3.4 Lois discrète 2 cours 15.

Slides:



Advertisements
Présentations similaires
P(T
Advertisements

Introduction à la notion de fonction 1. Organisation et gestion de données, fonctions 1.1. Notion de fonction ● Déterminer l'image d'un nombre par une.
Géométrie Différentielle – Cubiques d'Hermite Introduction aux courbes paramétriques et à la géométrie différentielle.
Atelier 1 Le problème du surpoids sur géogébra. Etude de la prévalence du surpoids: (document Ressources pour la classe de terminale) Situation: On souhaite.
PROBABILITES 1. Des Statistiques aux Probabilités D1. Expérience aléatoire.
Nouveau programme de 3ème Probabilités Document de travail – Académie de Rouen
Inter académiques Orléans 2007 Analyse d'activités pouvant donner lieu à développement dans et hors la classe. Durée : 1h30 ● Problématique ● Présentation.
Chapitre 5. Modèles probabilistes continus Variable aléatoire continue et loi de probabilité continue Loi uniforme Loi exponentielle Loi normale Loi normale.
Cours COMPOSANTES DES VECTEURS Dimitri Zuchowski et Marc-Élie Lapointe.
Chapitre 8 : Fluctuation d’échantillonnage.
Calcul de probabilités
Le pouvoir exécutif à deux têtes
PROBABILITÉS.
Application des lois de probabilité -Variable aléatoire discrète-
La ProbabilitÉ.
Histoire Science humaine qui étudie le passé pour comprendre le présent et s’orienter vers le futur.
PowerPoint 5 : Candidats et enjeux locaux
Faculté de Sciences Sociales de Strasbourg – L1S – 2017 Séance 3
Exercice 1 : Un lycée comporte 1000 élèves. 70% étudient l’anglais, 80% des élèves mangent à la cantine, et 80 non-anglicistes ne mangent pas à la cantine.
1 - Construction d'un abaque Exemple
Dimitri Zuchowski et Marc-Élie Lapointe
Exercice 2 : Déterminez les séries suivantes ( on ne donnera qu’une seule réponse possible ) satisfaisant les critères suivants : 1°) effectif 6, moyenne.
Sciences et technologie
Seconde 8 Chapitre 11: Trigonométrie
Chapitre 13 : Echantillonnage
Hasard et Probabilités, P. Thompson
Plans d’expériences: Plans factoriels
Les Plans d’expériences: Plans Factoriels
Calculer la moyenne de la série suivante.
Utiliser des caractéristiques de position et de dispersion
Lois et modèles.
Approximation de Pi par la méthode de Monte Carlo
2.2 Probabilité conditionnelle
3.3 loi discrète 1 cours 14.
3.6 Loi continue 3 cours 18.
Méthode Taguchy Analyse de la variance Anavar
3.5 Loi continue 2 cours 17.
Troisième Chapitre 3: Statistiques
4.2 Estimation d’une moyenne
3.5 Lois continues 1 cours 16.
Troisième Chapitre 9: Les Probabilités
Introduction aux statistiques Intervalles de confiance
1.2 dénombrement cours 2.
Lois de probabilités Intervalle de fluctuation
Pourquoi étudier la statistique ?
LES PROBABILITÉS Par : R . BOULAHBAL 2016 Free Powerpoint Templates.
LOG770 Annexe A Éléments de probabilité
Chapitre 8 : Fluctuation d’échantillonnage.
A. Zemmari SDRP & MA Modèles et Approches Formels pour les Systèmes Distribués -Algorithmes distribués probabilistes.
Lois de Probabilité Discrètes
Lois de Probabilité Discrètes
Question flash TSTI2D.
Second degré Dérivation Suites Statistiques Probabilités
Programme d’appui à la gestion publique et aux statistiques
De Scratch à Python : une transition douce… COMMUNICATION
Les nombres complexes Saison 1 - Épisode 2. Les nombres complexes Saison 1 - Épisode 2.
BIO1130 LAB 4 MICROÉVOLUTION.
Présentation 9 : Calcul de précision des estimateurs complexes
Comment identifier et délimiter le GS du verbe principal
MATHÉMATIQUES FINANCIÈRES I
SPECIALITE MATHEMATIQUES.
Analyse statistique des données expérimentales
Présentation 7 : Sondage en grappe
Présentation 6 : Sondage à plusieurs degrés
Résumé: PROBABILITÉS GÉOMÉTRIQUES
Exercice 2 : 1°) On admet qu’il y 49% de probabilité à la naissance d’avoir 1 fille. Quelle est la probabilité d’avoir 2 filles dans une famille de 3 enfants.
Statistiques et probabilités
Mathématiques – Mesure
Problèmes de proportionnalité
Dérivation – Fonctions cosinus et sinus
Transcription de la présentation:

3.4 Lois discrète 2 cours 15

Au dernier cours, nous avons vu Loi Binomiale Géométrique Binomiale négative

Loi de Poisson Loi hypergéométrique

Une variable aléatoire pouvant prendre pour valeurs Loi de poisson Une variable aléatoire pouvant prendre pour valeurs 0, 1, 2, 3, … avec paramètre est dite loi de Poisson

On peut vérifier que cette loi est bien une loi de probabilité La série de Taylor de

Un des intérêts qu’on porte à la loi de Poisson est dû au fait que dans certaines situations elle permet d’obtenir une approximation de la loi binomiale. Soit tel que est grand et est petit de telle sorte que soit moyen. par exemple

avec les conditions précédentes et posons Considérons avec les conditions précédentes et posons

avec les conditions précédentes et posons Considérons avec les conditions précédentes et posons

avec les conditions précédentes et posons Considérons avec les conditions précédentes et posons

avec les conditions précédentes et posons Considérons avec les conditions précédentes et posons

Voici quelques exemples de variable aléatoire qui suivent une loi de Poisson Le nombre de coquilles par page d’un livre. Le nombre d’individus dépassant l’âge de100 ans dans une ville. Le nombre de maisons vendu par un agent d’immeuble par jour. Le nombre de particules alpha émis par un élément radioactif par seconde Le nombre de postes devenu vacant dans une école par an. Dans ces cas on utilise pour la valeur moyenne

Ici le nombre d’atomes par gramme est grand On a mesuré qu’une matière radioactive émet en moyenne 2,3 particules par seconde par gramme. Quelle est la probabilité qu’au plus 3 particules soient émises? Exemple: Ici le nombre d’atomes par gramme est grand et la probabilité qu’un atome se désintègre est petite.

Faites les exercices suivants # 25 à 32

Loi hypergéométrique Considérons l’expérience aléatoire consistant à piger sans remise boules d’une urne en contenant . Il y a deux types de boules. On nomme les d’un type succès et les autre échec : le nombre de boules succès pigé. La loi d’une telle variable aléatoire est dite suivre une loi hypergéométrique

Le nombre de façons de piger boules parmi est le nombre de façons de piger succès donc

Ici nous ne démontrera pas comment on a obtenu l’espérance et la variance

Un groupe de calcul différentiel est composé de 10 étudiants en science humaine et de 20 étudiants en science de la nature. Exemple: L’enseignant sélectionne au hasard 8 étudiants. Quelle est la probabilité d’avoir sélectionné 5 étudiants en science de la nature?

Faites les exercices suivants # 3.33 et 3.34

Aujourd’hui, nous avons vu Loi Loi de Poisson Loi hypergéométrique

Devoir: # 3.25 à 3.34