Pseudo-aléatoire

3 I. FONCTION GENERATRICE, TRANSFORMEE DE LAPLACE, TRANSFORME EN Z ................. 3 I.1. I.2. I.3. VARIABLE ALEATOIRE CONTINUE : FONCTION GENERATRICE .................................................................. 3 VARIABLE ALEATOIRE DISCRETE : TRANSFORME EN Z ............................................................................. 3 VARIABLE ALEATOIRE CONTINUE NON NEGATIVE : TRANSFORMEE DE LAPLACE..................................... 4 II. LOI DE POISSON ..........

Notations : Le modèle à estimer s’écrit : yt = a1xt + a0 + εt avec par exemple t = 1980, 1981,…, 2004 (qui peut être remplacé par un nombre : t = 1,2,…,T ) où t est la date à laquelle on observe la valeur de yt et de xt et εt est une variable aléatoire représentant l’erreur de spécification dont les caractéristiques seront précisées au cours de l’énoncé des hypothèses du modèle. On introduit la variable εt pour marquer le fait que toute modélisation d’un phénomène ne peut pas être parfaite.

très grande quantité, le comprimé d’un médicament. 1. Un comprimé est conforme si sa masse est comprise entre 890 et 920 mg. On admet que la masse en milligrammes d’un comprimé pris au hasard dans la production peut être modélisée par une variable aléatoire X qui suit la loi normale N (µ, σ2 ) de moyenne µ = 900 et d’écart-type σ = 7. a. Calculer la probabilité qu’un comprimé prélevé au hasard soit conforme. On arrondira à 10−2 . b. Déterminer l’entier positif h tel que P (900 − h X 900 + h) ≈ 0

Conditionnement par un événement de probabilité non nulle. Notation ( ). Indépendance de deux événements. Notions de lois à densité. Loi à densité sur un intervalle. Loi Uniforme sur [ ; ]. Espérance d’une variable aléatoire suivant une loi uniforme. Lois Exponentielles. Espérance d’une variable aléatoire suivant une loi exponentielle. Loi Normale centrée réduite, Théorème de Moivre-Laplace (admis). Loi Normale ( , ). CAPACITES ATTENDUES • Construire un arbre pondéré en lien avec une situation donnée. • Exploiter

1 2 3 1 2 3 4 5 6 4 5 6 7 8 9 7 8 9 Liens entre deux phénomènes La corrélation comme indice de lien entre deux phénomènes Def. : En probabilités et en statistique, étudier la corrélation entre deux ou plusieurs variables aléatoires ou statistiques, c’est étudier l’intensité de la liaison qui peut exister entre ces variables. La liaison recherchée est une relation affine. Problématique générale = étudier la relation linéaire entre 2 variables (une variable x et une variable

probabilistes Echantillonnage stratifié Méthode des quotas Méthodes des itinéraires Echantillons non probabilistes Echantillonnage de convenance Echantillonnage « boule de neige » -Echantillons probabilistes *Tirage au hasard: l’échantillon aléatoire consiste à tirer au hasard un individu de la population avec une probabilité connue et différente de zéro d’appartenir à l’échantillon. *Echantillonnage stratifié: il s’agit de répartir la population en classes appelées « strates » sur la base d’une

 Permet d’avoir accès à la population  Deux types Les nomenclatures Liste de noms et d’adresses qui donnent directement accès à des unités Exemple : •Liste d’hôpitaux •Liste des étudiants inscrits en médecine •Registre des entrées Les bases aléatoires Liste de « régions » qui donnent accès indirectement à des unités Exemple : •Quartier d’une ville •Service d’un hôpital La base de sondage  Doit être complète et à jour  Aucun membre de la population observée ne devrait en être exclu ni y être

Nous pouvons accepter l’hypothèse du directeur car dans ce lot, la fréquence de plantes résistantes 0,88 appartient à l’intervalle de fluctuation. 2. On considère la variable aléatoire X qui, à tout prélèvement de 100 sachets, associe le nombre de sachets donnant des plantes résistantes. On admet que la variable aléatoire X suit la loi binomiale de paramètres n = 100 et p = 0, 92. Sciences et technologies de l’industrie et du développement durable Sciences et technologies de laboratoire spécialité

suite. Ces expériences sont identiques et indépendantes. Définition : Plusieurs expériences sont identiques et indépendantes si : - elles ont les mêmes issues, - chaque issue possède la même probabilité. Propriété : On considère une expérience aléatoire à deux issues A et B avec les probabilités P(A) et P(B). Si on répète l'expérience deux fois de suite de façon identique et indépendante : - la probabilité d'obtenir l'issue A suivie de l'issue B est égale à P(A) x P(B), - la probabilité d'obtenir

l’Identique 3.0 non transposé. Table des matières Table des matières iii 1 Expériences aléatoires et probabilités 1 2 Conditionnement et indépendance 11 3 Variables aléatoires discrètes 3.1 Loi, fonction de répartition, espérance et 3.2 Lois discrètes classiques . . . . . . . . . 3.3 Variable fonction d’une autre variable . 3.4 Couples de variables aléatoires . . . . . . . . . 25 25 32 36 41 4 Variables aléatoires absolument continues 4.1 Densité, fonction de répartition et moments . . . . . .