Suite aléatoire

bus ? Partie B : le vélo On suppose dans cette partie que l’élève utilise le vélo pour se rendre à son lycée. Lorsqu’il utilise le vélo, on modélise son temps de parcours, exprimé en minutes, entre son domicile et son lycée par une variable aléatoire T qui suit le loi normale d’espérance µ = 17 et d’écart-type σ = 1,2. 1. Déterminer la probabilité que l’élève mette entre 15 et 20 minutes pour se rendre à son lycée. 2. Il part de son domicile à vélo à 7 h 40. Quelle est la probabilité qu’il

. . . . . . . 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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

évènements Ω dans l’intervalle [O ;1], tel que P : ε(Ω) -> [0 ;1] Satisfaisant les propriétés suivantes : Pour tout A appartenant ε(Ω) -> P(A) 0 P(Ω) = 1  A, B appartenant ε(Ω), si = alors P() = P(A) + P(B) a) Variables aléatoires  Variable aléatoire discrète : ne prend que des valeurs discrètes : numériques ou non N’a pas tout plein de chiffre après la virgule Variable qualitative (couleur de cheveux, niveau de satisfaction, sexe, type de c/) Variable quantitative discrète (nb

 Certaines bactéries initialement sensibles à un antibiotique peuvent acquérir une résistance à celui-ci suite à une mutation. On observe une recrudescence d'infections causées par des résistances aux antibiotiques. L'augmentation de la résistance bactérienne est liée à différents facteurs mis en évidence dans ces documents. Le document

Bernouilli. On appelle schéma de Bernoulli de paramètres n et p toute expérience aléatoire consistant à répéter k fois de façon indépendante une épreuve de Bernoulli de paramètre p. Une épreuve de Bernouilli de paramètre p est une expérience aléatoire comportant deux issues, le succès ou l’échec, et où p représente la probabilité de succès. La loi binomiale négative exprime la probabilité de la variable aléatoire X qui représente le nombre d’épreuves n nécessaires à l’obtention de k succès, avec

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

Supposition of Mendelian Inheritancei 1. [modifier] Contexte général En statistique comme en probabilités, on définit des critères de position ainsi que des critères de dispersion. Dans le domaine des probabilités, la dispersion d'une variable aléatoire réelle X autour de sa moyenne est mesurée par divers indicateurs comme l'écart interquartile, l'étendue, la variance, l'écart type, etc.b 3. En statistique descriptive, où l'étude porte sur une population finie parfaitement connue, la moyenne

est égale à 0,352 5. 3. Calculer la probabilité que l’appartement soit de type T1 ou T2, sachant qu’il est rentable. PARTIE B On considère X la variable aléatoire égale au nombre d’appartements rentables dans un échantillon aléatoire de 100 appartements loués. On admet que toutes les conditions sont réunies pour assimiler X à une variable aléatoire qui suit la loi normale de moyenne µ = 35 et d’écart type σ = 5. À l’aide de la calculatrice : 1. Calculer P (25 X 35). 2. Calculer la probabilité qu’au

Notion du processus stochastique et fonctions aléatoires AKadrani Institut National de Statistiques et Economie Appliquée (INSEA) Rabat, Avril 2013 Chapitre 1 Processus stochastique et fonctions aléatoires Introduction Un système naturel physique évoluant dans le temps et assujeti au hasard peut être représenté par une fonction X (t, w ) où t ∈ T (T est souvent le temps) et w ∈ Ω où (Ω, F, P) est un espace probabilisé. Deux façons pour représenter ce système: 1 Une famille (Xt

deux et indépendance mutuelle Théorème de Bayes 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 5 • Lois de probabilité discrètes 5.1 5.2 5.3 5.4 5.5 5