Voie normale

2000 2500 3000 1 2 3 4 5 6 1. Quelles sont les probabilités associées aux différentes branches ? 2. Quelle est l’espérance mathématique, l’écart-type et le coefficient de variation des VAN possibles ? 3. A supposer une distribution normale des VAN, quelle est la probabilité que la VAN de ce projet soit inférieure à zéro ? Exercice 7 : La société Century doit effectuer un important investissement pour lequel elle a trois alternatives. Les analyses prospectives permettent de dire

aléatoires indépendantes de loi normale centrée réduite. Elle est basée sur le théorème suivant : 4. Box Muller 5 Théorème 6. Box Muller Soient R et Θ deux variables aléatoires indépendantes telles que r2 suit une loi exponentielle de paramètre 12 et Θ suit une loi uniforme sur [0, 2π]. Alors les variables aléatoires X = R cos Θ et Y = R sin Θ sont indépendantes de loi N (0, 1). Il suffit donc pour simuler deux variables aléatoires de loi normale centrée réduite de savoir simuler

Loi normale Fairytale bookmark silver light.png Vous lisez un « bon article ». Page d'aide sur l'homonymie Ne doit pas être confondu avec : des théorèmes et lemmes de Gauss parfois appelés lois de Gauss, les autres lois de Laplace ou les autres sens du terme Normal. Loi normale Image illustrative de l'article Loi normale Densité de probabilité (ou fonction de masse) La courbe rouge représente la fonction \scriptstyle \varphi, densité de probabilité de la loi normale centrée réduite. Image

En théorie des probabilités et en statistique, la loi normale est l'une des lois de probabilité les plus adaptées pour modéliser des phénomènes naturels issus de plusieurs évènements aléatoires. Elle est en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elle est également appelée loi gaussienne, loi de Gauss, loi de Laplace ou toute combinaison de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes

suivante : x L n µM V − µ −→ N (0, µ2 ) ˆ √ n µM V − µ L ˆ −→ N (0, 1) µ n µM V − µ L ˆ −→ N (0, 1) µM V ˆ µM V ˆ →1, on a donc : µ √ On obtient alors, en notant Znorm (0.95, 0, 1) le quantile ` 95% d’une loi Normale d’esp´rance nulle et de variance a e ´gale ` 1, l’intervalle de confiance ` 95% pour l’esp´rance µ suivant : e a a e µM V ˆ µ ∈ µM V ± √ ˆ Znorm (0.95, 0, 1) 500 On calcule alors les valeurs avec le logiciel R et on obtient l’intervalle

tirage exhaustif Loi de Poisson Lois limites Résumé 6 • Lois de probabilité continues 6.1 6.2 6.3 6.4 6.5 6.6 6.7 Généralités Loi uniforme Loi exponentielle Loi gamma Lois bêta de types I et II Loi de Laplace-Gauss ou loi normale Loi log-normale 7 • Convolution. Fonctions caractéristiques. Convergences stochastiques 7.1 Convolution i 45 46 49 49 52 54 56 57 58 59 67 67 69 70 71 77 80 83 84 87 89 89 90 92 95 97 100 109 112 112

utilisée quand on s’intérèsse au temps d’attente entre 2 évènements. Exemple : temps inter arrivé sur un guichet. Gestion des files d’attentes. 4- loi normale : elle est un peu la loi universelle, car elle peut s’utiliser dans un grand nombre de situation. De plus sous certaines condition les loi sitées précèdemment peuvent être approché par une loi normale. Elle est réalisée dans un contexte d’infini, et parfaitement symétrique. La surface comprise entre le début de la courbe –l’infini et A, représente

Distribution Loi Normale Quantile Chapitre 1 Loi normale 2013-14 Chapitre 1 2013-14 1 / 35 Distribution Loi Normale Quantile Sommaire 1 Distribution 2 Loi Normale 3 Quantile Chapitre 1 2013-14 2 / 35 Distribution Loi Normale Quantile Sommaire 1 Distribution 2 Loi Normale 3 Quantile Chapitre 1 2013-14 3 / 35 Distribution Loi Normale Quantile Distribution Dans une entreprise canadienne, on a observ´ la

. . . . . 1.4.1 La loi binomiale B(n, p) . . . . . . . . . . . . 1.4.2 La loi hyperg´eom´etrique H(N, n, p) . . . . . 1.4.3 La loi de Poisson P(m) . . . . . . . . . . . . 1.5 Lois continues usuelles . . . . . . . . . . . . . . . . . 1.5.1 La loi normale (Laplace-Gauss) N (µ, σ) . . . 1.5.2 La loi du Khi-deux `a n degr´es de libert´e (χ2n ) 1.5.3 La loi de Student `a n degr´es de libert´e (Tn ) . 1.5.4 La loi de Fischer-Snedecor (F(n1 , n2 )) . . . . . . . . . . . . . . . . . . . . . . . . . .

.............................. 44 2.3.5.2 Moments .............................................. 44 2.3.5.3 Additivité ............................................. 45 2.3.504 Loi de U2 ••••••••••••••••••••••••••••••••••••••••••••• 45 La loi log-normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 Loi de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 Loi de Weibull. . . . . . . .. . . . . . . . . . . . . .