Contrat Aléatoire

certitude. On dit qu’une somme est risquée si cette somme peut prendre différents montants possibles, chacun d’entre eux ayant une probabilité de réalisation définie. En d’autres termes : une somme est risquée si cette somme est une variable aléatoire dont on connaît la distribution de probabilité pouvant être discrète ou continue. Exemples : N°1 : Le chiffre d’affaires prévisionnel pour l’année prochaine d’une société A ayant deux montants possibles : 1000 avec la probabilité ½ 1500 avec

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 y ait au moins

dénombrables Ensembles produits Familles d’ensembles Autres rappels mathématiques Rappel sur les sommes Rappel sur les intégrales Chapitre 3 : 3.1 3.2 3.3 3.4 3.5 3.6 3.6.1 3.6.2 3.6.3 Eléments de calcul des Probabilités Introduction Expérience aléatoire, ensemble fondamental et événements Opérations sur les événements Règles du calcul des probabilités Remarque Illustration de quelques ensembles probabilisés Ensemble probabilisé fini Ensemble fini équiprobable Ensembles probabilisés infinis 2011

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 150 passagers

calculs sont trop complexes.  Les méthodes de simulation et de rééchantillonnage permettent de substituer à une étude théorique, une démarche expérimentale où les lois exactes sont approchées par des répartitions empiriques.  La simulation aléatoire consiste à engendrer sur ordinateur des échantillons artificiels, à effectuer pour chacun de ces échantillons les calculs nécessaires, qui sont ensuite synthétisés. 2 D’où vient le nom de Monte Carlo?  Travaux menés à Los Alamos  N

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 E : « exactement

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 (sous

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

. . . . . . . 56 56 57 58 60 61 12 Probabilités 1/ Introduction . . . . . . . . . . . . . 2/ Vocabulaire des évènements . . . . 3/ Calcul des probabilités . . . . . . . 4/ Paramètres d’une loi de probabilité 5/ Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .