[PDF] VARIABLES ALÉATOIRES Ce tableau résume la





Previous PDF Next PDF



Probabilités et variables aléatoires

Espérance et variance d'une variable aléatoires sont définies avant de signaler les deux théorèmes importants : loi des grands nombre et théorème de central 



VARIABLES ALÉATOIRES

Ce tableau résume la loi de probabilité de la variable aléatoire X. Définition : Soit une variable aléatoire X définie sur un univers ? et prenant les valeurs 



Chapitre 2 - Variables Aléatoires

On considère un ensemble ? muni d'une probabilité IP. Définition 0.1 Une variable aléatoire X est une fonction de l'ensemble fondamental ? à valeurs dans R X : 



Probabilités et variables aléatoires Préparation `a lagrégation interne

Définition 1.1 Une mesure de probabilité (P?) est une fonction définie sur ? et `a probabilité qu'une variable aléatoire de loi uniforme sur [a



MODULE 6 VARIABLE ALÉATOIRE ALÉATOIRE

On peut donc calculer une probabilité quelconque en se basant sur la loi de probabilité (fonction de masse). En fait on applique le principe des événements 



VARIABLE ALEATOIRE DISCRETE A DEUX DIMENSIONS Si à

Ce tableau représente la loi de probabilité de la variable aléatoire. (XY). Page 2. Reproduction ( photocopie…) non autorisée. 2. Les 



7 Lois de probabilité

Les lois de probabilité permettent de décrire les variables aléatoires sous la La variable aléatoire X suit une loi Binomiale de paramètres n et ? ...



CPES 2 – Probabilités approfondies 2015-2016 Variables aléatoires

Variable aléatoire constante avec probabilité 1. On suppose que {a}?E pour tout a ? E. Quel sens donner `a l'affirmation ? la variable aléatoire X est 



Variables aléatoires

Méthode 1 : Donner la loi de probabilité d'une variable aléatoire discrète. • On donne l'ensemble des valeurs X(?) des valeurs prises par X.



Chapitre 8 - Variables aléatoires à densité

une densité de probabilité. Théorème 1 : Si X est une variable aléatoire à densité de fonction de répartition FX et de densité f



VARIABLES ALÉATOIRES - maths et tiques

Partie 1 : Variable aléatoire et loi de probabilité 1) Variable aléatoire Exemple : Soit l'expérience aléatoire : « On lance un dé à six faces et on regarde le résultat » L'ensemble de toutes les issues possibles E = {1 ; 2 ; 3 ; 4 ; 5 ; 6} s'appelle l'univers des possibles On considère le jeu suivant :



Préambule - Education

1 1 Espace probabilisable et loi de variable aléa-toire 1 1 1 Unexemplefondamental Considérons le jeu du lancé d’un dé Notons l’ensemble de tous les résultatspossibles(appelésaussiépreuvesourésultatsélémentaires)decette expériencealéatoire = f1;2;3;4;5;6g: Onnote!= 3 poursigni?erque3estlerésultatdel’épreuve



leay:block;margin-top:24px;margin-bottom:2px; class=tit wwwastrovirtuelfrChapitre 7 Variables aléatoires – COURS

Une variable aléatoire ???? est une fonction définie sur un univers et à valeur dans ? 2 Loi de probabilité d’une variable aléatoire 2 1 Exemples 2 1 1 Exemple 1 avec un tableau On dispose de deux dés cubiques bien équilibrés : un rouge et un vert notés ???? et ???? On lance les deux dés et on note le résultat de chaque dé



10 - Variables aléatoires Cours complet

Chapitre 10 : Variables aléatoires – Cours complet - 4 - L’application définie au théorème 1 2 est appelée loi (ou de loi de probabilité) de la variable aléatoire X et on la note PX Théorème 1 3 : système complet induit par une variable aléatoire discrète



Notions fondamentales de la Théorie des Probabilités

On dit que c’est une variable aléatoire réelle; en abrégé v a r On conviendra par la suite que R1 = R Si d > 1 on dira aussi vecteur aléatoire Si X = (X 1 X d) est un vecteur aléatoire alors les X k sont des v a r ; ré-ciproquement si X 1 X d sont des v a r à valeurs dans R alors (X 1 X d) est un vecteur



Searches related to variable aléatoire probabilité PDF

Variable aléatoire loi de probabilité espérance 8 1 Introduction Contrairement à d’autres branches des mathématiques la géométrie euclidienne ou l’algèbre par exemple les probabilités sont nées beaucoup plus tardivement Quelques considérations

Quelle est la loi de probabilité de la variable aléatoire?

Catégorie de ressource eduscol.education.fr/ - Ministère de l’Éducation nationale et de la Jeunesse – Novembre 2019 La loi de probabilité de la variable aléatoire G qui, à une partie, associe le gain (algébrique) réel du joueur est donc : x -1 0 19 Total

Comment calculer la probabilité d’une variable aléatoire de densité ?

EXERCICE 7 p. 242 Méthode 2 Calculer une probabilité dans le cas d’une variable aléatoire de densité f ? f ( x ) = ? x si x [ [?1 ; 0] ? Soit X une variable aléatoire de densité f définie par ? f ( x ) = x si x [ ]0 ;1] ?? f ( x ) = 0 sinon 1 Tracer la représentation graphique de la fonction f. 2 Calculer les probabilités suivantes. a.

Qu'est-ce que la variable aléatoire continue en probabilités ?

Le terme « variable aléatoire continue » en probabilités n’est pas synonyme de « fonction continue » en analyse, même si l’idée de départ est similaire. Il s'agit réellement d'un autre concept. On considère une variable aléatoire prenant une valeur aléatoire entre 0 et 1,

Quels sont les variables aléatoires ?

Introduction Il existe des variables ale?atoires qui prennent toutes les valeurs d’un intervalle de R. Par exemple : • la longueur d’un lancer au javelot • la dure?e de vie d’une ampoule e?lectrique • l’attente a? une caisse de supermarche? (...)

1

VARIABLES ALÉATOIRES

Tout le cours en vidéo : https://youtu.be/krbtyBDeRqQ En 1654, Blaise Pascal (1623 ; 1662) entretient avec Pierre de Fermat (1601 ;

1665) des correspondances sur le thème des jeux de hasard et d'espérance de gain

qui les mènent à exposer une théorie nouvelle : les calculs de probabilités. Ils s'intéressent à la résolution de problèmes de dénombrement comme celui du Chevalier de Méré : " Comment distribuer équitablement la mise à un jeu de hasard interrompu avant la fin ? » Partie 1 : Variable aléatoire et loi de probabilité

1) Variable aléatoire

Exemple :

Soit l'expérience aléatoire : " On lance un dé à six faces et on regarde le résultat. »

L'ensemble de toutes les issues possibles E = {1 ; 2 ; 3 ; 4 ; 5 ; 6} s'appelle l'univers des possibles.

On considère le jeu suivant :

• Si le résultat est 5 ou 6, on gagne 2 €. • Sinon, on perd 1 €.

On peut définir ainsi une variable aléatoire í µ sur E = {1 ; 2 ; 3 ; 4 ; 5 ; 6} qui donne le gain et

qui peut prendre les valeurs 2 ou -1.

Pour les issues 5 et 6, on a : í µ = 2

Pour les issues 1, 2, 3 et 4, on a : í µ = -1.

Définition : Une variable aléatoire í µ associe un nombre réel à chaque issue de l'univers des

possibles. Méthode : Calculer une probabilité à l'aide d'une variable aléatoire

Vidéo https://youtu.be/IBqkrg8pxQ4

Vidéo https://youtu.be/OnD_Ym95Px4

On tire une carte au hasard dans un jeu de 32 cartes. - Si cette carte est un coeur, on gagne 5 €. - Si cette carte est un carreau, on gagne 2 €. - Dans les autres cas, on perd 1 €. Soit í µ la variable aléatoire qui associe le gain du jeu. 2

Correction

í µ(í µ=5) est la probabilité de gagner 5 €. On gagne 5 € lorsqu'on tire un coeur. Soit :

í µ=5 8 32
1 4

í µ(í µ=-1) est la probabilité de perdre 1 €. On perd 1 € lorsqu'on ne tire ni un coeur, ni un

carreau. Soit : í µ=-1 16 32
1 2 í µ=2 í µ=-1 1 4 1 2 3 4

2) Loi de probabilité

Définition : Soit une variable aléatoire í µ prenant les valeurs í µ La loi de probabilité de í µ est donnée par toutes les probabilités í µ(í µ=í µ

Remarque : Les " í µ

» sont toutes les valeurs prises par í µ.

Méthode : Déterminer une loi de probabilité d'une variable aléatoire

Vidéo https://youtu.be/awtn6gsRwfs

Vidéo https://youtu.be/2Ge_4hclPnI

On lance simultanément deux dés à 6 faces et on note les valeurs obtenues. Soit í µ la variable aléatoire égale à la plus grande des deux valeurs.

Établir la loi de probabilité de í µ.

Correction

La variable aléatoire í µ peut prendre les valeurs 1, 2, 3, 4, 5 et 6. Par exemple, si on obtient la combinaison (2 ; 5), la plus grande valeur est 5 et on a : í µ=5. La plus grande des deux valeurs est 1, si on obtient la combinaison : (1 ; 1). í µ=1 1 36

La plus grande des deux valeurs est 2, si on obtient les combinaisons : (1 ; 2), (2 ; 1) ou (2 ; 2).

í µ=2 3 36
1 12 La plus grande des deux valeurs est 3, si on obtient les combinaisons : (1 ; 3), (3 ; 1), (2 ; 3), (3 ; 2) ou (3 ; 3). í µ=3 5 36
La plus grande des deux valeurs est 4, si on obtient les combinaisons : (1 ; 4), (4 ; 1) (2 ; 4), 3 (4 ; 2), (3 ; 4), (4 ; 3) ou (4 ; 4). í µ=4 7 36
La plus grande des deux valeurs est 5, si on obtient les combinaisons : (1 ; 5), (5 ; 1) (2 ; 5), (5 ; 2), (3 ; 5), (5 ; 3), (4 ; 5), (5 ; 4) ou (5 ; 5). í µ=5 9 36
1 4 La plus grande des deux valeurs est 6, si on obtient les combinaisons : (1 ; 6), (6 ; 1) (2 ; 6), (6 ; 2), (3 ; 6), (6 ; 3), (4 ; 6), (6 ; 4), (5 ; 6), (6 ; 5) ou (6 ; 6). í µ=6 11 36
On peut résumer les résultats dans le tableau de la loi de probabilité de í µ :

Remarque :

On vérifie que la somme des probabilités est égale à 1 : 1 36
1 12 5 36
7 36
1 4 11 36
=1

Partie 2 : Espérance, variance, écart-type

Définitions : Soit une variable aléatoire í µ prenant les valeurs í µ La loi de probabilité de í µ associe à toute valeur í µ la probabilité í µ - L'espérance de í µ est : - La variance de í µ est : - L'écrt-type de í µ est : Méthode : Calculer l'espérance, la variance et l'écart-type d'une variable aléatoire

Vidéo https://youtu.be/AcWVxHgtWp4

Vidéo https://youtu.be/CbCMJXGhC4k

Vidéo https://youtu.be/elpgMDSU5t8

On tire une carte dans un jeu de 32 cartes.

- Si on tire un coeur, on gagne 2 €. - Si on tire un roi on gagne 5 €. - Si on tire une autre carte, on perd 1 €. í µ est la variable aléatoire donnant le gain du jeu.

1 2 3 4 5 6

1 36
1 12 5 36
7 36
1 4 11 36
4

1) Calculer l'espérance de í µ.

2) Donner une interprétation du résultat.

3) Calculer la variance et l'écart-type de í µ.

Correction

1) On commence par établir la loi de probabilité de í µ :

í µ peut prendre les valeurs -1 €, 2 €, 5 € mais aussi 7 €. En effet, si on tire le roi de coeur, on gagne 2 € (comme un coeur) + 5 € (comme un roi). Si la carte tirée est un coeur (autre que le roi de coeur), í µ=2. í µ(í µ=2)= Si la carte tirée est un roi (autre que le roi de coeur), í µ=5. í µ(í µ=5)= Si la carte tirée est le roi de coeur, í µ=7. í µ(í µ=7)= Si la carte tirée n'est ni un coeur, ni un roi, í µ=-1. í µ(í µ=-1)=

La loi de probabilité de í µ est :

-1

×2+

×5+

1 32

×7=

15 32
≈0,47

2) Si l'on répète l'expérience un grand nombre de fois, on peut espérer gagner, en

moyenne, environ 0,47 € par tirage. Si l'organisateur du jeu veut espérer faire un bénéfice, il pourra demander par exemple aux joueurs une participation de 0,50 € par tirage. Il gagnera en moyenne environ 0,03 € par tirage.

3) Variance :

×A-1-

15 32
B

×A2-

15 32
B

×A5-

15 32
B 1 32

×A7-

15 32
B ≈5,1865

Écart-type :

Propriétés de linéarité (non exigible) : Soit une variable aléatoire í µ. Soit í µ et í µ deux nombres réels. On a : -1 2 5 7 21
32
7 32
3 32
1 32
5

Méthode : Simplifier les calculs d'espérance et de variance à l'aide d'une variable aléatoire

de transition (non exigible)

Vidéo https://youtu.be/ljITvCBExVY

Une entreprise qui fabrique des roulements à bille fait une étude sur une gamme de billes

produites. Le diamètre théorique doit être égal à 1,3 cm mais cette mesure peut être

légèrement erronée.

L'expérience consiste à tirer au hasard une bille d'un lot de la production et à mesurer son

diamètre.

On considère la variable aléatoire í µ qui, à une bille choisie au hasard, associe son diamètre.

La loi de probabilité de í µ est résumée dans le tableau suivant : Calculer l'espérance et l'écart-type de la loi de probabilité de í µ.

Correction

Pour simplifier les calculs, on définit la variable aléatoire í µ=1000í µ-1300.

La loi de probabilité de í µ est alors :

Calculons l'espérance et la variance de la loi de probabilité de í µ : =0,2× 2-0,1 +0,1× -1-0,1 +0,2× 0-0,1 +0,4× 1-0,1 +0,1× 2-0,1 =1,69 On en déduit l'espérance et la variance de la loi de probabilité de í µ :

1000í µ-1300

=1000í µ -1300

Donc : í µ

=1,3001

Donc : í µ

0(+) $,12

Et donc : í µ

$,12 =0,0013 Conclusion : í µ(í µ)=1,3001í µí µí µí µ í µ =0,0013 í µí µ.

1,298 1,299 1,3 1,301 1,302

0,2 0,1 0,2 0,4 0,1

-2 -1 0 1 2

0,2 0,1 0,2 0,4 0,1

quotesdbs_dbs26.pdfusesText_32
[PDF] géométrie dans l'espace seconde exercices pdf

[PDF] le sens du devoir 1

[PDF] le sens du devoir 2 film complet francais

[PDF] le sens du devoir 3

[PDF] graphe probabiliste bac es

[PDF] etat stable spe math s

[PDF] chronologie de lévolution humaine

[PDF] pneumothorax suffocant définition

[PDF] ccdmd amélioration du français

[PDF] améliorer son français écrit

[PDF] ccdmd exercices

[PDF] exsufflation pneumothorax nouveau né

[PDF] drainage pneumothorax technique

[PDF] exsufflation pneumothorax technique

[PDF] information chiffrée terminale stmg