Suite aléatoire

faces blanches b) deux faces noires c) deux faces de couleur différente. Partie B :Le joueur gagne 5 euros s'il obtient une face noire et perd un euro s'il obtient une face blanche . Il lance toujours deux fois le dé. On considère X la variable aléatoire égale au gain algébrique obtenue 1) Déterminer la loi de probabilité de X 2) Quel est le gain moyen de ce jeu? Exercice 6: QCM sur 5 points Donne sans justification la bonne réponse. Une seule par question. Sur la copie, on indiquera le numéro

sont des fonctions marginales continues alors C est unique. Ce théoréme permet d’associer à chaque distribution bidimensionnelle une copule. Le théorème de Sklar appliqué à des variables aléatoires continues conduit au théorème suivant. Théorème 2 Soit ( X1,..., Xn) un vecteur de variables aléatoires continues admettant F1 ,...,F n comme fonctions de répartition marginales et F comme fonction de répartition jointe, alors il existe une copule C qui vérifie la relation du théorème 1. Si les

Variables n : un nombre entier naturel Traitement Affecter à n la valeur 0 Tant que 1, 9n < 100 Affecter à n la valeur n + 1 Fin Tant que Sortie Afficher n La valeur affichée en sortie de cet algorithme est : a. 7,1 b. 7,6 c. 8 d. 17 4. Une variable aléatoire X suit la loi uniforme sur l’intervalle [0 ; 5] dont la fonction de densité est représentée ci-dessous. On a alors : a. P (X 3) = P (X < 3) 1 b. P (1 X 4) = 3 5 c. E (X ) = 2 1 d. E (X ) = 5 1 5 0 1 2 3 4 5 6 4 A. P. M. E. P. Baccalauréat

Échantillonnage probabiliste L'échantillonnage probabiliste entraîne la sélection d'un échantillon à partir d'une population, sélection qui repose sur le principe de la randomisation (la sélection au hasard ou aléatoire) ou la chance. Il est plus complexe, prend plus de temps et est habituellement plus coûteux que l'échantillonnage non probabiliste. Toutefois, comme les unités de la population sont sélectionnées au hasard et qu'il est possible de calculer la probabilité d'inclusion de chaque unité

Rappels sur les intervalles de confianceQuelques rappels sur les intervalles de confiance I/ Généralités Soient : X une variable aléatoire de loi paramétrée par θ et X 1 ,...,X n n variables i.i.d selon la loi de X. 1) Principe d’un intervalle de confiance Plutôt que d’estimer ponctuellement la vraie valeur inconnue du paramètre θ , on recherche un intervalle recouvrant «très vraisemblablement » cette vraie valeur. Définition : On appelle intervalle de confiance de niveau de confiance 1− α du paramètre

. . . . . 1.2.1 Événement contraire . . . . . . . . 1.2.2 Intersection de deux événements . 1.2.3 Union de deux événements . . . . 1.3 Probabilité . . . . . . . . . . . . . . . . . . 1.4 Loi équiprobable . . . . . . . . . . . . . . 1.5 Variable aléatoire . . . . . . . . . . . . . . 1.6 Propriétés de l’espérance et de la variance . . . . . . . . . 2 2 2 2 2 3 3 4 5 7 2 Probabilité conditionnelle 2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Représentation

INSTITUTION STE GENEVIÈVE D’ASNIÈRES LOI I BINOMIALE , ANNÉE SCOLAIRE 2014/2015 ÉCHANTILLONNAGE Activité A. Une expérience aléatoire élémentaire On fait tourner la roue de loterie colorée en blanc et gris représentée ci-contre. On gagne si l’issue « la flèche tombe sur la zone blanche » se réalise. On note S (comme « succès ») cette issue et E (comme « échec ») 1 l’autre issue. On suppose que P(S) = . 3 Préciser l’issue E et donner sa probabilité P(E). B. Quatre répétitions On répète quatre

questions 45 minutes Louis-Victorien VEILLARD Pierre CARO Arthur BATTUT Question 1 : Tests de probabilités : ADE Dans cet exercice, nous nous intéressons au nombre de véhicules croisés par kilomètre. Il s’agit donc d’une variable aléatoire ou nous recherchons un nombre dans une distance fixée. D’autre part, ces évènements se produisent indépendamment de la distance parcourue depuis l’évènement précédent. C’est donc bien une loi de Poisson. Item A vrai, B faux. De plus, la fréquence

rapport − . 3 2 I. Placer sur une figure les points A et Ω, l’image B du point A par r, l’image C du point B par r et l’image D du point A par h. II. On note b, c et d les affixes respectives des points B, C et D. Le tableau ci-dessous contient une suite de 18 affirmations, dont chacune débute dans la première colonne et s’achève sur la même ligne colonne 2, colonne 3 ou colonne 4. Le candidat doit se prononcer sur chacune de ces affirmations. Pour cela il doit remplir le tableau de la feuille annexe

événements Chapitre 5 : 5.1 5.2 5.2.1 5.2.2 5.2.3 5.2.4 5.2.5 5.2.6 5.3 5.4 Variables aléatoires Définition d’une variable aléatoire Variables aléatoires finies Représentation d’une loi de probabilité finie Espérance mathématique d’une loi finie Variance et écart-type Loi de probabilité produit Variables aléatoires indépendantes Fonction de répartition Variables infinies dénombrables Variables aléatoires continues Chapitre 6 : Exemples de distributions 6.1 Lois discrètes 6.1.1 Loi de