[PDF] [PDF] Quelques lois discrètes - JavMathch

[PDF] 5 Quelques lois discrètes - GERAD

2/5 3/5 4/5 5/5 Plan 1 Loi de Bernoulli 2 Loi binomiale 3 Loi géométrique 4 Loi hypergéométrique 5 Loi de Poisson MTH2302D: Lois discr`etes 2/46 

[PDF] Probabilités

4 2 3 Loi binomiale 4 2 5 Loi de Poisson 4 2 6 Loi hypergéométrique Ensuite, pour les n − 1 personnes restantes, on a le choix entre les mettre dans le La seconde somme compare le nombre de s-uplets de cardinal pair avec le

[PDF] Chapitre 5 : Lois Discrètes Usuelles

1 Epreuve de Bernoulli, loi binomiale 2 Loi hypergéométrique 3 Loi géométrique et loi de Pascal 4 Loi de Poisson (L2 Eco-Gestion, option AEM) Chapitre 5 

[PDF] Quelques lois discrètes - JavMathch

En résumé: la loi hypergéométrique H(N ; n ; p) tend vers la loi binomiale B(n ; p) quand N tend vers l'infini La différence entre un tirage avec remise et un 

[PDF] 5 Lois discrètes usuelles ∑ ∑ ∑ ∑ - LaBRI

Différences entre la loi binomiale et la loi binomiale négative NB ( d, r, p) Dans le au nombre de boules blanches obtenues suit une loi hypergéométrique H

[PDF] Variables Aléatoires

On peut donc approcher la loi Hypergéométrique par la loi binomiale B(n, p) où p est la proportion La variable X suit une loi uniforme entre 0 et 360 degrés

[PDF] C- Lois usuelles

C 1- Lois discrètes- Loi Binomiale • Loi : Moments : E: n tirages avec remise dans C 1- Lois discrètes- Loi Hypergéométrique • Loi : E: n tirages sans remise 

[PDF] Notions de probabilités

VII Approximation d'une loi hypergéométrique par une loi binomiale 31 B) où A \ B = {x ∈ A et x/∈ B} A \ B est appelé différence simple entre A et B

[PDF] Chapitre XIX Théor`emes limites en probabilités Table des mati`eres

1 Approximation d'une loi hypergéométrique par une loi binomiale 2 On reconnaıt alors une situation de loi usuelle : X suit la loi hypergéométrique H(N,n, p) On s'intéresse au nombre de véhicules se présentant `a un poste de péage donné entre 18h et 22h le La différence réside dans l'hypoth`ese d' indépendance,

[PDF] fonction de répartition loi de bernoulli

[PDF] résultat d'une multiplication

[PDF] loi hypergéométrique calculatrice

[PDF] loi de bernoulli exemple

[PDF] nom resultat addition

[PDF] loi uniforme exemple

[PDF] variance loi uniforme démonstration

[PDF] fonction de répartition loi uniforme discrète

[PDF] variable statistique discrète

[PDF] la leçon (pièce de théâtre)

[PDF] ionesco la cantatrice chauve

[PDF] ionesco mouvement littéraire

[PDF] ionesco rhinocéros résumé

[PDF] fonction de service technologie 5ème

[PDF] fonction de service d'une maison

QUELQUES LOIS DISCRETES 83

3OCMath

- Jt 2021

Chapitre 6 : Quelques lois discrètes

§ 6.0 Quelques formules de base... utiles pour la suite... : a) i i=1n =n(n+1)

2 b) i

2 i=1n =n(n+1)(2n+1) 6 c) (x+y) n =C pn p=0n x np y p (formule du binôme de Newton)

Formules :

a) Calculer : 1 + 2 + 3 + ... + 100 b) Calculer : 1 2 + 2 2 + 3 2 + ... + 100 2 c) Développer : (x + y) 6 d) Calculer le coefficient de x12 y 4 du développement (x + y) 16

Exercice 6.1 :

On peut comparer une démonstration par récurrence au jeu qui consiste à faire tomber une file de pièces de dominos : Considérons une rangée infinie de dominos, étiquetés 1, 2, ..., n, ... où chaque domino est en position verticale. Soit p(n) la proposition "on fait tomber le domino n". Si on arrive à faire tomber le premier domino, autrement dit p(1) est vraie et si, peu importe quand le nième domino est poussé, il fait tomber le (n + 1) ième domino c'est-à-dire p(n) p(n + 1) est vraie, alors tous les dominos peuvent tomber les uns après les autres.

Raisonnement

par récurrence:

Démonstration de i

i=1n =n(n+1)

2 par récurrence :

84 CHAPITRE 6

3OCMath

- Jt 2021

Démontrer par récurrence :

i 2 i=1n =n(n+1)(2n+1) 6

Exercice 6.2 :

§ 6.1 Variable uniforme discrète :

Exercice d'intro : • On lance un dé à 6 faces. La variable aléatoire X indique le résultat

obtenu lors du lancer.

Montrer que E(X) =

7 2 et que V(X) = 35
12 • On lance un dé à 8 faces. La variable aléatoire X indique le résultat obtenu lors du lancer.

Déterminer E(X) et V(X).

• Des 2 résultats précédents, "devinez" les réponses de la question suivante: On lance un dé à n faces. La variable aléatoire X indique le résultat obtenu lors du lancer.

Déterminer E(X) et V(X).

Définition : Une variable aléatoire X obéit à une loi uniforme discrète si toutes ses valeurs 1, 2, ..., n sont équiprobables :

P(X=k)=1

n1kn

QUELQUES LOIS DISCRETES 85

3OCMath

- Jt 2021 Histogramme : Histogramme de la loi uniforme discrète sur le jet d'un dé Formules : Soit X une variable aléatoire uniforme discrète. On a

E(X)=n+1

2 • V(X)=n

2 1 12

En utilisant:i

i=1n =n(n+1)

2 et i

2 i=1n =n(n+1)(2n+1) 6, démontrer les 2 formules précédentes.

Exercice 6.3 :

§ 6.2 Variable aléatoire de Bernoulli

Définition :

BERNOULLI Jakob

Suisse, 1654-1705

Considérons une expérience aléatoire avec seulement 2 résultats qu'on désigne par réussite et échec, par exemple le jet d'une pièce de monnaie. On associe à cette expérience la variable aléatoire de Bernoulli X qui prend la valeur 1 en cas de réussite et la valeur 0 en cas d'échec. On note X = B(p) avec p la probabilité de réussite de l'expérience. La distribution de probabilité est résumée dans le tableau ci-dessous: x i p i

0 1 - p

1 p

Total 1

Formules : Soit X = B(p) une variable aléatoire de Bernoulli. On a • E(X) = p • V(X) = p(1 - p)

Preuve : en complétant le tableau :

x i p i p i x i p i x i2

0 1 - p

1 p

Total 1

86 CHAPITRE 6

3OCMath

- Jt 2021 Exemple : On considère la variable aléatoire X = B(p). Caractériser puis calculer l'espérance et la variance de la variable aléatoire Y = 1 - X x i p i y i p i y i p i y i2 Total

Y = B(......) E(Y) = .......... V(Y) = .........

On considère la variable aléatoire X = B (p). Caractériser puis calculer l'espérance et la variance des variables aléatoires Y suivantes : a) Y = X 2 b) Y = 1 - X 2

Exercice 6.4 :

On considère les VA indépendantes X = B(p

1 ) et Y = B(p 2 Caractériser puis calculer l'espérance et la variance des variables aléatoires Z. a) Z = XY b) Z = (1 - X)Y

Exercice 6.5 :

On considère les variables aléatoires indépendantes X = Y = Z = B(p). Déterminer la fonction de probabilité des variables aléatoires S. a) S = X + Y b) X + Y + Z

Exercice 6.6 :

QUELQUES LOIS DISCRETES 87

3OCMath

- Jt 2021 § 6.3 Variable aléatoire binomiale (ou Épreuves de Bernoulli)

Exemple d'intro : tirage avec remise

Une urne contient 10 boules numérotées de 1 à 10; 4 boules sont blanches et les 6 autres noires. On tire successivement et avec remise

5 boules de cette urne. Déterminons la fonction de probabilités de la

variable aléatoire X donnant le nombre de boules blanches tirées: x i

Calculs p

i

0 P(X = 0) = C

05 2 5 0 3 5 5 243
3125

1 P(X = 1) = C

15 2 5 1 3 5 4 810
3125

2 P(X = 2) = C

25
2 5 2 3 5 3 1080
3125

3 P(X = 3) = C

35
2 5 3 3 5 2 720
3125

4 P(X = 4) = C

45
2 5 4 3 5 1 240
3125

5 P(X = 5) = C

55
2 5 5 3 5 0 32
3125

Total 1

X = B 5 ; 2 5 On répète n fois, dans les mêmes conditions, une épreuve de Ber- noulli. La réalisation de chaque épreuve est indépendante de la réali- sation des épreuves précédentes. La variable aléatoire X qui donne le nombre de succès apparaissant au cours de ces n expériences est une variable aléatoire binomiale, notée B(n ; p). On considère une séquence particulière d'expériences aboutissant à k succès. L'indépendance des épreuves montre que la probabilité de cet

événement est égale à p

k (1 - p) n-k

Il y a

C kn manières d'obtenir k succès dans une séquence de n

épreuves. On obtient donc la formule:

P(X=k)=C

kn p k (1p) nk

88 CHAPITRE 6

3OCMath

- Jt 2021 Histogramme : Deux exemples d'histogramme de loi binomiale : Histogramme de B(10 ; 0,1) Histogramme de B(10 ; 0,5) Remarque : Notons que la somme de ces probabilités vaut bien 1 car, par la for- mule du binôme:

P(X=k)

k=0n =C kn p k (1p) nk k=0n =p+(1p) n =1 Formules : Soit B(n ; p) une variable aléatoire binomiale. On a : • E(X)=np • V(X)=np(1p) Exemple : On lance 5 fois de suite une pièce de monnaie bien équilibrée. Com- pléter la loi de probabilité de la variable aléatoire qui donne le nombre de faces obtenues : x i

Calculs p

i

0 P(X = 0) = =

1 32

1 P(X = 1) = =

5 32

2 P(X = 2) = =

10 32

3 P(X = 3) = =

10 32

4 P(X = 4) = =

5 32

5 P(X = 5) = =

1 32

Total 1

X = B Déterminer le nombre de faces espérées, ainsi que sa variance.

QUELQUES LOIS DISCRETES 89

3OCMath

- Jt 2021

Si X = B(20;0,2) calculer:

a) P(X = 5) b) P(X 5) c) E(X) d) V(X)

Exercice 6.7 :

Soit X = B(10 ; 0,7), à l'aide de la table binomiale proposée en fin de chapitre (page 101), calculer: a) P(X 3) b) P(4 < X < 8) c) E(X) d) V(X)

Exercice 6.8 :

En utilisant la table binomiale, tracer et comparer les histogrammes de:

X = B(5 ; 0,5), X = B(5 ; 0,2), X = B(5 ; 0,8)

Exercice 6.9 :

On lance 6 fois une pièce de monnaie bien équilibrée. a) Quelle est la probabilité d'obtenir exactement 5 faces ? b) Quelle est la probabilité d'obtenir au moins 4 faces ? c) Quel est le nombre de faces espéré ? d) Quelle est la variance de la variable aléatoire donnant le nombre de faces obtenues ?

Exercice 6.10 :

On lance un dé bien équilibré à 5 reprises. a) Calculer la loi de probabilité de la variable aléatoire qui donne le nombre de 1 obtenu. b) Calculer l'espérance et la variance de cette variable aléatoire.

Exercice 6.11 :

La probabilité qu'un patient auquel on administre un remède guérisse est de 90%. Quelle est la probabilité que l'on guérisse au moins 18 des 20 patients auxquels on a administré ce remède? Combien de patients peut-on espérer guérir ?

Exercice 6.12 :

On fait une enquête auprès de 500 familles ayant quatre enfants. a) Quel est le nombre espéré de familles ayant au moins un garçon ? b) Quel est le nombre espéré de familles ayant une ou deux filles ?

Exercice 6.13 :

En utilisant la table binomiale, déterminer le mode puis les quartiles de la loi B(20 ; 0,4). Faites apparaître ces valeurs sur l'histogramme suivant :

Exercice 6.14 :

90 CHAPITRE 6

3OCMath

- Jt 2021 § 6.4 Variable aléatoire hypergéométrique

Exemple d'intro : tirage sans remise

Une urne contient 10 boules numérotées de 1 à 10; 4 boules sont blanches et les 6 autres noires. On tire simultanément 3 boules de cette urne. Déterminons la fonction de probabilités de la variable aléatoire X donnant le nombre de boules blanches tirées: x i

Calculs p

quotesdbs_dbs35.pdfusesText_40