Variable indépendante

probabilité 0,9. C’est donc bien une épreuve de Bernoulli de paramètre 0,1. Il a bien que deux issues possibles. 2) a. Les forages doivent être indépendants pour que  suive une loi binomiale. b.  ≥ 1 = 1 −  = 0 = 1 − 0,9! ≈ 0,613 Exercice 2 On considère que le tirage de 1000 résistances a lieu avec remise et que donc les tirages sont indépendants les uns des autres. Le nombre  de résistances défectueuses suit donc une loi binomiale de paramètres 1000 et 0,005. a.  = 2 =  III

Probabilité Contrôle Continu n°1 Corrigé Exercice 1 Soit X une variable aléatoire discrète de loi de probabilité; xi 1 2 3 4 5 6 P(X=xi) 0,10 0,20 0,10 0,30 0,10 0,20 1) Calculer l'espérance et la variance de X. Réponse : Pour p=0.25 on a : xi 4 ?(?) = � ? ? ? ? 1 2 3 4 P(X=xi) 0.25 0.25 0.25 0.25 ?=1 ?(?) = 1 × 0.25 + 2 × 0.25 + 3 × 0.25 + 4 × 0.25 ???? ?(?) = ?. ? 6 ???(?) = � ? ? [? ? − ?(?)]2 ?=1

Terminologie statistique 1 III CARACTERISTIQUE DE POSITION 2 Mode 2 1 cas d une variable discréte 2 2éme cas : cas d une variable continu 3 Médiane 3 Moyenne ARITHEMTIQUE PONDERE 4 IV CARACTERISTIQUE DE DISPERSION 5 Variante et l’écart-type 5 AJUSTEMENT ANALYTIQUE 6 I 1 ére Methode de Mayer 6 2éme Methode :Les moindres carrés 7 Corrélation Linéaire 7 LES PROBABILITES 9 I Notion de variable Aléatoire 9 II Lois de Probabilités 10 A Loi Binomiale 10 B Loi Normale ou

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 justement à la date t. Pour xer ce prix, elle prend en

déduit que p(A ∩ B) = p(B) × pB(A). Evénements indépendants Soient A et B deux événements. A et B sont indépendants si et seulement si p(A ∩ B) = p(A) × p(B). Si de plus p(A) 6= 0, A et B sont indépendants si et seulement si pA(B) = p(B). Variables aléatoires discrètes indépendantes Soient X et Y deux variables aléatoires discrètes prenant respectivement les valeurs x1, . . . , xn et y1, . . . , ym. X et Y sont des variables aléatoires indépendantes si et seulement si pour tout entier i tel que 1

SERVICE ......................................................................................................3 IV- LE SYSTEME D’ATTENTE M/M/1/∞ .................................................................. 4 V- SYSTEMES D’ATTENTE A TAUX VARIABLES .................................................. 8 VI- EXERCICES ............................................................................................................ 10 Pr. K. Rahhali Page 1 sur 12 Files d’attente I- INTRODUCTION

NOTION DE VARIABLES ALEATOIRES I. DEFINITION Une variable aléatoire X est une variable associée à une expérience ou à un groupe d'expériences aléatoires et servant à caractériser le résultat de cette expérience ou de ce groupe d'expériences. On distingue les variables aléatoires discontinues ou discrètes et les variables aléatoires continues. II. VARIABLE ALEATOIRE DISCONTINUE 2.1. Définition Une variable aléatoire est discrète si elle varie de façon discontinue, la variable ne peut prendre

probabilité de la variable aléatoire X qui à tout tirage associe le gain réalisé ?      b) Calculer l'espérance mathématique de X. La règle du jeu est-elle favorable au joueur ?  EXERCICE 2 Un pion se déplace par sauts successifs sur la droite  munie du repère (O;). Son point de départ est le point O.  Deux types de sauts sont possibles :      D : deux unités vers la droite      G : une unité vers la gauche.  Les sauts successifs sont supposés indépendants les uns des autres

Ils préservent la structure sous-jacente des Modèles Linéaires Généralisés[9] (Generalized Linear Models ou GLMs) car la relation entre la variable réponse et les variables explicatives est modélisée. Mais la différence majeure entre ces deux modèles réside dans le fait que cette relation est paramétrique dans les GLMs alors que la réponse est liée aux variables explicatives par une procédure de lissage non paramétrique dans le cas des GAMs. Ce type de modèle s’adapte formellement à tout triangle de

Laplace-Gauss A. Définition de la loi normale B. Loi normale réduite centrée C. Détermination pratique des probabilités : Usage des tables statistiques D. Conditions d’application 1. Variable aléatoire normale 2. Théorème central limite Loi du Khi² A. Définition B. Tables statistiques C. Somme du Khi² indépendantes Loi de Student A. Définition B. Densité de probabilité de la loi de Student Loi de Fisher-Snedecor A. Définition B. Tables statistiques P.008 P.008 P.010 P.012 P.015 P.015 P.016 P.018