Variable d'environnement

exercice est un questionnaire à choix multiples. 4 points 1. Supposons qu’il voie 5 clients et chaque rencontre est considérée comme une expérience identique, indépendante, pour laquelle la probabilité de vendre le produit est p = 0, 2. Si X est la variable aléatoire donnant le nombre de produits vendus, X suit la loi binomiale B(5 ; p). Alors p(X = 2) = 52 p 2 (1 − p)3 = 10 × 0, 22 × 0, 83 = 0,2048. (réponse d)). 2. Notons G l’évènement « l’élève choisi est un garçon »et P l’évènement « l’élève choisi

d’équilibre des actifs financiers) pour l’action XXX en précisant la valeur des paramètres et en définissant les variables b)       Que représente la prime de risque du marché c)       Ce titre est-il surévalué ou sous évalué ? En fonction de votre réponse, que doit faire l’investisseur ?   Question 2 : Présenter l’équation du modèle de marché. Ecrire cette équation en définissant chaque variable. Que représente le bêta d’un titre ? Donner son expression. Définir également le risque systématique et

est notée p M (R). p M (R) = p(R ∩ M) 0,135 = = 0,818. p(M) 0,165 Partie B Un produit de nettoyage conditionné dans des flacons est aussi vendu par le magasin. Le volume de produit contenu dans un flacon, en millilitres (mL), est modélisé par une variable aléatoire V . On admet que V suit une loi normale d’espérance 250 et d’écart type 5. Pour procéder à un contrôle, on prélève un flacon au hasard dans le stock du magasin. 1. Donnons la probabilité que le volume de produit contenu dans le flacon prélevé

probabilité d’extinction du processus est solution de θ = E(θD ) = F (θ), ou F est la fonction génératrice de D. On a en fait plus précis : Théorème 1.2. La probabilité q d’extinction du processus de branchement est le plus petit point fixe de F . Si la variable aléatoire Z possède une espérance m, et que m ≤ 1, alors 1 est le seul point fixe de F sur l’intervalle [0; 1], et la probabilité d’extinction est 1. Sinon, F admet exactement un point fixe sur [0; 1[, qui est la probabilité d’extinction du processus

mes choix. Je remercie aussi Mme Cédia Harnais pour son 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

l’intervalle : a. [−1 ; 4] b. [−2 ; 0] c. [−2 ; −1] d. [0 ; 4] 2 1 C 0 −2 0 −1 1 2 3 T 3. On donne l’algorithme ci-dessous. 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

Définition 2- Deux résultats de décomposition 3- Evènements indépendants 4- Exercices III- Variables aléatoires : généralités 1- Définitions 2- Variables aléatoires discrètes, variables aléatoires à densité 3- Couples de variables aléatoires 4- Variables aléatoires indépendantes 5- Exercices IV- Caractéristiques numériques des variables aléatoires 1- Espérance 2- Variance, covariance 3- Exercices V- Variables aléatoires usuelles 1- Loi de Bernoulli (p) 2- Loi binomiale (n, p) 3- Loi uniforme 4- Loi

= −3 y0 = 4 1. x n+1 = 0, 8x n − 0, 6y n et pour tout entier naturel n : y n+1 = 0, 6x n + 0, 8y n a) Déterminer les coordonnées des points A 0 , A 1 et A 2 . b) Pour construire les points A n ainsi obtenus, on écrit l’algorithme suivant : Variables : i , x, y, t : nombres réels Initialisation : x prend la valeur −3 y prend la valeur 4 Traitement : Pour i allant de 0 à 20 Construire le point de coordonnées (x; y) t prend la valeur x x prend la valeur .......... y prend la valeur ..........

indépendants . . . . . . . . . . . . . . . . . . . . . . 34 2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3 Variables aléatoires réelles 43 3.1 Définition-Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.2 Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . 48 3.3 Variables aléatoires absolument continues . . . . . . . . . . . . . . 53 3.4 Fonction génératrice des moments . . . . . . . . . . . . . . . . . . 58 3.5

indépendantes – plan S < A >. 1) Analyse descriptive de la variation dans un groupe On s’intéresse à une variable quantitative X dans une population (P) donnée. La moyenne m de X et sa variance σ2 sont inconnues dans cette population. On dispose d’un ́echantillon (groupe) de n sujets extraits de cette population. On observe donc un ́echantillon (x1, x2, x3, ..., xn) de n valeurs pour notre variable x On désigne par T la somme de ces valeurs et par x leur moyenne (arithmétique) : T = (x1+x2+...+xn)