Mathématiques terminale S
Les deux courbes sont symétriques par rapport à la première bissectrice. Fonction logarithme. Fonction exponentielle. 1. 2. ?1. ?2. ?3.
Géométrie dans lespace - Lycée dAdultes
26 juin 2013 J. K. L. M. PAUL MILAN. 5. TERMINALE S. Page 6. 1 DROITES ET PLANS. On réitère cette opération pour la face gauche ADHE et la face du dessous ...
explicatif tests_siteweb
Terminale S (scientifique) . Mathématiques (équations suites
Lois de probabilité à densité Loi normale - Lycée dAdultes
31 mars 2015 b + a. 2. PAUL MILAN. 3. TERMINALE S. Page 4. TABLE DES MATIÈRES. Remarque : Dans notre exemple précédent on trouve : E(X) = 2
Calcul intégral
11 juil. 2021 C'est l'objet de paragraphe suivant : méthode des rectangles. PAUL MILAN. 2. TERMINALE MATHS SPÉ. Page 3 ...
Tableau des dérivées élémentaires Règles de dérivation
de la racine. (? u) = u. 2. ? u du logarithme. (lnu) = u u de l'exponentielle. [eu] = u eu de la composée. (v ? u) = u × v ? u. Paul Milan. Terminale S.
Plaquette CMA LMA 2010
Cours Municipaux d'Adultes qui s'inscrivent dans la logique et 3 Terminales de séries ES L et S – regroupent chacune 20 à 30.
- Lycée dAdultes
9 juin 2014 JEAN-RAYMOND 47 ANS
Présentation PowerPoint
afin de permettre aux adultes de s'inscrire ensuite dans un cycle d'études Maths. Il faut en choisir 3 en première et en conserver 2 en terminale.
Courriels de remerciements
20 juil. 2021 lycée d'adulte ». ... Je suis enseignant de mathématiques au lycée du l'Élorn à ... sers notamment pour les maths niveau terminale S.
DERNIÈRE IMPRESSION LE31 mars 2015 à 14:11
Lois de probabilité à densité
Loi normale
Table des matières
1 Lois à densité2
1.1 Introduction. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Densité de probabilité et espérance mathématique. . . . . . . . . . 2
1.3 Loi uniforme : densité homogène. . . . . . . . . . . . . . . . . . . . 3
1.3.1 Définition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.2 Espérance mathématique. . . . . . . . . . . . . . . . . . . . 3
1.3.3 Application : méthode de Monte-Carlo. . . . . . . . . . . . 4
1.4 Loi exponentielle : loi sans mémoire. . . . . . . . . . . . . . . . . . 5
1.4.1 Définition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.2 Loi sans mémoire ou sans vieillissement. . . . . . . . . . . . 6
1.4.3 Espérance mathématique. . . . . . . . . . . . . . . . . . . . 6
1.4.4 Un exemple. . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.5 Application à la physique. . . . . . . . . . . . . . . . . . . . 7
1.5 Lien entre le discret et le continu. . . . . . . . . . . . . . . . . . . . 9
2 La loi normale9
2.1 Du discret au continu. . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 La loi normale centrée réduite. . . . . . . . . . . . . . . . . . . . . . 9
2.2.1 La densité de probabilité de Laplace-Gauss. . . . . . . . . . 9
2.2.2 Loi normale centrée réduite. . . . . . . . . . . . . . . . . . . 10
2.2.3 Calcul de probabilités. . . . . . . . . . . . . . . . . . . . . . 11
2.2.4 Espérance et variance. . . . . . . . . . . . . . . . . . . . . . 12
2.2.5 Probabilité d"intervalle centré en 0. . . . . . . . . . . . . . . 12
2.3 Loi normale générale. . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3.1 Loi normale d"espéranceμet d"écart typeσ. . . . . . . . . 13
2.3.2 Influence de l"écart type. . . . . . . . . . . . . . . . . . . . . 14
2.3.3 Approximation normale d"une loi binomiale. . . . . . . . . 15
2.3.4 Théorème Central-Limit (hors programme). . . . . . . . . . 17
PAULMILAN1 TERMINALES
TABLE DES MATIÈRES
1 Lois à densité
1.1 Introduction
Lorsque l"on s"intéresse à la durée d"une communication téléphonique, à la durée
de vie d"un composant électronique ou à la température de l"eau d"un lac, la va- riablealéatoireXassociée au temps ou à la température, peut prendre une infinité de valeurs dans un intervalle donné. On dit alors que cette variableX est continue (qui s"oppose à discrète comme c"est le cas par exemple dans la loi binomiale). On ne peut plus parler de probabilité d"événements car les événements élémen- On contourne cette difficulté en associant à la variable X un intervalle deRet en définissant une densité de probabilité.1.2 Densité de probabilité et espérance mathématique
Définition 1 :On appelledensité de probabilitéd"une variable aléatoire continue X, toute fonctionfcontinue et positive sur un intervalle I ([a;b],[a;+∞[ ouR) telle que :P(X?I) =?
(I)f(t)dt=1 Pour tout intervalle J= [α,β]inclus dans I, on a :P(X?J) =?αf(t)dt
D"autre part la fonctionFdéfinie par :F(x) =P(X?x)est appelée lafonction de répartitionde la variableXF(x) =?
x af(t)dtou lima→-∞? x af(t)dtRemarque :
Comme la fonctionfest continue et
positive, la probabilitéP(X?I)cor- respond à l"aire sous la courbeCf.Elle vaut alors 1 u.a.
La probabilitéP(X?J), avec J=
[α;β], correspond à l"aire du domaine délimité parCf, l"axe des abscisse et les droites d"équationx=αety=β. 1P(X?J)P(X?I)
1 u.a.
Cf βO Comme la probabilité que X prenneune valeur isolée est nulle,que l"in- tervalle J soit ouvert ou fermé im- porte peu. Ainsi :P(X?[α,β]) =P(X?[α,β[)
=P(X?]α,β]) =P(X?]α,β[) 1 F(x)C f x OPAULMILAN2 TERMINALES
1. LOIS À DENSITÉ
L"écriture(X?I)est une notation abusive carXn"est pas un nombre, mais la fonction qui associe une issue à un nombre. Elle prolonge la notation déjà utilisée pour des variables discrètes(X=a) Définition 2 :L"espérance mathématique d"une variable aléatoire continue X, de densitéfsur I, est :E(X) =?
(I)t f(t)dt1.3 Loi uniforme : densité homogène
1.3.1 Définition
Définition 3 :Une variable aléatoire X suit une loi uniforme dans l"intervalle I= [a,b], aveca?=b, lorsque la densitéfest constante sur cet intervalle. On en déduit alors la fonctionf: f(t) =1 b-a ConséquencePour tout intervalle J= [α,β]inclus dans I, on a alors :P(X?J) =β-α
b-a=longueur de Jlongueur de ILa probabilité est donc proportionnelle
à la longueur de l"intervalle considéré.
1 b-a aαβbP(X?J) O1 u.a.
Exemple :Onchoisitunnombreréelauhasarddansl"intervalle[0;5].Onassocie àXle nombre choisi. Quelle est la probabilité que ce nombre soit supérieur à 4? compris entreeetπ?P(X>4) =1
5P(e?X?π) =π-e5?0,085
1.3.2 Espérance mathématique
Théorème 1 :SiXsuit une loi uniforme sur un intervalle I= [a;b], aveca?=b, alors son espérance mathématique vaut :E(X) =a+b
2 Démonstration :D"après la définition de l"espérance, on a :E(X) =?
b at b-adt=?t22(b-a)? b a =b2-a22(b-a)=(b-a)(b+a)2(b-a)=b+a2PAULMILAN3 TERMINALES
TABLE DES MATIÈRES
Remarque :Dans notre exemple précédent, on trouve : E(X) =2,5 ce qui n"a rien de surprenant!1.3.3 Application : méthode de Monte-Carlo
Méthode de Monté-Carlo: méthode probabiliste très utilisée pour la résolution approchée de problèmes variés allant de la théorie des nombres à la physique mathématique en passant par la production industrielle. Application: Calcul d"une valeur approchée du nombreπPar la méthode du rejet :On admet,
lors du tirage au hasard d"un point dans un carré de côté 1, que la pro- babilité de tirer un point dans un do- portionnelle à l"aire de ce domaine.Comme il s"agit du carré unité, cette
probabilité est donc égale à l"aire du domaine.11Zonede rejet
zone d"acceptation y?⎷ 1-x2 O On tire un grand nombre de points (par exemple 10 000). D"après laloi des grands nombres, la probabilitépd"avoir un point dans la zone d"acceptation vaut : p=nombre de points dans la zone d"acceptation nombre total de points pcorrespond à l"aire du quart du cercle unité soitπ 4On peut alors écrire l"algorithme suivant :
Variables:N,D,I: entiers
X,Y: réels dans [0; 1]
Entrées et initialisation
Effacer l"écran
LireN0→D
Traitement
pourIde 1 àNfaire random(0,1)→X random(0,1)→Y siY?⎷1-X2alors
D+1→D
Tracer le point(X,Y)
fin finSorties: AfficherD, 4×D
NOn obtient le graphe suivant pour
N=10 000 :
On trouve les résultats suivants :
D=7 893π?3,157 2
La précision est de l"ordre de
1 ⎷N?0,01PAULMILAN4 TERMINALES
1. LOIS À DENSITÉ
Par laméthode de l"espérance:
On choisit au hasardNvaleurs de
l"abscisseXd"un point M dans [0;1].On calcule la sommeSdesNvaleurs
prises parf(X) =⎷ 1-X2.La moyenne desNvaleurs def(X)
est une valeur approchée de la va- leur moyenneμdefdonc de l"aire du quart de cercle.On trouve alors pourN=10 000 :
π?3,151 5
Variables:N,I: entiers
X,S,préels
Entrées et initialisation
LireN0→S
Traitement
pourIde 1 àNfaire random(0,1)→Xquotesdbs_dbs47.pdfusesText_47[PDF] lycée cantonal de porrentruy
[PDF] lycée claude de france cantine
[PDF] Lycée claude monet
[PDF] LYCEE DE SECTEUR
[PDF] lycée en belgique
[PDF] lycée français le cap afrique du sud
[PDF] Lycée Henri IV Paris
[PDF] lycée hoche internat tarif
[PDF] Lycée inscription
[PDF] lycée jacques decour paris
[PDF] lycée le castel rentrée
[PDF] lycee loritz
[PDF] Lycee militaire apres la 3eme
[PDF] lycée montaigne bordeaux prépa