Loi de Poisson

300 pièces (on assimilera ces prélèvements à des tirages avec remise). Appelons la variable aléatoire qui prend pour valeurs le nombre de vis non conformes dans un échantillon de 300 pièces. 1. Déterminer la loi suivie par X, ainsi que ces paramètres. 2. Par quelle loi peut-on approcher la loi précédente. On justifiera la réponse. 3. En utilisant cette approximation, calculer : a. La probabilité d’avoir 10 vis non conformes. b. La probabilité d’avoir 3 ou moins de 3 vis non conformes. 4. Sachant qu’un

Loi de probabilité Un article de Wikipédia, l'encyclopédie libre. Aller à : Navigation, rechercher En théorie des probabilités et en statistique, une loi de probabilité décrit soit les probabilités de chaque valeur d'une variable aléatoire (quand la variable aléatoire est discrète), soit la probabilité que la variable aléatoire appartienne à un intervalle arbitraire (quand la variable est continue).[1] La loi de probabilité décrit l'ensemble des valeurs qu'une variable aléatoire peut atteindre

d’enseignement de la Gestion des Opérations et de la Logistique, HEC Montréal 2. Une usine de fabrication de jouets en bois a un atelier de peinture spécialisé. Cet atelier reçoit 2 jouets à l'heure selon une loi de Poisson. En moyenne, l'application de la peinture dure 20 minutes selon une loi exponentielle. a) b) c) d) e) f) g) h) i) j) k) l) m) n) o) p) q) r) s) t) u) v) Quelle est la valeur de λ? Quelle est la valeur de μ? Quelle est la valeur de s? Calculer le temps moyen entre les arrivées Calculer

RESOLUTION : Changement de variable : La durée de vie des transmissions des automobiles XYZ est une variable distribuée selon une loi normale de moyenne 35000km et d’écart type 5000km. Le fabricant de la transmission ne veut absolument pas réparer sous garantie plus de 20% des transmissions. Quelle doit être, en km, la période de garantie ? RESOLUTION : On regarde sur la loi normale (0,1) : Dans les tables : donc nous prenons le négatif car il ne veut pas réparer plus de 20% des transmissions Quatre

souvent employ´e). Une variable al´atoire X de loi la mesure de Dirac en x0 È E est presque sˆrement e u constante ´gale ` x0 et r´cipoquement : PX Øx0 Ù ÈØX x0 Ù 1. Lorsque E Ê, on a e a e ÖX × x0 , VarÔX Õ 0, 1 ϕX Ôθ Õ eiθX eiθx0 . Mesure de Dirac en x0 1 Fonction de r´partition e 0 x0 0 x0 On pourra prendre pour d´finition : e e e D´finition. — Soit ÔE, E Õ un espace mesurable s´par´ (tous les singletons sont mesurables). e e Toute loi discr`te sur ÔE, E Õ est combinaison barycentrique

variable aléatoire égale au nombre de planches fragiles par table. Il est précisé que le nombre de combinaisons de 2 éléments parmi 12 est égal à 66 et que le nombre de combinaisons de 3 éléments parmi 12 est égal à 220. 1) Donner en la justifiant, la loi de probabilité de X. 2) Calculer la probabilité que la table soit vendue au prix normal. 3) Calculer la probabilité qu'elle soit vendue en promotion. 4) Le coût de fabrication d'une table est 100 €, leur prix de vente normal est 250 €, et la promotion

55 56 61 61 64 64 64 65 65 66 66 67 68 68 69 70 71 72 73 74 75 75 76 77 79 82 84 3.3 3.4 4 Intervalles de confiance 4.1 Probl´matique et d´finition . . . . . . . . . . . . . . . . . . e e 4.2 Intervalles de confiance pour les param`tres de la loi normale e 4.2.1 Intervalle de confiance pour la moyenne . . . . . . . . 4.2.2 Intervalle de confiance pour la variance . . . . . . . . 4.3 Intervalle de confiance pour une proportion . . . . . . . . . . . . . . . . . . . . . . . . . . . .

linéaires, les opérations matricielles ainsi que les formes quadratiques positives et les résultats de diagonalisation des matrices symétriques. En probabilité, il est nécessaire de connaître les notions d'espace probabilisé, de variable aléatoire, de loi de probabilité discrète et continue d'une variable et d'un couple de variables, de calculs de moments et d'indépendance de variables aléatoires. Pour la partie statistique, une connaissance élémentaire de l'estimation et de la régression linéaire est

. . . e 2.4 Lois discr`tes finies . . . . . . . . . . . . . . . . . . . . e 2.4.1 Loi de Bernoulli . . . . . . . . . . . . . . . . . . 2.4.2 Loi Binomiale . . . . . . . . . . . . . . . . . . . 2.4.3 Loi hyperg´om´trique . . . . . . . . . . . . . . . e e 2.5 Lois discr`tes infinies . . . . . . . . . . . . . . . . . . . e 2.5.1 La Loi G´om´trique . . . . . . . . . . . . . . . e e 2.5.2 La Loi de Poisson . . . . . . . . . . . . . . . . . 2.6 Variables al´atoires continues . . . . . . . .

aide précieuse concernant l’écriture de ce mémoire avec LaTex. 1 Table des matières I II 1 Introduction 4 Théorie 6 Rappels de probabilités 1.1 Espace probabilisé . . . . . . . . 1.2 Variable aléatoire réelle . . . . . 1.3 Paramètres d’une loi . . . . . . . 1.3.1 Paramètres de position . . 1.3.2 Paramètres de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 7 8 12 12 13 2 Estimateur-estimation 2.1 Rappels . . . . . . . . . . . . . . . . . . . .