6.3.3 Lo ormale Proposto 3 : S X et Y sot deux varables aléatores dépedates de lo respectve N µ 1, σ1 ) ) et N µ, σ µ ), alors la varable aléatore L X + Y) N 1 + µ, σ1 + σ. démostrato : Cette démostrato utlse le fat que la desté de probablté de la somme de deux varables aléatores dépedates X et Y ayat chacue ue desté f X et f Y ) est doé par le produt de covoluto f X+Y t) f X f Y )t) f Xx) f Y t x) dx. 6.4 Covergece 6.4.1 Théorème cetral lmt Théorème théorème cetral lmt) : Sot S la varable aléatore résultat de la somme de N varables aléatores dépedates de même lo, chacue d espérace µ et de varace σ, et Z la varable aléatore défe par Z S µ σ. Alors o a L Z ) N 0, 1). démostrato : Das le cadre de cette leço, ous admettros ce théorème. Il peut cepedat être démotré assez faclemet e utlsat les foctos caractérstques.

7 6.4. Lo de Posso Théorème 3 : Sot X ue varable aléatore telle que L X) Pλ). Alors, pour tout eter, o a 1 PX ) exp 1 ) ] λ quad λ, λ π λ avec EX) λ et VX) λ. démostrato : Cette démostrato est lassée au lecteur e exercce. Remarques 3 : L approxmato est valable dès que λ 0. c 01 par Martal LENZEN. Aucue reproducto, même partelle, autres que celles prévues à l artcle L. 1-5 du code de la proprété tellectuelle, e peut être fate sas l autorsato expresse de l auteur.