Exercices corrigés
Le lecteur trouvera ici les énoncés et corrigés des exercices proposés dans EXERCICE 3.14.– [Loi de Poisson]. La loi de Poisson de paramètre ou d ...
EXERCICES CORRIGES ∑ ∑ ∑ ∑
2°) On considère une variable aléatoire Y dont la loi de probabilité est la loi de Poisson de paramètre 155. a) Calculer les probabilités prob(Y = k) pour les
Rappel de cours Exercice n° 01 :
Exercices et corrigé-types sur les lois de Probabilités. (Lois discrètes et Exercice n° 2 : Loi de Poisson approximée par une loi normale. Supposons que ...
Exercices de probabilités avec éléments de correction Memento
Loi de Poisson P(λ) λ ∈]0 +∞[. N p(k) = e−λ λk k! Lois continues. Nom aussi exercice précédent
corrigé des exercices sur les lois de poisson
Chaput - ENFA - Lois de Poisson corrigés. CORRIGÉ DES EXERCICES SUR LES LOIS DE POISSON. Exercice 1 k. 0. 1. 2. 3. 4. 5. 6. 7. 8. P(X = k). 0002
BTS SIO - Loi de Poisson
29 avr. 2021 Corrigé de l'exercice 11.8. X suit une loi de Poisson de param`etre 5. E1 : ≪ il y a exactement 5 bons erronés parmi les 100 ≫. P(E1) = P(X ...
lois de poisson
Les conditions d'approximation sont n ≥ 30 p ≤ 0
Exercices et problèmes de statistique et probabilités
Quel est le paramètre de cette loi de Poisson? Quelles sont les valeurs possibles de la variable ? 2. Quelle est la probabilité d'observer plus de
MODULE 7 LOIS PROBABILITÉ PROBABILITÉ
Dans le cas de la loi de Poisson la variable aléatoire était le nombre d'événements tandis que dans la loi exponentielle c'est le temps d'attente avant le
Processus de Poisson
Approcher une loi binomiale par une loi de Poisson ou une loi normale ? Les Dans la suite de l'exercice on considère qu'un individu français
EXERCICES CORRIGES ? ? ? ?
2°) On considère une variable aléatoire Y dont la loi de probabilité est la loi de Poisson de paramètre 155. a) Calculer les probabilités prob(Y = k) pour
lois de poisson
Les conditions d'approximation sont n ? 30 p ? 0
BTS SIO - Loi de Poisson
29 avr. 2021 Trouver la probabilité pour qu'en deux minutes la centrale reçoive au moins trois appels. BTS SIO. Page 12. Corrigé de l'exercice 11.5. Une ...
corrigé des exercices sur les lois de poisson
Statistique inférentielle en BTSA - B. Chaput - ENFA - Lois de Poisson corrigés. CORRIGÉ DES EXERCICES SUR LES LOIS DE POISSON
Cours et exercices corrigés en probabilités
mation d'une variable aléatoire discrète ainsi que l'approximation d'une loi binomiale par une loi de Poisson. Enfin le troisième et dernier chapitre est
Exercices corrigés
La variable aléatoire N suit donc une loi de Poisson de paramètre ?. EXERCICE 3.15.– [Régression linéaire]. Soient X et Y deux variables aléatoires réelles. On
Exercices de mathématiques - Exo7
Sur 100 per- sonnes calculer la probabilité qu'il y ait au moins une personne mesurant plus de 1.90m (utiliser une loi de. Poisson). Sur 300 personnes
Processus de Poisson
Exercice 2. Le nombre X de désintégrations d'une substance radioactive durant un intervalle de temps de 75 secondes suit une loi de Poisson de paramètre 3
Exercices de Probabilités
Calculer l'espérance et la variance de Un. 3.2 Loi de Poisson. Siméon Denis Poisson (1781-1840). Exercice 24. 1.
BTS SIO
Loi de Poisson
Lycee Carcouet
29 avril 2021
BTS SIO
La loi de Poisson est une loi de probabilite discrete qui concerne le nombre de realisations observees, durant un intervalle donne (intervalle de temps, ou de longueur, ou Elle intervient dans les phenomenes ou le futur est independant du passe (pannes de machines, sinistres, mortalite, appels telephoniques a un standard, les d'attente ...).BTS SIO
Si le nombre moyen de realisations dans un intervalle xe est, alors la probabilite que le nombreXde realisations sur cet intervalle soit egal ak(ketant un entier naturel) estP(X=k) =kk!e
Exemple : pour= 2,P(X= 4) =244!
e2'0;0902. Cette formule n'est pas au programme du BTS : on demande seulement de savoir utiliser la calculatrice.BTS SIO
SiXsuit une loi de Poisson de parametre, son esperance estE(X) =, son ecart-type est(X) =p.
On retiendra :
Pour la loi de Poisson, l'esperance est egale au parametre.BTS SIO
Exemple 1
Dans un central telephonique, le nombre moyen d'appels en une heure est 20 et suit une loi de Poisson. La probabilite d'avoir 15 appels en une heure est donnee par la calculatrice : 0;052 (ici= 20)BTS SIOExemple 2
Dans un parking, l'arrivee des voitures est en moyenne de 120 par heure et suit une loi de Poisson. On veut calculer la probabilite de voir 4 voitures arriver en une minute. Le nombre moyen d'appels par minute (donc le parametre) est12060 = 2. La probabilite de voir 4 voitures arriver en une minute est 0;0902.BTS SIO Calculatrices : entrer le parametreet le nombre de realisationsX.Casio graph 35+ : acces par MENU STAT DIST.POISN.Ppd : pourP(X=:::)Pcd : pour le cumul de 0 a::::P(X6:::)TI : 2nde distrib
poissonFdp(2,4) pour= 2,X= 4 (ou poissPdf(2,4)) pour P(X=:::)poissonFrep(2,4) donne le cumul de 0 a 4 :P(X64). Comme d'habitude, le premier menu donne la probabilite pour une valeur (P(X=:::)) et le second menu donne le cumul de 0 a ... (P(X6:::))BTS SIO Sous certaines conditions (nassez grand etppetit), on approxime la loi binomialeB(n;p) par la loi de Poisson de m^eme esperance (c'est-a-dire de parametre=np). La loi de Poisson est appeleela loi des evenements rarescar elle exprime une repartition binomiale pour un grand nombre d'experiences independantes et une probabilite inme de l'evenement.BTS SIO
Exercice 11.4
Les appareils sont conditionnes par lots de 100 pour l'expedition aux distributeurs de pieces detachees. On preleve au hasard un echantillon de 100 appareils dans la production d'une journee. La production est susamment importante pour que l'on assimile ce prelevement a un tirage avec remise de 100 appareils. Pour cette partie, on considere que, a chaque prelevement, la probabilite que l'appareil soit defectueux est 0;05. On considere la variable aleatoireX1qui, a tout prelevement de100 appareils, associe le nombre d'appareils defectueux.11Justier que la variable aleatoireX1suit une loi binomiale dont
on precisera les parametres.2Donner l'esperance mathematique de la variable aleatoireX1.2On suppose que l'on peut approcher la loi deX1par une loi
de Poisson de parametre.1On choisit= 5; justier ce choix.2En utilisant cette loi de Poisson, calculer la probabilite qu'il y
ait au plus deux appareils defectueux dans un lot.BTS SIO
Corrige de l'exercice11.4
11On repete 100 fois l'experience de Bernoulli (l'appareil est
defectueux ou pas), de maniere independante. Le nombreX1 d'appareils defectueux suit donc une loi binomiale de parametresn= 100 etp= 0;05.2L'esperance mathematique de la variable aleatoireX1est E(X1) =np= 1000;05 = 52On suppose que l'on peut approcher la loi deX1par une loi de Poisson de parametre.1On choisit= 5 puisque l'esperancede la loi de Poissondoit ^etre egale a l'esperance de la loi binomiale.2En utilisant cette loi de Poisson, la probabilite qu'il y ait au
plus deux appareils defectueux dans un lot estP(X162)'0;125BTS SIO
Exercice 11.5
Une centrale telephonique recoit des appels a raison de 10 appels par heure en moyenne. On suppose que le nombre d'appelspendant un intervalle de temps quelconque suit une loi de Poisson.1Trouver la probabilite que durant deux minutes la centrale
recoive exactement trois appels.2Trouver la probabilite pour qu'en deux minutes, la centrale recoive au moins un appel.3Trouver la probabilite pour qu'en deux minutes, la centrale recoive au moins trois appels.BTS SIO
Corrige de l'exercice11.5
Une centrale telephonique recoit des appels a raison de 10 appels par heure en moyenne. Le nombre d'appelsXpendant un intervalle de temps quelconque suit une loi de Poisson.1Le nombre moyen d'appels en deux minutes est=2060 =13 La probabilite que durant deux minutes la centrale recoive exactement trois appels est P(X= 3) = 0;00442La probabilite pour qu'en deux minutes, la centrale recoive au moins un appel est P(X>1) = 1P(X= 0)'0;2833La probabilite pour qu'en deux minutes, la centrale recoive au moins trois appels estP(X>3) = 1P(X62)'0;005BTS SIO
Exercice 11.6
Le l d'un metier a tisser se casse en moyenne 0;375 fois par heure de fonctionnement du metier. Trouver la probabilite pour que durant huit heures de travail, le nombreXde cassures du l se trouve entre 2 et 4 (26X64).BTS SIOCorrige de l'exercice11.6
Le l d'un metier a tisser se casse en moyenne 0;375 fois par heure de fonctionnement du metier. Le nombreXde cassures du l pendant huit heures suit une loi dePoisson de parametre= 80;375 = 3.
La probabilite pour que durant huit heures de travail,Xse trouve entre 2 et 4 estP(26X64)'0;616NB :
A la calculatrice, on utilise deux fois le menu de cumul :P(26X64) =P(X64)P(X61)BTS SIO
Exercice 11.7
La densite moyenne des microbes nocifs dans un metre cube d'air est egale a 100. On prend un echantillon de 2 dm3d'air. Trouver la
probabilite pour que dans ce volume il y ait au moins un microbe.BTS SIO
Corrige de l'exercice11.7
La densite moyenne des microbes nocifs dans un metre cube d'air est egale a 100. On prend un echantillon de 2 dm3d'air.
On suppose que le nombre de microbes contenus dans un volume suive une loi de Poisson. Son parametre est 0;2. La probabilite pour que dans ce volume il y ait au moins un microbe estP(X>1) = 1P(X= 0)'0;181BTS SIO
Exercice 11.8
Dans une entreprise de vente par correspondance, une etude statistique a montre qu'il y avait 5% de bons de commmande comportant au moins une erreur. On constitue au hasard un echantillon de 100 bons de commande parmi ceux traites un jour donne. Le nombre de bons de commande traites dans cette journee est assez important pour qu'on puisse assimiler ce prelevement a un tirage avec remise de 100 bons de commande. On designe parXla variable aleatoire qui associe a tout echantillon de 100 bons le nombre de bons errones. On admet queXsuit une loi de Poisson de parametre 5. Determiner la probabilite de chacun des evenements suivants :E1:il y a exactement 5 bons errones parmi les 100;E
2:il y a au plus 5 bons errones parmi les 100;E
1:il y a plus de 5 bons errones parmi les 100;BTS SIO
Corrige de l'exercice11.8
Xsuit une loi de Poisson de parametre 5.E
1:il y a exactement 5 bons errones parmi les 100.
P(E1) =P(X= 5)'0;175E
2:il y a au plus 5 bons errones parmi les 100.
P(E2) =P(X65)'0;616E
3:il y a plus de 5 bons errones parmi les 100.
P(E3) =P(X>5) = 1P(X65)'0;384BTS SIO
Exercice 11.9
Dans cet exercice, les valeurs approchees sont a arrondir a 10 2. Une entreprise fabrique en grande quantite des tiges en plastique de longueur theorique 100 mm. Dans un lot de ce type de tiges,2% des tiges n'ont pas une longueur conforme. On preleve au
hasardntiges de ce lot pour verication de longueur. Le lot est assez important pour que l'on puisse assimiler ce prelevement a un tirage avec remise dentiges. On considere la variable aleatoireXqui, a tout prelevement den tiges, associe le nombre de tiges de longueur non conforme de ceprelevement.1Pour cette question on prendn= 50.1Justier que la variable aleatoireXsuit une loi binomiale dont
on donnera les parametres.2CalculerP(X= 3).2BTS SIO
Exercice 11.9
Une entreprise fabrique en grande quantite des tiges en plastique de longueur theorique 100 mm. Dans un lot de ce type de tiges,2% des tiges n'ont pas une longueur conforme. On preleve au
hasardntiges de ce lot pour verication de longueur. Le lot est assez important pour que l'on puisse assimiler ce prelevement a un tirage avec remise dentiges. On considere la variable aleatoireXqui, a tout prelevement den tiges, associe le nombre de tiges de longueur non conforme de ce prelevement.2Pour cette question, on prendn= 100. La variable aleatoire Xsuit une loi binomiale que l'on decide d'approcher par uneloi de Poisson.1Determiner le parametrede cette loi de Poisson.2On designe parYune variable aleatoire suivant la loi de
Poisson de parametreouest la parametre obtenu a la question 2(a).A l'aide de l'approximation deXparY, calculer la probabilite d'avoir au plus 4 tiges de longueur non conforme.BTS SIO
Corrige de l'exercice11.9
11On repete 50 fois l'experience de Bernoulli (la tige est non
conforme (probabilite 0;02 ou pas), de maniere independante. Le nombreXde tiges non conformes suit donc une loi binomiale de parametresn= 50 etp= 0;02.2la probabilite que 3 tiges soient non conformes estP(X= 3) =50
30;0230;9847'0;062Ici,n= 100.Xsuit une loi binomiale que l'on decide
d'approcher par une loi de Poisson.1Le parametrede cette loi de Poisson est l'esperance de cette loi. il doit ^etre egal a l'esperance de la loi binomiale : = 1000;02 = 22On designe parYune variable aleatoire suivant la loi de Poisson de parametreouest la parametre obtenu a la question 2(a).A l'aide de l'approximation deXparY, la probabilite d'avoir au plus 4 tiges de longueur non conforme estP(Y64)'0;95BTS SIO
quotesdbs_dbs17.pdfusesText_23[PDF] exercice corrigé loi de probabilité 1ere s
[PDF] exercice corrigé loi exponentielle terminale s
[PDF] exercice corrigé loi exponentielle ts
[PDF] exercice corrigé loi normale
[PDF] exercice corrigé loi normale centrée réduite
[PDF] exercice corrigé loi normale centrée réduite terminale es
[PDF] exercice corrigé loi normale centrée réduite terminale s
[PDF] exercice corrigé loi normale pdf
[PDF] exercice corrigé loi normale stmg
[PDF] exercice corrigé machine à vapeur
[PDF] exercice corrigé machine asynchrone pdf
[PDF] exercice corrige machine electrique pdf
[PDF] exercice corrigé machine frigorifique
[PDF] exercice corrigé machine learning