Faille normale

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. Ainsi, l’entreprise

de Poisson Lois limites Résumé 67 67 69 70 71 77 80 83 84 87 6 • Lois de probabilité continues 6.1 6.2 6.3 6.4 6.5 6.6 6.7 Généralités Loi uniforme Loi exponentielle Loi gamma Lois bêta de types I et II Loi de Laplace-Gauss ou loi normale Loi log-normale 89 89 90 92 95 97 100 109 7 • Convolution. Fonctions caractéristiques. Convergences stochastiques 7.1 IV 112 112 Convolution 7.2 7.3 7.4 7.5 Fonction caractéristique Convergence des suites de variables aléatoires Lois

6079 | 1,4479 | -,118 | 9 | ,908 | Réponse : le Sig = 0,908 il est donc supérieur à 0,05 on accepte donc H0 et le fait que m1=m2 avant et après traitement. 3) Test de Kolmogorov-Smirnov Hypothèses  H0 : X suit une loi Normale H1 : X ne suit pas une loi Normale Test de Kolmogorov-Smirnov à un échantillon | | salaire en euro | N | 15 | Paramètres normauxa,b | Moyenne | 1359,67 | | Ecart-type | 71,576 | Différences les plus extrêmes | Absolue | ,177 | | Positive | ,177

série rendement présente de faibles corrélations, on va donc opter pour un model bruit blanc gaussien pour la série rendement de standard Poor’s. (les termes d’erreur εt sont toujours, dans un modèle de régression, supposés (iid) et suivent une loi normal d’espérance nulle est de variance constanteσ2). 1.1 Test d’hypothèse BB gaussien : Maintenant on est amené à tester l’hypothèse du bruit blanc gaussien sur la série rendement : * L’hypothèse de Normalité (Queues

• Mesures de la tendance centrale (moyenne, mediane, mode) • Indices de dispersion (etendue, variance, ecart-type) • Boite à moustaches • Forme (indice d’symétrie ) • Distribution normale (symétrique) Mesures de la tendance centrale : • La tendance centrale est une mesure qui indique où se trouve la majeure partie des données ou scores d’une distributions. Mesure qui représente le score typique d’une distribution. C’est la valeur

F calculé= (SCE/1)/(SCR/n-2) 3-2Test marginal de Student : T calculé= │a│/ бa > t table L'objectif de ces tests est de confirmer la fiabilité de ces modèles . 4- Précisions sur les lois : 4-1Loi normale : F(x)=[1/(∑√ 2π)] e -1/2*(x-m/E)² π=3.1415 e=2.71828 m : espérance E: écart type 4-2 Loi normale centrée réduite : F(t)= [1/(√ 2π)] e -t²/2 4-3 Loi de CHI-DEUX X²n = T²1+T²2+…+T²n Avec T N(0,1) T² N(0,1)² X²n est une loi de CHI DEUX a n degré de liberté U2 : X²1 = N² (0,1) 4-4 Loi de

du chapitre. . . . . . . . . . . . . . . . . 3 Rappels de statistique math´matique e 3.1 Matrice des covariances d’un vecteur al´atoire e 3.2 Lois de probabilit´s d’un vecteur al´atoire . . e e 3.2.1 Loi normale . . . . . . . . . . . . . . . Loi normale bivari´e . . . . . . . . . . e Loi normale conditionnelle . . . . . . . 3.3 Tests d’hypoth`ses . . . . . . . . . . . . . . . e Situation pratique courante. . . 3.4 Rappels sur la r´gression lin´aire . . . . . . . e e 3.5 Exercices . . . . . . . .

Branch of KFC. It is just gréât ! But i’ll tell you all about it in a few lines. First how are you ? Hws your job ? Is your boss less of a tyran ? Well for me, I think its the first time in my life that i feel finally free, responsable and somehow ..normal ! The first 3 days days were quite hard . due to our death problem we were used to beeing spoilt, taken care of, and very lazy, it was a huge change. But time passed by and we started liking Sarhan. Sarhan is one of the many store manager,he is very

l’option européenne apparaît au tableau 2. 1 Il serait préférable de supposer que le terme d’erreur obéit à une distribution chi-carrée décentrée. Mais de nombreux auteurs, tels Clewlow et Strickland (1998) et Schoutens (2003), recourent à la loi normale pour simuler le processus stochastique dit «racine carrée» auquel obtempère ici la volatilité stochastique. 5 ____________________________________________________________ _________________ Tableau 2 Programme Visual Basic du calcul du

e3x 3 0 −2 f (x) − (−x − 2) dx = −2 = 1 e−6 − × 4 cm2 3 3 1, 33 cm2 Fig. 1 – courbe exercice 1 2 Exercice 2 (10 points) Partie A. X − 14 suit 0, 1 une loi normale centr´e r´duite et p(X ∈ [13, 7; 14, 2]) = p(T ∈ [−3; 2]) = e e Π(2) − Π(−3) = Π(2) + Π(3) − 1 0, 98 Comme X suit une loi normale de param`tres 14 et 0,1, T = e Partie B. 1. Il s’agit de reproduire 100 fois une exp´rience al´atoire ` deux issues : e e a « non-conforme »(p = 0, 024) ou « conforme »(p = 0, 976)