Buse variable

(V) = p(T ∩ V) p(T) = p V (T) × p(V) p(T) = p V (T) × p(V) 1 − p(T) = 0, 97 × 0, 98 1 − 0, 0492 0, 9998 PARTIE B On choisit successivement 10 personnes de la population au hasard, on considère que les tirages sont indépendants. On appelle X la variable aléatoire qui donne le nombre de personnes contaminées par le virus parmi ces 10 personnes. 1. X suit une loi binomiale car • Il n’y a que deux issues : soit V, soit V ; • les tirages sont indépendants ; • p = 0, 02 • n = 10 2. Probabilité qu’il

6.2.3 6.2.4 6.2.5 6.2.6 6.3 6.4 6.5 Variables aléatoires Définition d’une variable aléatoire Variables aléatoires finies Représentation d’une loi de probabilité finie Espérance mathématique d’une variable finie Variance et écart-type d’une variable finie Loi de probabilité produit Variables aléatoires indépendantes Fonction de répartition Variables infinies dénombrables (hors programme) Variables aléatoires continues Extension de la notion de variable aléatoire 4/179 Biostatistique -

Matière : Calcul des probabilités Programme : Programme Licence 2ème année Sciences de Gestion Année : 2012-2013 Semestre : 2ème semestre Professeur Coordonnées ABAOUBIDA MOULAY ABDELJAMIL 3jamil@gmail.com Série 03 : variable aléatoire à une dimension Exercice 1 : Un atelier comprend 15 ouvriers, 8 femmes e 7 hommes. On choisi dans cet atelier des groupes de 5 ouvriers. 1- On tire au sort les noms des équipiers ; soit X le nombre d’hommes que comporte une équipe. Calculer les probabilités des différents

indépendants et on évalue la probabilité de désistement de chacun d’eux à 0.1. On note n le nombre de réservations prises par la compagnie pour un vol donné et sn le nombre de passagers se présentant à l’embarquement pour ce vol. On appelle Sn la variable aléatoire modélisant les valeurs sn. On se propose de chercher la valeur maximale de n telle que : P(Sn 150) 0,99, de façon à réduire à peu de chose les frais de dédommagement. 1. On effectue 160 réservations. Quelle est la probabilité que

notamment au niveau des variables globales que l’on souhaite partager entre différentes parties du programme source (c’est d’ailleurs ce qui justifiera l’existence de la déclaration extern). Pour garder une certaine progressivité, nous supposerons tout d’abord que nous avons affaire à un programme source d’un seul tenant (ce qui ne nécessite donc pas de compilation séparée). Nous présenterons ainsi la structure générale d’une fonction, les notions d’arguments, de variables globales et locales. Ce

Le diabète. Quels sont les principaux symptômes qui permettent au médecin de diagnostiquer le diabète chez un patient ? Le médecin pourra déceler un problème en se fiant à la glycémie (glucose dans le sang) et à la glycosurie (glucose dans l’urine) du patient. En effet, le premier document nous indique que pour la même quantité de glucose absorbé, le sujet diabétique aura plus de glucose qui sera présent dans le sang. De plus, on remarque que le sujet diabétique possède au départ une glycémie plus

Statistical Association, vol. 44, n° 247, 1949, p. 335-341  Nicholas Metropolis, « The Beginning of the Monte Carlo Method », Los Alamos Science, n° 15, 1987, p. 125-130 3 I Génération de variables aléatoires  Toutes les méthodes reposent sur la génération de variables uniformes.  I.1 Génération de variables uniformes R sur [0 ;1]  Pour mémoire : procédés physiques (roue de loterie) incompatibles avec l’informatique et la nécessité de disposer très rapidement de grands échantillons.  Algorithmes

binomiale On admet que chaque tondeuse qui sort des usines a une probabilité de 7 % d’être non conforme. On note X la variable aléatoire qui indique le nombre de tondeuses conformes dans un lot de 250 tondeuses prises au hasard dans le stock. On admet que le nombre de tondeuses fabriquées est suffisamment grand pour assimiler ce tirage à un tirage avec remise. 1. Justifier que la variable aléatoire X suit une loi binomiale dont on déterminera les paramètres. 2. Calculer la probabilité de l’évènement

précis est donc celui de la question 3. a). 25 Enseignement spécifique ● Chapitre 15 ● Statistique. Estimation 1 © Nathan 2012 – Transmath Term. S CHAPITRE 15 Statistique Suites Estimation ProblèmeS ouvertS 1 • Notons  Fn  la variable aléatoire indiquant la fréquence de l’apparition du 1 au terme de  n  lancers d’un dé parfait ; alors : 1 5 1 5  ; + 1,96 I1 =  − 1,96  6 n 6 6 n 6 est un intervalle de fluctuation de Fn  au seuil de 95 % dans le 1 cas du dé cubique

169 170 172 175 175 176 177 177 177 10 Appendice : Mémento sur les martingales 179 11 Appendice : Mémento sur la théorie ergodique 181 Introduction Les suites de variables aléatoires présentant une structure de dépendance markovienne sont probablement, après les suites de variables aléatoires i.i.d., l'une des catégories d'objets les plus étudiées en probabilités. Elles jouent un grand rôle à la fois dans la théorie et dans les applications, et ont fait l'objet de développements