Variable indépendante

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II Variables aléatoires discrètes - Lois discrètes usuelles 1 Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . 1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Représentations graphiques . . . . . . . . . . . . . . . 1.3 Variables aléatoires indépendantes . . . . . . . . . . . . 1.4 Paramètres d’une variable aléatoire . . . . . . . . . . . 1.4.1 Espérance mathématique . . . . . . . .

... 1 Introduction Il est toujours possible d’associer à une variable aléatoire une probabilité et définir ainsi une loi de probabilité. Lorsque le nombre d’épreuves augmente indéfiniment, les fréquences observées pour le phénomène étudié tendent vers les probabilités et les distributions observées vers les distributions de probabilité ou loi de probabilité. Identifier la loi de probabilité suivie par une variable aléatoire donnée est essentiel car cela conditionne le choix des méthodes

................................................................................................ 4 II - Probabilités conditionnelles ....................................................................................................... 5 III - Variables aléatoires réelles ....................................................................................................... 6 C- Exemples de lois de probabilités discretes...........................................................................

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 de cas de grippe dans une famille de 5pers, nb de jeune dans une portée…) Loi de proba : somme

51 A. P. M. E. P. Brevet de technicien supérieur Groupe B 2 12 mai 2010 Brevet de technicien supérieur Groupement B - session 2001 Exercice 1 9 points Les parties A, B et C de cet exercice peuvent être traitées de façon indépendante. Une entreprise fabrique, en grande quantité, des pièces métalliques rectangulaires dont les cotes sont exprimées en millimètres. Un contrôle de qualité consiste à vérifier que la longueur et la largeur des pièces sont conformes à la norme en vigueur

DE PROBABILITES 1. Loi Binomiale B(n,p) Il s’agit en fait de la somme de n variables aléatoires indépendantes qui suivent une loi , de même paramètre p.  avec   Somme de lois binomiales. Soient deux variables aléatoires indépendantes: qui suit , et qui suit . La V.A. définie par suit une loi . 2. Loi de Poisson P() On appelle variable aléatoire de Poisson une variable aléatoire discrète X pouvant prendre des valeurs entières 0, 1, 2, …, k avec des probabilités

montant total cumulé des sinistres sur cette période s’écrit N : représente le nombre de sinistres survenus pendant la période considérée. C : La variable aléatoire parente « coût de sinistre ». ∑ Si N >0, 0 sinon. Le modèle s’est placé sous les trois hypothèses habituelles : (i) (ii) (iii) Indépendante fréquente/coût Indépendante et équidistribution des coûts de sinistres, Pas de sinistre de coût nul. On se place dans la situation où les lois de N et de C ont été identifiées

ces deux événements sont indépendants. 1. Calculez la probabilité de l’événement E1 : « l’article présente le défaut a et le défaut b » 2. Calculer la probabilité de l’événement E2 : «  l’article présente au moins un des deux défauts » 3. Calculer la probabilité de l’événement E3 : «  l’article ne présente aucun défaut » 4. Calculer la probabilité de l’événement E4 : « l’article présente un seul des deux défauts » On admet que, si les événements A et B sont indépendants, alors les événements [pic]sont

(probabilités) En théorie des probabilités et en statistique, la fonction caractéristique d'une variable aléatoire réelle X détermine de façon unique sa loi de probabilité. Si cette variable aléatoire a une densité alors la fonction caractéristique est la transformée de Fourier de la densité. Les valeurs en zéro des dérivées successives de la fonction caractéristique permettent de calculer les moments de la variable aléatoire. Elle est parfois appelée première fonction caractéristique alors que la seconde

croissantes (au sens strict) de p éléments p éléments 2. {1, . . . , n}. Déterminer le cardinal de l'ensemble des suites croissantes (au sens large) de de {1, . . . , n}. Caractérisation d'une loi de probabilité Exercice 4 X une variable aléatoire à valeurs dans N ou Z dénie sur l'espace de probabilité discret (Ω, P). Démontrer que sa fonction de répartition, notée FX , dénie par Soit ∀ x ∈ R, FX (x) = P(X ≤ x) vérie les propriétés suivantes : 1. FX est croissante avec