Matrice aléatoire

est p = 0, 2. France 3 15 juin 2007 Baccalauréat S 2. Notons G l’événement « l’élève choisi est un garçon »et P l’événement « l’élève choisi a obtenu son permis ». Représentons la situation par un arbre. 1 10 Si X est la variable aléatoire donnant le nombre de produits vendus, X suit la loi binomiale B(5 ; p). 5 Alors p(X = 2) = 2 p 2 (1 − p)3 = 10 × 0, 22 × 0, 83 = 0,204 8. (réponse d)). P G 1 4 9 10 P P = (P ∩ G) ∪ (P ∩ G) (réunion d’événements incompatibles). 3 4 1

réaliser une prévision de la chronique. Connaissant a0 et a1, le processus xtpeut-êtrestationnarisé en retranchant de la valeur dext ent, la valeur estiméea0 et a1 t . Dans ce type de modélisation, l’effet produit par un choc (ou par plusieurs chocs aléatoires) à un instant t est transitoire. Le modèle étant déterministe, la chronique retrouvera son mouvement de long terme qui est ici la droite de tendance. Il est possible de généraliser cet exemple à des fonctions polynomiales de degré quelconque mais

UNIVERSITAIRES: 12 2005 EDITION: 1.01.4043 LS.B.N: 9961-00918.5 Dép&t légal: 3168/2005 TflBLE DES MATIERES CHAPITRE 1 Statistique descriptive.. Exercices... „..„.,. Solutions des exercices CHAPITRE 2. Notions de calcul des probabilités- Variables . aléatoires.. Exercices... ..,., Solutions des exercices CHAPITRE 3. Principles lois de probabilité -Convergences Exercices Solutions des exercices CHAPITRE 4. Echantillonnage - Estimation Exercices Solution des exercices CHAPITRE 5. Tests statistiques Exercices

}n , où on utilise l’information contenue dans Xi pour explii=1 i=1 quer la valeur de Yi . Si on a n observations indépendantes {(Xi , Yi )}n , on considère le i=1 modèle Yi = m(Xi ) + i , i = 1, ..., n où { i }n ∼ (0, σ 2 ), sont des variables aléatoires indépendantes de moyenne 0 et de i=1 variance σ 2 . On veut approximer la fonction m(.). Pour approximer la fonction m(.), on essaye d’estimer la courbe de l’espérance conditionnelle yf (x, y)dy m(x) = E(Y |X = x) = f (x) où f (x, y) est la densité

C'est-à-dire que, si l'on désigne par X(dt) l'événement le prix change pendant l'intervalle de temps (innitésimal) dt , Pr (X(dt)) = δdt On peut interpréter ces changements de prix aléatoires comme résultant d'un signal aléatoire que recevrait l'entreprise, l'incitant à modier ses prix. 1) Montrez que la variable aléatoire représentant le temps d'attente h avant la prochaine modi- cation a pour densité δ exp(−δh). 2) On note xt le (logarithme du) prix xé en t par une entreprise qui a changé son prix

concret : ..................................................................................... 53 III-4 Simulation des variables aléatoires : ................................................................... 54 III-4-1 Simulation d’une loi uniforme sur [0,1] :........................................................ 55 III-4-2 Simulation d’autres variables aléatoires: .......................................................... 55 a- Simulation de variables gaussiennes : .........................

simuler des phénomènes aléatoires. Or, l’obtention de données aléatoires est réalisée sur un ordinateur à partir d’algorithmes de nature déterministe, ce qui peut sembler contradictoire. Il existe deux types de génération des nombres aléatoires (physique, algorithmique) dans ce TP nous intéressant au deuxième type. II- Définition : Nombre aléatoire = occurrence d'une variable aléatoire uniforme discrète ou continue. Pour rappel : * une variable aléatoire x est uniforme continue

est de décrire et de résumer de façon formalisée des informations collectées de manière exhaustive. ( Traitement des données Les autres notions : - calcul de probabilités et études des lois probabilistes : analyse des événements aléatoires - statistiques mathématiques et statistiques inférentielles II- PRESENTATION DES DONNEES 2.1.1- LA POPULATION ET LES UNITES STATISTIQUES La statistique étudie de manière quantitative des ensembles nombreux : ils portent le nom

Dans un second jeu, le joueur doit effectuer 10 parties. On suppose que toutes les parties sont indépendantes. 1 La probabilité de gagner chaque partie est égale à . 4 Soit X la variable aléatoire égale au nombre de parties gagnées par le joueur. 1. a. Quelle est la loi de probabilité suivie par la variable aléatoire X ? Justifier. b. Quelle est la probabilité que le joueur gagne au moins une partie ? Le résultat sera arrondi à 10−2 près. c. Déterminer l’espérance de X. 2. Le joueur doit payer 30 porte

dira « face étrangère »). 1. Le propriétaire du magasin, collectionneur de monnaies, recherche les pièces portant une face étrangère. Pour cela il prélève au hasard et avec remise 20 pièces issues de la caisse « souvenirs ». On note X la variable aléatoire qui associe à chaque prélèvement le nombre de pièces portant une face étrangère. a. Expliquer pourquoi X suit une loi binomiale ; déterminer les paramètres de cette loi. b. Calculer la probabilité qu’exactement 5 pièces parmi les 20 portent une face