[PDF] SOLUTION TP no 4 Solution 1. Certaines lois de var peuvent être

View - Download SOLUTION TP no 4 Solution 1. Certaines lois de var peuvent être

Previous PDF

Next PDF

Université de CaenL3SOLUTION TP n

o4Solution 1.Certaines lois devarpeuvent être approchées par d"autres lois plus simples à calculer.

Notamment, la loi hypergéométriqueH(l;m;n)peut être approchée par la loi binomialeB(n;p) avecp=l=(l+m)etn0:1(l+m),i.e.

H(l;m;n) B(n;p); p=l=(l+m); n0:1(l+m):

L"objectif de cet exercice est de visualiser cette approximation avec le logiciel R. 1. Calc ulerles probabilités P(X=k)aveck2 f0;:::;20glorsqueXest unevar •suivant la loi hypergéométriqueH(1000;500;20), •suivant la loi binomialeB(20;1000=1500). bin = dbinom(0:20, 20, 1000/1500) hyp = dhyper(0:20, 1000, 500, 20) Donner un exemple de schéma d"urnes dans lesquels ces2lois interviennent : Une urne contient1500boules, dont1000blanches et500noires. On extrait au hasard20 boules de l"urne. Alors •lavarXégale au nombre de boules blanches obtenues en faisant des tirages sans remise suit la loi hypergéométriqueH(1000;500;20):

P(X=k) =

1000
k 500
20k 1500
20 ; k2 f0;:::;20g; •lavarXégale au nombre de boules blanches obtenues en faisant des tirages avec remise suit la loi binomialeB(20;1000=1500):

P(X=k) =20

k p k(1p)20k; k2 f0;:::;20g; avecp= 1000=1500. 2. Séparer l"écran graphique en 2avec la commandepar(mfrow = c(2, 1)): dans la fenêtre

1, représenter le graphe de la loiH(1000;500;20)et dans la fenêtre2, celui de la loi

B(20;1000=1500):

par(mfrow = c(2, 1)) plot(k, bin, type = "h", main = "Binomiale", xlab = "k", ylab = "P(X=k)") plot(k, hyp, type = "h", main = "Hypergéométrique", xlab = "k", ylab = "P(X=k)")C. Chesneau1TP no4 : solution Université de CaenL33.Repro duireet analyser les commandes suiv antes: approx.fun = function(k, Ne, Nm, n, p) { barplot(rbind(dhyper(k, Ne, Nm, n), dbinom(k, n, p)), col = c(1, 2), legend = c("Hypergéométrique", "Binomiale"), beside = T, names = k, xlab = "k", ylab = "Proba P(X=k)") abline(h = 0) } par(mfrow = c(3 ,1)) approx.fun(0:20, 1000, 500, 20, 2/3)

C"est une très bonne approximation,

approx.fun(0:10, 20, 30, 10, 2/5)

C"est une mauvaise approximation,

approx.fun(0:10, 10, 15, 10, 2/5) C"est une très mauvaise approximation; l"approximation est bonne que sin0:1(l+m), ce qui n"est pas le cas pour les2dernières approximations. Solution 2.La loi binomialeB(n;p)peut être approchée par la loi de PoissonP(np)sin31 etnp10,i.e.

B(n;p) P(np); n31; np10:

L"objectif de cet exercice est d"étudier cette approximation avec le logiciel R. 1. Représen terles lois suiv antesà l"aid ede diagrammes à bâtons :

B(10;0:5);B(20;0:25);B(50;0:1);B(100;0:05);P(5) :

par(mfrow = c(2, 3)) barplot(dbinom(0:20, 10, 0.5), main = "Loi binomiale B(10, 0.5)") barplot(dbinom(0:20, 20, 0.25), main = "Loi binomiale B(20, 0.25)") barplot(dbinom(0:20, 50, 0.1), main = "Loi binomiale B(50, 0.1)") barplot(dbinom(0:20, 100, 0.05), main = "Loi binomiale B(100, 0.05)") barplot(dpois(0:20, 5), main = "Loi de Poisson P(5)") 2. P ourc haquen2 f5;10;20;50;100g, évaluer le maximum de l"erreur commise lorsque que l"on approche la loi binomiale par la loi de Poisson,i.e.calculer E n= maxk2f0;:::;ngjP(X=k)P(Y=k)j; oùXest unevarsuivant la loi binomialeB(n;5=n)etYest unevarsuivant la loi de Poisson P(5):

Casn= 5:

max(abs(dbinom(0:5, 5, 1) - dpois(0:5, 5)))renvoie :[1] 0.8245326C. Chesneau2TP no4 : solution

Université de CaenL3Casn= 10:

max(abs(dbinom(0:10, 10, 0.5) - dpois(0:10, 5)))renvoie :[1] 0.07062638

Casn= 20:

max(abs(dbinom(0:20, 20, 0.25) - dpois(0:20, 5)))renvoie :[1] 0.02686378

Casn= 50:

max(abs(dbinom(0:50, 50, 0.1) - dpois(0:50, 5)))renvoie :[1] 0.009457231

Casn= 100:

max(abs(dbinom(0:100, 100, 0.05) - dpois(0:100, 5)))renvoie :[1] 0.004550458 Commenter les résultats obtenus: on remarque que l"erreur diminue à mesure quenaug- mente.

3.Application 1.Suite à une campagne de vaccination contre le paludisme, on estime à2%la

proportion de personnes qui seraient pourtant atteintes de la maladie. SoitXlavarégale au nombre de personnes malades dans un petit village de100habitants. (a)

Déterm inerla loi de X:

Xest égale au nombre de réalisations de l"événementA="la personne est atteinte du paludisme" enn= 100expériences indépendantes. Par conséquent,Xsuit la loi binomialeB(n;p), avecn= 100etp=P(A) = 2=100 = 0:02:

P(X=k) =100

k

0:02k(10:02)100k; k2 f0;:::;100g:

(b) Calculer la probabilité de constater au moins u nep ersonnemalade: on v eutcalculer

P(X1) = 1P(X= 0):

1 - dbinom(0, 100, 0.02)renvoie :[1] 0.8673804

(c) Calculer la p robabilitéde constater au plus 10personnes malades: on veut calculer

P(X10):

pbinom(10, 100, 0.02)renvoie :[1] 0.9999944 (d) Recalculer ces probabilités en utilisan tune appro ximationde la loi de Xpar une loi de

Poisson :

Commen= 10031etnp= 210, la loi binomialeB(n;p)que suitXpeut être approchée par une loi de PoissonP()avec=np= 2. On obtient ainsi •la probabilité de constater plus d"une personne malade: on veut calculer

P(X1) = 1P(X= 0):

1 - dpois(0, 2)renvoie :[1] 0.8646647

•la probabilité de constater au plus10personnes malades: on veut calculer

P(X10):

ppois(10, 2)renvoie :[1] 0.9999917 (e)

Quelle est la q ualitéde l"appro ximation?

La qualité de l"approximation dépend de l"erreur qui est obtenue par : max(abs(dbinom(0:100, 100, 0.02)-dpois(0:100, 2)))renvoie : [1] 0.002743345C. Chesneau3TP no4 : solution

Université de CaenL34.Application 2.Une entreprise fabrique, en grande quantité, des tiges métalliques cylindriques

pour l"industrie. Leur longueur et leur diamètre sont exprimés en millimètres. Dans un lot,

3%des tiges ne sont pas conformes pour la longueur. On prélève au hasard50tiges de ce

lot pour vérification. Le lot est suffisamment important pour que l"on puisse assimiler ce

prélèvement à des tirages avec remise. Soit lavarXqui, à tout prélèvement de50tiges,

associe le nombre de tiges non conformes pour la longueur. (a)

Déterm inerla loi de X:

On aX(

) =f0;:::;50g. Par l"énoncé, on assimile le prélèvement de50tiges à des tirages avec remise. DoncXest égale au nombre de réalisations de l"événement A="la tige est non conforme" en50expériences indépendantes. On en déduit queX suit la loi binomialeB(n;p)avecn= 50etp=P(A) = 0:03:

P(X=k) =50

k (0:03)k(10:03)50k; k2 f0;:::;50g: (b) Calculer la probabilité qu"au plus deux tiges ne soien tp asconformes p ourla longueur :pbinom(2, 50, 0.03)renvoie :[1] 0.8107981 (c) Refaire (b) en utilisan tune appro ximationde la loi de X: Commen= 5031etnp= 1:510, la loi binomialeB(n;p)que suitXpeut être approchée par une loi de PoissonP()avec=np= 1:5. Donc

P(X=k)'e1:5(1:5)kk!; k2 f0;:::;50g:

Ainsi,P(X2)est presque égale à :ppois(2, 1.5)renvoie :[1] 0.8088468 (d)

Quelle est la qualité de l"appro ximation?

La qualité de l"approximation dépend de l"erreur qui est obtenue par : max(abs(dbinom(0:50, 50, 0.03) - dpois(0:50, 1.5)))renvoie : [1] 0.005064785

Solution 3.On pose

p i;j=1(i+ 1)j+1;(i;j)2(N)2:

On admet que(pi;j)(i;j)2(N)2caractérise la loi de probabilité d"un couple devardiscrètes(X;Y);

pour tout(i;j)2(N)2, on api;j0etP1 i=1P 1 j=1pi;j= 1. 1.

Mon trerque

1000X
i=11000 X j=1p i;j0:999: On va créer une matrice nulle de dimension10001000, y mettre les composantes (pi;j)(i;j)2f1;:::;1000g2, puis on va sommer toutes ces composantes.C. Chesneau4TP no4 : solution Université de CaenL3m = matrix(rep(0, 1000ˆ2), 1000, 1000) for (i in 1:1000){ for (j in 1:1000){ m[i, j] = 1 / (i + 1)ˆ(j + 1) } } sum(m)

Cela renvoie :[1] 0.999001

2. Représen tergraphiquemen t(pi;j)(i;j)2f1;:::;5g2: persp(1:5, 1:5, m[1:5, 1:5], phi = 20, expand = 0.45, col = rainbow(7))C. Chesneau5TP no4 : solutionquotesdbs_dbs47.pdfusesText_47

[PDF] loi hypergéométrique exercices corrigés

[PDF] loi hypergéométrique exercices corrigés pdf

[PDF] loi jospin

[PDF] loi jules ferry 1905

[PDF] loi jules ferry 28 mars 1882

[PDF] loi leonetti

[PDF] loi marocaine mariage

[PDF] loi morale philosophie

[PDF] Loi normale centrée réduite - Terminale ES

[PDF] loi normale centrée réduite cours

[PDF] loi normale centrée réduite exercices corrigés

[PDF] loi normale cours et exercices corrigés

[PDF] loi normale exercice corrigé

[PDF] loi normale fonction de répartition

[PDF] loi normale intervalle de confiance