Système dExploitation I
SMI – S3. El Mostafa DAOUDI. Université Mohammed Premier. Faculté des Sciences Pour accéder au sous-répertoire « smi » du répertoire « cours » à.
Filière : SMI Semestre 3 Module 18 Cours de Statistique Descriptive
Deux groupes de S3 Statistique comparent leurs résultats du Contrôle final et déclarent : “nos classes ont le même profil puisque dans les deux cas la médiane
Support de Cours - Structures de Données
Support de Cours. Structures de Données. Filière: SMI- S4. Réalisé par: Pr. Mohamed Bellouki N={S1S2
EMPLOIS DU TEMPS SEMESTRE DAUTOMNE 2019 (S1 S3 et S5)
19 sept. 2019 (S1 S3 et S5). Cours magistraux. &. Travaux dirigés ... SMI : 1 section et 1 groupe de TD;. ? SMC : 1 section et 3 groupes de TD;.
Module par filière Sciences Mathématiques et Informatiques
S3. M18. PROBABILITES -STATISTIQUES. M16. ALGORITHMIQUE II. M17. SYSTEME D'EXPLOITATION I. M20. ELECTRONIQUE. M15. PROGRAMMATION I. M19. TECHNOLOGIE DU WEB.
Filière : SMI Semestre 3 Module 18 Cours calcul des probabilités et
Filière : SMI Cours calcul des probabilités et variables aléatoires ... Ce cours a pour but de familiariser l'étudiant avec le raisonnement probabiliste ...
Flyer SMI
Le volume horaire de chaque Module est de 48H de cours TD et Evaluation. S1. S2. S3. S4. S5. • Analyse 1. • Algèbre 1. • Algèbre 2. • Physique 1.
Cours de probabilités et statistiques
On se limite dans ce cours `a étudier les univers dénombrables. La probabilité d'un événement est une valeur numérique qui représente la proportion de fois o`u
Cours de Programmation linéaire et Recherche Opérationnelle
Pr. Abdelghni LAKEHAL. SMI S5. Cours de la. Recherche. Opérationnelle Donc on a 4 stables S1 = {BF}
Untitled
SMI. SMI. Semestre 3. Module 15: Algorithmique II(Cours: 20 h TP: 28h). Responsable: BOURRAY HAMID. Module 16: Programmation (Cours: 20 h
Quels sont les processus liés au SMI ?
Les processus liés au SMI regroupent toutes les activités de l’entreprise, ils sont identifiés et classés selon 3 types : ? Les processus de management ; ? Les processus de réalisation ; ? Et, les processus support.
Quels sont les différents systèmes du SMI ?
Ce chapitre introduit les notions de bases à connaitre à travers la présentation des différents systèmes du SMI ; les systèmes présentés sont le système de management de la qualité, le système de la santé et sécurité au travail ainsi que le système de management environnemental.
Quels sont les objectifs du SMI ?
Le SMI formule une politique et les objectifs touchant aussi bien aux aspects de qualité, de sécurité, d’environnement et de responsabilité sociale à travers la maitrise des risques d’amélioration de la performance de l’entreprise3.
Quels sont les critères de mise en place d’un SMI ?
C. EXIGENCES GÉNÉRALES DE L’APPLICATION DU SMI : La mise en place d’un SMI exige comme première condition l’existence d’un organigramme qui définit les relations hiérarchiques ainsi que la répartition des rôles et responsabilités de chaque acteur ; l’existence d’un organigramme est primordiale pour la définition du domaine d’application du SMI.
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 6 X i=1P[X+Y=jjX=i] 1 6 6 X i=1P[Y=j¡ijX=i] 1 6 6 X i=1P[Y=j¡i] rappeler queP[Y=k] = 1=6seulement sikest dansf1;:::;6g. preuve : pour le premier point, il faut observer que X yP(X=x;Y=y) =P³ (X=x)\([y(Y=y))´ =P³ (X=x)\´ =P(X=x) et il vientE[X+Y] =X
x;y(x+y)P(X=x;Y=y) X x;yxP(X=x;Y=y) +X x;yyP(X=x;Y=y) X xxP(X=x) +X yyP(Y=y) =E[X] +E[Y] Pour le second point, on montre tout d'abord queE(XY) =E(X)E(Y), la suite venant facilement. Ainsi,E[XY] =X
x;yxyP(X=x;Y=y) X x;yxyP(X=x)P(Y=y) µX =E(X)E(Y)P[Y= 1] =p; P[Y= 0] =q= 1¡p
Var(Y) =E[Y2]¡E[Y]2=E[Y]¡E[Y]2=p(1¡p).
conditions.P(E) =q= 1¡p.
P(X=k) =µn
p k(1¡p)n¡kpour tout0·k·n oµu ¡n k¢=n! k!(n¡k)!.P(!) =pk(1¡p)n¡k
Il en existe¡n
P(X=k) =X
quotesdbs_dbs45.pdfusesText_45[PDF] analyse de l'oeuvre impression soleil levant
[PDF] impression soleil levant analyse
[PDF] néo impressionnisme caractéristiques
[PDF] corrigé bac physique 2017
[PDF] bac physique 2016 corrigé
[PDF] atouts et faiblesses du japon
[PDF] les fondements du developpement economique du japon
[PDF] atout naturel du japon
[PDF] cours de géographie sur le japon
[PDF] le relief japonais
[PDF] puissance et faiblesse du japon
[PDF] cours sur le japon terminale
[PDF] vous présenterez deux limites écologiques auxquelles se heurte la croissance corrigé
[PDF] comment le capital social et institutionnel participe-t-il au bien-être des populations