Cours de probabilités Terminale S Paul Milan
27 juil. 2014 Cours de probabilités. Terminale S. Pour aller plus loin . . . Paul Milan. Table des matières. 1 Espace probabilisé. 2. 1.1 Casoùl' ...
PROBABILITÉS
Exercice n°4 : On lance trois fois de suite une pièce de monnaie équilibrée. On Probabilités – Terminale S. 12. V. LOIS DE PROBABILITE a) Loi de Bernoulli.
Terminale ES Probabilités conditionnelles 1 Conditionnement par
On peut ainsi calculer la probabilité d'un évènement connaissant ses probabilités conditionnelles relatives à une partition de l'univers. V Un exemple de
TERMINALE ES Probabilités Fiche de résumé
P(A U B) = p(A) + p(B) – p(A n B). Evénement contraire. Si à est l'événement contraire à A c'est-à-dire l'événement constitué de toutes les issues non.
Terminale ES - Probabilités conditionnelles
Exemple : On considère une urne contenant 10 boules indiscernables au toucher 7 d'entre elles sont blanches et 3 sont noires. Parmi les boules blanches 5
FICHE DE RÉVISION DU BAC
Mathématiques – Séries S – ES/L – ST2S – STMG. PROBABILITÉS DISCRETES. 1. FICHE DE RÉVISION DU BAC. LE COURS. [Série – Matière – (Option)]. Note liminaire.
Terminale S - Probabilités Exercices corrigés
Fesic 2001 : Exercice 17. On considère une succession de sacs qu'on désigne par S1 S2
Synthèse de cours (Terminale ES) → Loi de probabilité discrète
Définir une loi de probabilité discrète sur cet ensemble c'est associer à chacune des valeurs i x une probabilité i p de telle sorte que l'on ait :.
Probabilités conditionnelles et tableaux
Tout le cours en vidéo : https://youtu.be/5oBnmZVrOXE. Partie 1 : Probabilités il ne s'agit pas de probabilité conditionnelle. 2) a) Obtenir deux boules ...
Terminale ES – Exercices et problèmes sur probabilités
Calculer la probabilité arrondie au millième
Terminale ES - Probabilités conditionnelles
Probabilités conditionnelles. I) Notion de probabilité conditionnelle. 1) Probabilité de B sachant A a) Définition. On considère un univers d'une
PROBABILITÉS
indiquent que pour les expériences réalisées
FICHE DE RÉVISION DU BAC
Mathématiques – Séries S – ES/L – ST2S – STMG. PROBABILITÉS DISCRETES. 1. FICHE DE RÉVISION DU BAC. LE COURS. [Série – Matière – (Option)]. Note liminaire.
Exercices Corrigés Statistique et Probabilités
Examen Statistique et Probabilités (1) . probabilité d'obtenir « Face » au cours des n premiers lancers suit une loi binomiale de.
TERMINALE ES Probabilités Fiche de résumé
P(A U B) = p(A) + p(B) – p(A n B). Evénement contraire. Si à est l'événement contraire à A c'est-à-dire l'événement constitué de toutes les issues non.
Cours de probabilités et statistiques
4) La technique est tr`es souvent la même pour calculer la probabilité d'une réunion d'en- sembles : on écrit cette réunion comme une union d'ensembles
Synthèse de cours (Terminale ES) ? Loi de probabilité discrète
Synthèse de cours (Terminale ES). ? Loi de probabilité Définir une loi de probabilité discrète sur cet ensemble c'est associer à chacune des valeurs i.
Cours de probabilités Terminale S Paul Milan
Jul 27 2014 où µ et ? sont deux paramètres réels
LOI BINOMIALE
On a représenté dans un arbre de probabilité les issues d'une expérience suivant un schéma de Bernoulli composé de 3 épreuves de Bernoulli de paramètre p. X est
Cours de Probabilités
npkqn?k. Page 25. Cours Probabilités / Pierre DUSART. 25. Définition 9 (Loi binomiale) On
Stage ATSM - Ao^ut 2010
Cours de probabilit
´es et statistiques
A. Perrut
contact : Anne.Perrut@univ-lyon1.fr 2Table des matiµeres
1 Le modµele probabiliste 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Trois autres lois discrµetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.2 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4.3 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1 Loi d'une v.a. continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 La loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4 La loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.5 Fonction d'une v.a. continue . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.1 Loi des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Intervalles de con¯ance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
34TABLE DES MATIµERES
5 Tests statistiques 47
5.1 Tests d'hypothµeses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2 Test d'ajustement du chi-deux . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
B Tables statistiques 61
C.1 Variable quantitative discrµete . . . . . . . . . . . . . . . . . . . . . . . . . . 65 C.2 Variable quantitative continue . . . . . . . . . . . . . . . . . . . . . . . . . . 68 C.3 Variable qualitative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70Chapitre 1
Le modµele probabiliste
1.1 Introduction
Exemples :
- l'enfant µa na^³tre sera une ¯lle, - Proportion :P(A) =3
6 = 1=2. AlorsP(¯lle) = limn!+1k
n n mais cette limite a-t-elle un sens? - Opinion : pour que l'OL soit championne de France? Dans ce cas, on ne peut pas rejouer le m^eme subjectif. 56CHAPITRE 1. LE MODµELE PROBABILISTE
Exemples :
\Lyon ne gagne pas". chi®re pair", ieA=f2;4;6g. jcelui du second.B: \on obtient pile au deuxiµeme lancer" est
B=f(f;p;f);(f;p;p);(p;p;f);(p;p;p)g
le nombre de \face" obtenus. Alors, =f0;1;2;3g. Le modµele est beaucoup plus simple, notations vocabulaire ensembliste vocabulaire probabiliste ensemble plein ensemble vide A sous-ensemble de !2A !appartient µaAA½B
Ainclus dansB
AimpliqueB
A[B AouB A\B intersection deAetB AetB A cou A A\B=;AetBdisjoints
AetBincompatibles
Exemple : soit =f0;1;2g. ConstruisonsP().
P() =n
;;f0g;f1g;f2g;f0;1g;f0;2g;f1;2g;o telle que : -P(A) =X -P() =X !2P(!) = 10.95 :Ava trµes probablement se produire.
4.0 : incorrect.
-2 : incorrect.0.5 : une chance sur deux.
8CHAPITRE 1. LE MODµELE PROBABILISTE
faire quelques calculs :1) SiAetBsont incompatibles,P(A[B) =P(A) +P(B).
2)P(Ac) = 1¡P(A).
3)P(;) = 0.
5)P(A[B) =P(A) +P(B)¡P(A\B).
2) CommeAetAcsont incompatibles,1 =P() =P(A[Ac) =P(A) +P(Ac).
3)P(;) = 1¡P(;c) = 1¡P() = 0.
P i2NA i´ =X i2NP(Ai) - axiome 3 :P() = 11 =P() =X
!2P(!) =X !2p=p£card()D'oµup=P(!) =1
card()P(A) =X
!2AP(!) =card(A) card() dire : - choisir, parP(BjA) =P(A\B)
P(A) Utilisation 2 : QuandP(BjA)etP(A)sont faciles µa trouver, on peut obtenirP(A\B). Exemple 6Une urne contientrboules rouges etvboules vertes. On en tire deux, l'une =frouge;verteg £ frouge;verteg rouge".P(A\B) =P(BjA)P(A) =r¡1
r+v¡1¢r r+vP(B) =P(BjA)P(A) +P(BjAc)P(Ac)
10CHAPITRE 1. LE MODµELE PROBABILISTE
preuve : CommeA[Ac= ,P(B) =P(B\(A[Ac)) =P((B\A)[(B\Ac)). OrB\AP(B) =P(B\A) +P(B\Ac)
On garde le m^eme formalisme.
P(B) =P(BjA)P(A) +P(BjAc)P(Ac)
r¡1 r+v¡1¢r r+v+r r+v¡1¢v r+v =r r+v (i)[i2IAi= (ii) lesAisont deux µa deux incompatibles : pour tousi6=j,Ai\Aj=;.P(B) =X
i2IP(BjAi)P(Ai) dans l'ordre chronologique. Nous allons maintenant voir une formule µa remonter le temps...1etP(B)>0. Alors,
P(AjB) =P(BjA)P(A)
P(BjA)P(A) +P(BjAc)P(Ac)
preuve :P(AjB) =P(A\B)
P(B)=P(BjA)P(A)
P(B) i2I,P(AijB) =P(BjAi)P(Ai)
P j2IP(BjAj)P(Aj) bleaux sur informatique. Les tableaux deAcomportent des fautes dans 5,2% des cas et ceux deBdans 6,7% des cas. On prend un tableau au hasard. Il comporte des fautes. T TF=\ le tableau comporte des fautes".
P(TAjF) =P(FjTA)P(TA)
P(FjTA)P(TA) +P(FjTB)P(TB)
P(A\B) =P(A)P(B)
P(BjA) =P(B)()P(AjB) =P(A)()P(A\B) =P(A)P(B)
Proposition 14Soit =E£FoµuEest de cardinalnetFde cardinalp. Supposons queP(!) =P((x;y)) =1
card() =1 np =PE(fxg)PF(fyg) =fP;Fg £ f1;:::;6g12CHAPITRE 1. LE MODµELE PROBABILISTE
8!2; P(!) =1
card() = 1=12 P N³ (!1;:::;!N)´ =P(!1)¢¢¢P(!N) surN. Pourtant, le nombre de combinaisons dont la somme fait 12 est le m^eme que le nombre de combinaisons dont la somme fait 11. Alors?1.6 Exercices
3) On tire trois cartes dans un jeu .
suppose queP(A[B) = 7=8; P(A\B) = 1=4; P(A) = 3=8:
CalculerP(B),P(A\Bc),P(B\Ac).
ros impairs ont chacun la m^eme chance d'appara^³tre, chance qui est deux fois plus grande hasard, et l'on observe que les quatre places libres se suivent. Est-ce surprenant?1.6. EXERCICES13
Exercice 6 {SoientM1,M2,M3trois personnes. La premiµereM1dispose d'une infor- la transmet µaM3. Malheureusement, µa chaque fois que l'information est transmise, il y a le bon message? Et siM3transmet l'information dont il dispose µa une quatriµeme personneM4, quelle est elle re»coit un vaccin? daire? Exercice 8 |Dans une usine, la machine A fabrique 60% des piµeces, dont 2% sont C? Exercice 9 |Dans une jardinerie : 25% des plantes ont moins d'un an, 60% ont de 1 µa 2 ans, 25% ont des °eurs jaunes, 60% ont des °eurs roses, 15% ont des °eurs jaunes et moins d'un an, 3% ont plus de 2 ans et n'ont ni °eurs jaunes, ni °eurs roses. 15% de celles qui ont de 1 µa 2 ans, ont des °eurs jaunes, 15% de celles qui ont de 1 µa 2 ans, n'ont ni°eurs jaunes ni °eurs roses. On suppose que les °eurs ne peuvent pas ^etre µa la fois jaunes
et roses. On choisit une plante au hasard dans cette jardinerie.14CHAPITRE 1. LE MODµELE PROBABILISTE
Exercice 10 |Deux chau®eurs de bus se relaient sur la m^eme ligne. Lors d'une grµeve, le premier a60%de chances de faire grµeve et le second80%. Pendant la prochaine grµeve, Exercice 11 |Une loterie comporte 500 billets dont deux seulement sont gagnants.Chapitre 2
PPP PPF PFP FPP FFP FPF PFF FFF
valeur deX3 2 2 2 1 1 1 0
k(valeur prise parX)3 2 1 0
fPPPg fPPF,PFP,FPPg fPFF,FPF,FFPg fFFFg k(X=k) = 15 elle est ditecontinue(exemples : hauteur d'un arbre, distance de freinage d'une voiture souvent une formule, plut^ot qu'une liste. [X= 3] [X= 2] [X= 1] [X= 0] fPPPg fPPF,PFP,FPPg fPFF,FPF,FFPg fFFFg1/8 3/8 3/8 1/8
F(x) =P[X·x]
Exemple :Xest le nombre de Face quand on lance trois fois une piµece. On a vu que la loi deXest P[X= 0] = 1=8; P[X= 1] =P[X= 2] = 3=8; P[X= 3] = 1=8D'oµu,
F(x) =8
>>>>>:0six <0;1=8si0·x <1;
4=8si1·x <2;
7=8si2·x <3;
1six¸3
quotesdbs_dbs13.pdfusesText_19[PDF] cours probabilités conditionnelles terminale stmg
[PDF] cours problèmes économiques contemporains l1
[PDF] cours problèmes économiques contemporains l1 droit
[PDF] cours productique
[PDF] cours produit scalaire pdf
[PDF] cours produit scalaire première s pdf
[PDF] cours produit scalaire terminale s
[PDF] cours profil topographique
[PDF] cours programmation avancée java pdf
[PDF] cours programmation batch
[PDF] cours programmation batch pdf
[PDF] cours projet hec
[PDF] cours protection de l'environnement
[PDF] cours psychologie sociale pdf