Contrat Aléatoire

considère X1, . . . , Xn ,n variables aléatoires indépendantes et de même loi, de moyenne m et d'écart type s. Soit alors = m et = s 1.2 Deux théorèmes fondamentaux Th 1 : Loi faible des grands nombres Soient X1; X2 ; . . . Xn n variables aléatoires indépendantes et de même loi de moyenne m alors la variable aléatoire vérifie pour tout réel positif e : Signification: Lorsque n devient très grand, le nombre de valeurs de la variable aléatoire Yn qui sont éloignées de m devient

deux autres. Une entreprise vend 2 types de meubles : M1, M2 respectivement 419 euros et 509 euros l’unité. La demande mensuelle en meubles M1 est : une variable aléatoire X qui suit la loi normale n (85 ; 15). La demande mensuelle en meubles M2 est : une variable aléatoire Y qui suit la loi normale n (52 ; 8). On suppose que X et Y sont indépendantes. Partie A Dans cette question, on suppose que le stock est suffisant pour satisfaire la demande

deux et indépendance mutuelle Théorème de Bayes 45 46 4 • Variables aléatoires réelles 4.1 4.2 4.3 4.4 4.5 4.6 4.7 Généralités sur les variables aléatoires Fonction de répartition Densité de probabilité Discontinuités d’une fonction de répartition et lois discrètes Loi de probabilité d’une variable aléatoire Y fonction d’une variable aléatoire X Indépendance de deux variables aléatoires Moments d’une variable aléatoire 49 49 52 54 56 57 58 59 5 • Lois de probabilité discrètes 5.1 5.2

Calculatrice et nombres aléatoires N’ayant pas tous deux dés à six faces sur nous aujourd’hui, nous allons simuler cette expérience grâce à la calculatrice. En effet votre calculatrice a une fonction qui lui permet d’afficher un nombre aléatoire compris entre 0 et 1 ; voici comment vous pouvez les faire afficher : Sur Casio : Dans le menu Run, tapez Optn, puis choi- Sur TI : sissez Prob (en utilisant la flèche si né- Tapez Math, puis choisissez Prb, et séleccessaire), et enfin choisissez Ran#. Tapez tionnez

E3 E2 E2 E1 E3 E3 E3 E3 E3 1. On appelle : E1 l’événement « le joueur perd la première partie » ; E2 l’événement « le joueur perd la deuxième partie » ; E3 l’événement « le joueur perd la troisième partie ». On appelle X la variable aléatoire qui donne le nombre de fois où le joueur perd lors des trois premières parties. On pourra s’aider d’un arbre pondéré. a. On joue 3 parties donc X peut prendre pour valeurs 0, 1, 2, 3. E2 b. P ( X = 2 ) = P ( E1 ∩ E2 ∩ E3 ) + P ( E1 ∩ E2 ∩ E3

dire à l’instant t = 1 si elles sont réalisées ou non. Bien sûr, on a F0 C F1, en effet plus le temps avance plus l’on acquiert de l’information. Une variable aléatoire est F1-mesurable si et seulement si elle est connue avec l’information donnée par F1, i.e. déterminée à l’instant 1. En effet, heuristiquement. Une variable aléatoire X est F1-mesurable L’image réciproque de tout Borélien B de R est dans F1 ; On peut dire en t = 1 pour tout Borélien B de R si X est à valeur dans B ; On peut

modèle GARCH  21 4.1 Prévision du Modèle GARCH (p,q)21 4.2 Prévision du Modèle GARCH (1,1)23 5. Conclusion 25 ANNEXE (CODE SAS) 26 Introduction La volatilité, ou fluctuations aléatoires dans le temps, est un phénomène que l'on retrouve dans de nombreuses séries temporelles. Bien que l'ampleur des variations du cours évolue dans le temps, les chercheurs utilisaient généralement des méthodes statistiques

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Variables et vecteurs aléatoires …nies 1 Dé…nitions . . . . . . . . . . . . . . . 2 Loi d’ une var …nie . . . . . . . . . . 3 Moments d’ une var …nie . . . . . . . 4 Loi d’ vecteur aléatoires …nis . . . un . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

partie suivante avec une probabilité de 0,1. 1. On appelle : E1 l’événement « le joueur perd la première partie » ; E2 l’événement « le joueur perd la deuxième partie » ; E3 l’événement « le joueur perd la troisième partie ». On appelle X la variable aléatoire qui donne le nombre de fois où le joueur perd lors des trois premières parties. On pourra s’aider d’un arbre pondéré. a. Quelles sont les valeurs prises par X ? b. Montrer que la probabilité de l’événement (X = 2) est égale à 0,031 et que celle de

. . . . . . . . . . . 2.3. Éléments aléatoires . . . . . . . . . . . . . . . . . . . . . . . 2.3.1. Définition et caractérisation . . . . . . . . . . . . . . . . 2.3.2. Loi de probabilité d’un élément aléatoire . . . . . . . . 2.3.3. Éléments aléatoires indépendants . . . . . . . . . . . . Chapitre 3. Variables aléatoires réelles . . . . . . . . . . . . . . . . . . . . . . 9 10 Probabilités et statistique 3.1. Attributs des variables aléatoires réelles . . . . . . . . . . . . . .