Probabilités conditionnelles cours
http://mathsfg.net.free.fr/terminale/TS2011/probabilitesconditionnelles/probabilitesconditionnellescoursTS.pdf
PROBABILITÉS CONDITIONNELLES ET INDÉPENDANCE
Règle 3 (Formule des probabilités totales) : La probabilité d'un événement associé à plusieurs "feuilles" est égale à la somme des probabilités de chacune
Terminale S - Probabilités Exercices corrigés
Probabilités exercices corrigés. Terminale S. Probabilités. Exercices corrigés. 1. Combinatoire avec démonstration. 2. Rangements. 3. Calcul d'événements 1.
PROBABILITÉS
Probabilités – Terminale S. 5. Par spécialité : Mathématique s. Sciences. Physiques Formule des probabilités totales. Soient A1 A2
PROBABILITÉS CONDITIONNELLES
Règle 3 (Formule des probabilités totales) : La probabilité d'un événement associé à plusieurs chemins est égale à la somme des probabilités de chacun de ces
Cours de Probabilités
Finalement. P(B1 ? B2 ? B3)=6/1000 = 3/500. Proposition 2.2.2 (Formule des probabilités totales) Soit {An; n ? N} un système complet d'évé-.
Cours de probabilités et statistiques
On peut s'intéresser `a l'événement A=“on obtient un Proposition 7 (Formule des probabilités totales) Soit A un événement tel que 0 <. P(A) < 1.
PROBABILITES – EXERCICES CORRIGES
b) Déterminer la part des Terminales parmi les externes. Probabilité conditionnelles. 2) En appliquant la formule des probabilités totales.
Terminale S - Probabilités conditionnelles et indépendance
On considère l'univers fini U = { e1 e2
91 Les probabilités conditionnelles 92
Formule des probabilités totales. Évènements indépendants. Les probabilités conditionnelles. Lycée du golfe de Saint Tropez. Année 2019/2020. Terminale S.
[PDF] PROBABILITÉS
Probabilités – Terminale S 5 Par spécialité : Mathématique s Sciences Physiques Formule des probabilités totales Soient A1 A2 An une partition
[PDF] 1 Probabilité conditionnelle 2 Formule des probabilités totales 3
2 Formule des probabilités totales Théorème 2 Soit A1A2 An un système complet d'évènements de l'univers E et B un évènement quelquonque dans E Ona:
[PDF] Probabilités conditionnelles cours terminale S - Mathsfg
24 oct 2016 · 1 Notion de probabilité conditionnelle 2 2 Arbre pondérés 3 3 Partitions et formule des probabilités totale
[PDF] PROBABILITÉS CONDITIONNELLES - maths et tiques
On complète les probabilités manquantes : Au 2e niveau de l'arbre on note les probabilités conditionnelles On utilise la formule : ( ) = 1 ? ( )
Cours 2 : Formule des probabilités totales - Lelivrescolairefr
3 La probabilité d'un événement est égale à la somme des probabilités des chemins conduisant à cet événement Exercice Formule des probabilités totales
[PDF] Cours de probabilités Terminale S Paul Milan - Lycée dAdultes
27 juil 2014 · où µ et ? sont deux paramètres réels µ quelconque et ? positif La probabilité correspondante est appelée la loi normale ou gaussienne J (µ ?)
[PDF] FICHE DE RÉVISION DU BAC - Studyrama
Formule des probabilités totales : Soient n événements formant une partition de Soit un événement B On a donc : Indépendance : Si deux événements A et B sont
Utiliser la formule des probabilités totales - Mathématiquesclub
5 jan 2018 · En utilisant la formule des probabilités conditionnelles la formule des probabilités totales s'écrit aussi : P(B)=P(A)×PA(B)+P(?A)×P?A(B)
Formule des probabilités totales - événements indépendants
Formules des probabilités totales · 1) On trouve tous les chemins qui mènent à B1 Il y a 3 chemins qui mènent à B1: - A1?B1 - A2?B1 - A3?B1 · 2) On trouve les
Comment calculer la probabilité totale ?
Etant donnés deux évènements A et B de probabilités non nulles alors la formule des probabilités totales permet d'affirmer que : P(B)=P(A?B)+P(?A?B).5 jan. 2018Comment utiliser la formule des probabilités totales ?
On utilise la formule des probabilités totales pour calculer une probabilité p\\left(F\\right) lorsque la réalisation de F dépend de la réalisation d'autres événements. Une usine fabrique 80% de composés A et 20% de composés B. Un centième des composés A et 5% des composés B sont défectueux.Comment calculer p de T sachant M ?
P(T) = P(M ?T) + P(M ?T) (règle 3) = 0,017 + 0,049 = 0,066. La probabilité que le test soit positif est égale à 6,6%. P T( ) = 0,02× 0,85 0,066 ? 0,26 . La probabilité que le bovin soit malade sachant que le test est positif est d'environ 26%.- P ( B A ) = P ( B ? A ) P ( A ) .
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
1)Fest croissante,
3) lim x! ¡1F(x) = 0;limx!+1F(x) = 1E[X] =X
kkP[X=k] oµu on somme sur toutes les valeurskque peut prendreX.E[g(X)] =X
kg(k)P[X=k] preuve : observons queg(X) =yssiX=xavecg(x) =y. Ainsi,P(g(X) =y) =X
x:g(x)=yP(X=x)E(Y) =X
yyP(Y=y) =X yX x:g(x)=yg(x)P(X=x) =X xg(x)P(X=x)Var(X) =Eh
(X¡E[X])2i =X k(k¡E[X])2P[X=k] =E[X2]¡E[X]2 k2X()jkjP(X=k)<1 sa valeur moyenneE[X]. Exemple 18: nous avons la loi du nombreXde PILE quand on lance trois fois une piµece.E[X] =3X
k=0kP[X=k] = 3¢1 8 + 2¢3 8 + 1¢3 8 + 0¢1 8 =12 8 =3 2Var(X) =E[X2]¡E[X]2=3X
k=0k2P[X=k]¡E[X]2
= 32¢1
8 + 22¢3 8 + 12¢3 8 + 02¢1 8¡µ3
2 2 3 4 nbr de PILE [X= 3] [X= 2] [X= 1] [X= 0]0.125 0.375 0.375 0.125
0.2 0.6 0.1 0.1
partir de quelques observations.P[X=i;Y=j] =P[X=i]P[Y=j]
P[(X;Y) = (i;j)] =P[X=i;Y=j].
touti2X(),P[X=i] =X
j2Y()P[X=ijY=j]P[Y=j]SoitZ=X+Y. Quelle est la loi deZ?
valeur que prendX, la valeur que prendYet la valeur deZ. XnY1 2 3 4 5 6
12 3 4 5 6 7
23 4 5 6 7 8
34 5 6 7 8 9
45 6 7 8 9 10
56 7 8 9 10 11
67 8 9 10 11 12
pour tous1·i;j·6; P[X=i;Y=j] =P[X=i]P[Y=j] = 1=362] =P[Z= 12] = 1=36,P[Z= 3] =P[Z= 11] = 2=36,P[Z= 4] =P[Z= 10] = 3=36,
1·j·12.
P[Z=j] =6X
i=1P[Z=jjX=i]P[X=i] 1 6 6quotesdbs_dbs41.pdfusesText_41[PDF] recette du moyen age
[PDF] nom des repas au moyen age
[PDF] que buvait on au moyen age
[PDF] exercice corrigé propension marginale ? consommer
[PDF] propension marginale ? importer
[PDF] consommation incompressible
[PDF] j'accuse bonne réception de votre mail et vous en remercie
[PDF] formule puissance thermique physique
[PDF] exercices ponctuation dialogue 6ème
[PDF] identifier le temps des verbes
[PDF] calcul puissance debit delta t
[PDF] calcul puissance thermique eau
[PDF] puissance calorifique définition
[PDF] suite ? notre entretien téléphonique je vous envoie comme convenu