I. Probabilités : petit bilan de 2 nde

Documents pareils
FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

Limites des Suites numériques

EXERCICES : DÉNOMBREMENT

20. Algorithmique & Mathématiques

Dénombrement. Chapitre Enoncés des exercices

Terminale S. Terminale S 1 F. Laroche

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

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

Séquence 5. La fonction logarithme népérien. Sommaire

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

Statistique descriptive bidimensionnelle

CHAPITRE 2 SÉRIES ENTIÈRES

Solutions particulières d une équation différentielle...

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

Cours de Statistiques inférentielles

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

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 et statistique pour le CAPES

Comportement d'une suite

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

Chapitre 3 : Fonctions d une variable réelle (1)

SÉRIES STATISTIQUES À DEUX VARIABLES

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

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

Les Nombres Parfaits.

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

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...

Processus et martingales en temps continu

Principes et Méthodes Statistiques

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

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

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

Séries réelles ou complexes

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

55 - EXEMPLES D UTILISATION DU TABLEUR.

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

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

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

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

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

STATISTIQUE AVANCÉE : MÉTHODES

Etude de la fonction ζ de Riemann

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

STATISTIQUE : TESTS D HYPOTHESES

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

14 Chapitre 14. Théorème du point fixe

1 Mesure et intégrale

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

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.

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

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Compte Sélect Banque Manuvie Guide du débutant

. (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

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

Baccalauréat S Asie 19 juin 2014 Corrigé

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

UNIVERSITÉ DE SFAX École Supérieure de Commerce

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

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

Suites et séries de fonctions

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

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

Mécanismes de protection contre les vers

Chap. 5 : Les intérêts (Les calculs financiers)

4 Approximation des fonctions

Initiation à l analyse factorielle des correspondances

Simulations interactives de convertisseurs en électronique de puissance

Échantillonnage et estimation

2 ième partie : MATHÉMATIQUES FINANCIÈRES

Exercices de mathématiques

Statistique Numérique et Analyse des Données

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

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

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

Chaînes de Markov. Arthur Charpentier

Gérer les applications

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

Cours 5 : ESTIMATION PONCTUELLE

COMMENT ÇA MARCHE GUIDE DE L ENSEIGNANT 9 E ANNÉE

Introduction : Mesures et espaces de probabilités

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Module 3 : Inversion de matrices

Sommaire Chapitre 1 - L interface de Windows 7 9

Moments des variables aléatoires réelles

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

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

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Université Pierre et Marie Curie. Biostatistique PACES - UE

Chapitre 3 : Transistor bipolaire à jonction

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

3. Caractéristiques et fonctions d une v.a.

Régulation analogique industrielle ESTF- G.Thermique

Processus géométrique généralisé et applications en fiabilité

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

Les solutions mi-hypothécaires, mi-bancaires de Manuvie. Guide du conseiller

Neolane Message Center. Neolane v6.0

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

Options Services policiers à Moncton Rapport de discussion


La maladie rénale chronique

Transcription:

ère S FICHE Variables aléatoires I. Probabilités : petit bila de de EXECICE TYPE (voir évaluatio diagostique d etrée e ère S) Eocé O fait tourer ue roue équilibrée comme ci-dessous séparées e 8 secteurs idetiques, puis o lit le uméro e face du repère. 5 8 7 O cosidère les évèemets suivats : A : «le uméro est strictemet supérieur à 5» : «le uméro est impair» Détermier les probabilités suivates : p(a), p(), p(a ), p(a ) et p( A ) Solutio L uivers Ω compred huit issues possibles : Ω = { ; ; ; ; 5 ; ; 7 ; 8 ; 9} Comme la roue est dite «équilibrée», les évèemets élémetaires sot équiprobables. ombre de cas favorables La probabilité d u évèemet est égale à ombre de cas possibles. A = { ; 7 ; 8} doc p(a) = 8. = { ; ; 5 ; 7} doc p() = 8 = A = {7} doc p(a ) = 8 A : A et A : A ou A = { ; ; 5 ; ; 7 ; 8} doc p(a ) = 8 = emarque : das u cas d équiprobabilité, o peut aussi utiliser la formule : p(a ) = p(a) + p() p(a ) p(a ) = 8 + 8 8 = 8 = A est l évèemet cotraire de A, c'est-à-dire A = { ; ; ; ; 5} doc p( A ) = 5 8 emarque : das u cas d équiprobabilité, o peut aussi utiliser aussi la formule : p( A ) = p(a) p( A ) = 8 = 8 8 8 = 5 8

II. Loi de probabilité d ue variable aléatoire Défiitio Lorsqu à chaque évéemet élémetaire d ue expériece aléatoire o associe u ombre réel, o dit que l o défiit ue variable aléatoire. Lorsqu à chaque issue possible pour ue variable aléatoire X o associe la probabilité correspodate, o dit que l o défiit la loi de probabilité de X. EXECICE TYPE Détermier ue loi de probabilité Eocé O lace u dé o pipé. O gage 5 si le sort, o perd si le sort et o perd das les autres cas. O ote X la variable aléatoire doat le gai, positif ou égatif, correspodat. Doer, sous forme d u tableau, la loi de probabilité de X. Notatios O ote : (X = 5) l évèemet «X pred la valeur 5» p(x= 5) la probabilité de l évèemet «X pred la valeur 5» Solutio emarques Avat de détermier les probabilités, il faut d abord détermier les valeurs prises par la variable aléatoire X correspodat aux gais possibles : Les valeurs possibles par X sot X =, X =, ou X = 5. O détermie alors esuite la probabilité de chacue de ces valeurs possibles : p(x = ) est e fait la probabilité de l évèemet «Obteir le,, ou 5». Comme le dé est o pipé, les évèemets élémetaires sot équiprobables. ombre de cas favorables p(x = ) = ombre de cas possibles = = De la même maière, p(x = ) = et p(x = 5) = O présete souvet ue loi de probabilité das u tableau : La somme des probabilités décrites das ue loi de probabilités est toujours égale à A ue même expériece aléatoire, o peut associer plusieurs variables aléatoires. Par exemple, avec le lacer de dé ci-dessus, o aurait pu cosidérer ue variable aléatoire Y qui au ombre obteu associe si le ombre est u multiple de et 0 sio La loi de probabilité de Y est : y i 0 Das le TP «Simulatio d ue situatio de probabilité avec u tableur», o a pu observer que : Si o effectue suffisammet de lacers ou quad le ombre de tirages simulés est grad, les fréqueces observées tedet à s approcher de la probabilité théorique. Voir égalemet la fiche «Echatilloages» x i 5 p(x = x i ) p(y = y i )

III. Utiliser des arbres podérés de probabilités U exemple pour compredre Das ue ure coteat trois boules blaches et ue boule rouge, idiscerables au toucher, o tire ue ère boule, puis, après avoir remis la ère boule, o tire ue ème boule. Quelle est la probabilité de l évèemet A : «obteir deux boules blaches»? Aalyse E de E ère Arbre complexe! Coclusio : p(a) = 9. p(a) = = 9 Das cet arbre, o regroupe les braches idetiques mais o idique la probabilité de chacue pour se rappeler que chaque brache est pas équiprobable. Plus clair et simple! Pricipe multiplicatif Das u arbre podéré de probabilités, la probabilité d ue issue fiale est le produit des probabilités des braches itermédiaires. emarque Das l exemple ci-dessus, les deux tirages sot dits idépedats. E effet, les résultats du ème tirage sot idetiques quelque soit le résultat du er tirage EXECICE TYPE Eocé Utiliser des arbres podérés de probabilités Détermier la loi de la variable aléatoire X correspodat au ombre de boules blaches obteues si o réalise ue expériece comme ci-dessus mais sas remettre la boule après le er tirage. Solutio Attetio, ici les deux tirages e sot pas idépedats. Cette expériece peut être modéliser par l arbre podéré ci-cotre : Grâce à cet arbre, o obtiet aisi : P(X = ) = + = + = et P(X = ) = = La loi de probabilité de la variable aléatoire X est doc : X = x i P (X = x i )

IV. Espérace d ue variable aléatoire Défiitio Cosidéros ue variable aléatoire X qui pred respectivemet les valeurs x, x, x,, x avec les probabilités p, p, p,, p. L espérace mathématique de X est le ombre, oté E(X), défii par : E(X) = x p + x p + x p + + x p x i p i. emarque Das le TP «Simulatio d ue situatio de probabilité avec u tableur», o a pu observer que : Lorsque l o répète ue expériece aléatoire e grad ombre de fois, la moyee de la série statistique ted à s approcher de l espérace mathématique. EXECICE TYPE Eocé Détermier l espérace d ue variable aléatoire Détermier l espérace de la variable aléatoire X décrite à l exercice type ci-dessus. Solutio E(X) = ( ) + ( ) + 5 = + 5 = + 5 = + 5 = Iterprétatio L espérace mathématique est égative : cela sigifie que, après u grad ombre de lacers, il y a de forte chace pour que j ai perdu de l arget à ce jeu Attetio, si j ai beaucoup de chace, je peux quad même repartir e ayat gagé de l arget : il y a aucue certitude Propriété de liéarité Soit a et b deux réels, alors o a : E(aX + b) = ae(x) + b Preuve Si la variable aléatoire X qui pred respectivemet les valeurs x, x, x,, x avec les probabilités p, p, p,, p, alors la variable aléatoire ax + b pred respectivemet les valeurs ax +b, ax +b,, ax +b avec les probabilités p, p, p,, p. d où : E(aX + b) = a (ax i +b) p i a x i p i + b p i x i p i + b p i (a x i p i +b p i ) (factorisatios) = a E(X) + b car x i p i = E(X) et p EXECICE TYPE Eocé Solutio Utiliser la propriété de liéarité de l espérace O cosidère toujours la variable aléatoire X idiquat la gai comme défii ci-dessus.. Décrivez par des phrases la variable aléatoire Z = X +.. Doer la loi de probabilité de Z.. Détermier E(Z) le plus simplemet possible.. La variable aléatoire Z double les gais relatifs correspodat à X e ajoutat. z i p( Z = z i ). E(Z) = E(X+) = E(X) + = ( ) + = =

V. Variace et écart-type d ue variable aléatoire Défiitio Cosidéros ue variable aléatoire X qui pred respectivemet les valeurs x, x, x,, x avec les probabilités p, p, p,, p. La variace de X est le ombre, oté V(X), défii par : V(X) = [x E(X)] p + [x E(X)] p + + [x E(X)] p [x i E(X)] p i. L écart-type de X est le ombre, oté σ(x), défii par : σ(x) = V(X). x i E(X) est l écart etre la valeur x i et E(X). emarque La variace, et surtout l écart-type, permettet de comparer la dispersio des valeurs d ue série autour de l espérace EXECICE TYPE 5 Détermier la variace d ue variable aléatoire Eocé Détermier la variace et l écart-type de la variable aléatoire T dot la loi de probabilité est : t i 0 p( T = t i ) 0, 0,5 0, Solutio Détermios tout d abord l espérace mathématique de T : E(T) = ( ) 0, + 0 0,5 + 0, = 0, O a alors : V(T) = [( ) 0,] 0, + [0 0,] 0,5 + [ 0,] 0, =, σ(t) = V(T) =,,. Propriétés V(X) = E( X ) [ E(X) ] (*) Soit a et b deux réels, alors o a : V(aX + b) = a V(X) (**) Preuve Si la variable aléatoire X qui pred respectivemet les valeurs x, x, x,, x avec les probabilités p, p, p,, p, alors la variable aléatoire X pred respectivemet les valeurs x, x,, x avec les probabilités p, p, p,, p. V(X) [x i E(X)] p i x i p i E(X) x i p i + [E(X)] p i x i p i + x i p i E(X) ( x i E(X) x i + [E(X)] ) p i (développemet) E(X) x i p i + x i p i + [E(X)] [E(X)] p i = E(X ) E(X) E(X) + [E(X)] car p i p = E(X ) [E(X)] + [E(X)] = E(X ) [E(X)]. O a démotré (*).

V(aX + b) = E( (ax + b) ) [ E(aX + b) ] e utilisat la propriété (*) = E( a X + abx + b ) [ ae(x) + b ] = a E(X ) + abe(x) + b [ a [E(X)] + abe(x) + b ] = a E(X ) + abe(x) + b a [E(X)] abe(x) b = a E(X ) a [E(X)] = a ( E(X ) [E(X)] ) = a V(X) d où (**). EXECICE TYPE Utiliser les propriétés de la variace Eocé O cosidère la variable aléatoire G dot la loi de probabilité est : g i 0 0 p( G = g i ) 0, 0, 0,5. Calculer la variace de G avec la formule (*).. Détermier la loi de probabilité d ue variable aléatoire H dot la variace serait quatre fois celle de G. Solutio. E(G) = ( 0) 0, + 0 0, + 0,5 = ; E(G ) = 00 0, + 0 0, + 0,5 = Doc V(G) = E(G ) E(G) = ( ) = = 8.. L éocé idique que : V(H) = V(G) = V(G) soit avec (**) que : V(H) = V( G ). Il suffit doc que les valeurs prises par H soit le double de celles de G. Autremet dit, la loi de probabilité de H serait : h i 0 0 p( H = h i ) 0, 0, 0,5