Vecteur aléatoire

2 Le modèle continu Avant toute chose, on doit se donner une échelle de description. L’échelle macroscopique n’est pas adaptée notamment parce que le fluide n’est pas solide (système que l’on peut décrire dans son ensemble à l’aide du vecteur rotation et du vecteur vitesse du centre d’inertie). À l’échelle microscopique les grandeurs varient de façon discontinue et imprévisible (cf. Physique statistique). On décide alors de décrire le fluide à une échelle intermédiaire entre l’échelle microscopique

Celles présentant uniquement un défaut de couleur sont soldées au prix de 25€ chacune ; [pic] Enfin les pièces correctes sont vendues au prix de 30€ chacune. Sachant que le coût de fabrication d’une pièce est de 10 €, on considère la variable aléatoire [pic]égale au bénéfice fait par l’entreprise sur chaque pièce, exprimé en euros. 5. L’entreprise peut espérer un bénéfice moyen, exprimé en euros, de : a 18,68 b 18,54 c 18

structure. En d’autres termes les variables aléatoires composant le processus ne sont pas forcément indépendantes les unes des autres mais établissent certaines relations qui donnent à l’ensemble une sorte de structure. Avant d’aller plus loin dans l’exploration de cette structure, il convient de se pencher sur une notion importante, la fonction d’autocovariance qui est aux séries temporelles ce que la matrice variance-covariance est aux variables aléatoires classiques. Soit X , t = 1 …… T une série

probabilité qu’une personne ne soit pas contaminée par le virus sachant que son test est négatif . PARTIE B On choisit successivement 10 personnes de la population au hasard, on considère que les tirages sont indépendants. On appelle X la variable aléatoire qui donne le nombre de personnes contaminées par le virus parmi ces 10 personnes. 1. Justifier que X suit une loi binomiale dont on donnera les paramètres. 2. Calculer la probabilité qu’il y ait au moins deux personnes contaminées parmi les 10.

utile aux étudiants de mathématiques des premières années. Nous avons choisi de garder pour certains concepts le vocabulaire usuel même lorsqu’il n’est pas très bien choisi et représente un héritage malheureux des siècles précédents (la « variable » aléatoire !). En outre la terminologie n’est pas complètement fixée. Nous avons systématiquement indiqué les variantes les plus courantes. En tout état de cause, si l’utilisateur trouve insolite l’utilisation d’un mot dans tel ou tel manuel, il ne doit pas

Modèles aléatoires de carnets d’ordres multi-agents et étude des processus de prix associés Salmane Lahdachi Idriss Dadoun Othmane Asghir Département Génie Industriel et Mathématiques appliquées 2 Modèles aléatoires de carnets d’ordres et étude des processus de prix associés Salmane Lahdachi, Idriss Dadoun et Othmane Asghir 20 juin 2012 Table des matières Remerciements Introduction 1 Exemples de modèles de carnet d’ordre : 1.1 Modèle d’un carnet d’ordre multi-agents fermé . . .

matières Pierre-André Cornillon Laurent Rouvière Régression logistique et scoring Chapitre 1 Introduction Notations : – X = (X1 , . . . , Xp ) : variable aléatoire explicative de dimension p, x = (x1 , . . . , xp ) une réalisation de x ; – Y variable (univariée) à expliquer. – (X1 , Y1 ), . . . , (Xn , Yn ) : un n-échantillon aléatoire (iid et de même loi que le couple (X, Y )), tel que Xi = (Xi1 , . . . , Xip ) ; – (x1 , y1 ), . . . , (xn , yn ) une réalisation de (X1 , Y1 ), . . . , (Xn , Yn

(1 ; 0 ; 1) et BG (0 ; 1 ; 1), d’où −→ −−→ AF · BG = 1 × 0 + 0 × 1 + 1 × 1 = 1. 3. La bonne réponse est d . On le vérifie en injectant les coordonnées des points A, F et H dans l’équation x + y − z = 0. 4. La bonne réponse est b . → − −−→ −−→ Un vecteur normal de P est n (1 ; 1 ; −1), or EC (1 ; 1 ; −1). Par conséquent EC est −→ −−→ −→ normal à P , et comme EL et EC sont colinéaires, EL est de ce fait aussi normal à P . 5. La bonne réponse est d . −−→ On a EC (1  ; 1 ; −1) et E(0 ; 0 ; 1) ; une

0, 425 La probabilité est donc égale à 0,425. 3. La probabilité pour que le concurrent ait tiré un jeton « L »sachant qu’il a effectué son trajet à vélo est : P V (L) = P (L ∩ V ) 0, 25 × 0, 7 = ≈ 0, 412 P (V ) 0, 425 4. Posons X la variable aléatoire représentant le nombre d’épreuves remportées par un concurrent non cycliste. 1 X suit alors une loi binomiale de paramètre n = 6 et p = : X → B 6; 1 . 3 3 La probabilité qu’au moins une épreuve ait été remportée par un non cycliste est : P (X ≥ 1)

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 exponentielle