Variables aléatoires Imprimer seulement Terminale, mathématiques complémentaires Les leçons de ce thème vues en Terminale, mathématiques complémentaires, prêtes pour le papier.
Imprimer Avec le corrigé
Pour obtenir un PDF, choisis « Enregistrer au format PDF » dans la fenêtre d'impression.
1. La loi géométrique Échauffement Trois questions rapides sur des leçons déjà vues.
Une maladie touche 5 100 \dfrac{ 5 }{100} 100 5 de la population. Un test est positif pour 90 % des malades et pour 3 100 \dfrac{ 3 }{100} 100 3 des non-malades. P ( M ∩ + ) P(M \cap +) P ( M ∩ + ) :P ( + ) P(+) P ( + ) :P + ( M ) P_+(M) P + ( M ) :On teste 3 personnes malades, indépendamment. Probabilité que les 3 tests soient positifs : Sur 100 personnes malades testées, nombre moyen de tests positifs : Un joueur réussit un lancer franc avec la probabilité 1 3 \dfrac{1}{ 3 } 3 1 . En 3 lancers indépendants, calcule la probabilité d'en réussir exactement un. Une graine germe avec la probabilité 1 3 \dfrac{1}{ 3 } 3 1 , indépendamment des autres. On plante 4 graines. Calcule la probabilité que exactement deux germent. Découvrir On lance un dé jusqu'au premier six. Quelle est la probabilité que le premier six arrive au 3e lancer ?
( 5 6 ) 2 × 1 6 \left(\dfrac{5}{6}\right)^2 \times \dfrac{1}{6} ( 6 5 ) 2 × 6 1 ( 5 6 ) 3 × 1 6 \left(\dfrac{5}{6}\right)^3 \times \dfrac{1}{6} ( 6 5 ) 3 × 6 1
L'idée clé On répète une épreuve de Bernoulli jusqu'au premier succès.
X X X , le rang du premier succès, suit la loi géométrique de paramètre p p p : P ( X = k ) = ( 1 − p ) k − 1 p P(X = k) = (1 - p)^{k - 1}p P ( X = k ) = ( 1 − p ) k − 1 p , P ( X > k ) = ( 1 − p ) k P(X > k) = (1 - p)^k P ( X > k ) = ( 1 − p ) k et E ( X ) = 1 p E(X) = \dfrac{1}{p} E ( X ) = p 1 .
Absence de mémoire : P X > n ( X > n + k ) = P ( X > k ) P_{X > n}(X > n + k) = P(X > k) P X > n ( X > n + k ) = P ( X > k ) .
Exemple corrigé p = 0,25 p = 0{,}25 p = 0 , 25 .
P ( X = 2 ) = 0,75 × 0,25 = 0,1875 P(X = 2) = 0{,}75 \times 0{,}25 = 0{,}1875 P ( X = 2 ) = 0 , 75 × 0 , 25 = 0 , 1875 Premier succès à la 2e épreuve.
P ( X ≤ 2 ) = 1 − 0,75 2 = 0,4375 P(X \leq 2) = 1 - 0{,}75^2 = 0{,}4375 P ( X ≤ 2 ) = 1 − 0 , 7 5 2 = 0 , 4375 Contraire de deux échecs.
À toi, guidé À toi : p = 0,1 p = 0{,}1 p = 0 , 1 . Calcule l'espérance.
Entraînement ★ Chaque appel aboutit avec la probabilité 1 2 \dfrac{1}{ 2 } 2 1 , indépendamment des autres. Calcule la probabilité que le premier succès ait lieu à l'appel 2. Chaque appel aboutit avec la probabilité 1 11 \dfrac{1}{ 11 } 11 1 , indépendamment des autres. Calcule la probabilité que le premier succès ait lieu à l'appel 9.
Une roue affiche « gagné » avec la probabilité 1 3 \dfrac{1}{ 3 } 3 1 . En moyenne, combien de lancers faut-il pour le premier gain ?
Attention ! Léa cherche la probabilité d'un succès en 3 essais au plus, avec p = 0,2 p = 0{,}2 p = 0 , 2 . Touche la ligne fausse.
0,2 + 0,2 + 0,2 = 0,6 0{,}2 + 0{,}2 + 0{,}2 = 0{,}6 0 , 2 + 0 , 2 + 0 , 2 = 0 , 6 Faux : additionner compte des cas qui se recoupent. On trouve 1 − 0,8³ = 0,488.
Aucun succès en 3 essais :
0,8 3 0{,}8^3 0 , 8 3 L'événement contraire.
Entraînement ★★ Chaque essai réussit avec la probabilité 1 4 \dfrac{1}{ 4 } 4 1 . Calcule la probabilité d'un premier succès dans les deux premiers essais. Chaque essai réussit avec la probabilité 1 15 \dfrac{1}{ 15 } 15 1 . Calcule la probabilité d'un premier succès dans les deux premiers essais.
Bilan Trois questions pour vérifier que c'est acquis.
Chaque appel aboutit avec la probabilité 1 2 \dfrac{1}{ 2 } 2 1 , indépendamment des autres. Calcule la probabilité que le premier succès ait lieu à l'appel 2. Chaque appel aboutit avec la probabilité 1 11 \dfrac{1}{ 11 } 11 1 , indépendamment des autres. Calcule la probabilité que le premier succès ait lieu à l'appel 9. Chaque appel aboutit avec la probabilité 1 3 \dfrac{1}{ 3 } 3 1 , indépendamment des autres. Calcule la probabilité que le premier succès ait lieu à l'appel 3.
Fiche résumé Loi géométrique
P ( X = k ) = ( 1 − p ) k − 1 p P(X = k) = (1 - p)^{k - 1}p P ( X = k ) = ( 1 − p ) k − 1 p et E ( X ) = 1 p E(X) = \dfrac{1}{p} E ( X ) = p 1 .
Attention : il y a k − 1 k - 1 k − 1 échecs avant le premier succès.
Il reste une étape facultative : un défi. Tente-le, ou termine la leçon maintenant.
Défi ★★★ Chaque essai réussit avec la probabilité 1 6 \dfrac{1}{ 6 } 6 1 . Calcule la probabilité que le premier succès arrive après le 6-ième essai.
2. Loi uniforme discrète et loi de Bernoulli Découvrir On lance un dé équilibré à six faces. Quelle est l'espérance du résultat ?
L'idée clé Deux lois de base.
Loi uniforme sur { 1 ; … ; n } \{1 ; \dots ; n\} { 1 ; … ; n } : P ( X = k ) = 1 n P(X = k) = \dfrac{1}{n} P ( X = k ) = n 1 et E ( X ) = n + 1 2 E(X) = \dfrac{n + 1}{2} E ( X ) = 2 n + 1 .
Loi de Bernoulli de paramètre p p p : P ( X = 1 ) = p P(X = 1) = p P ( X = 1 ) = p et P ( X = 0 ) = 1 − p P(X = 0) = 1 - p P ( X = 0 ) = 1 − p . Alors E ( X ) = p E(X) = p E ( X ) = p et σ ( X ) = p ( 1 − p ) \sigma(X) = \sqrt{p(1 - p)} σ ( X ) = p ( 1 − p ) .
Exemple corrigé X X X suit une loi de Bernoulli de paramètre 0,2 0{,}2 0 , 2 . Calcule E ( X ) E(X) E ( X ) et σ ( X ) \sigma(X) σ ( X ) .
E ( X ) = 0,2 E(X) = 0{,}2 E ( X ) = 0 , 2 Espérance.
σ ( X ) = 0,2 × 0,8 = 0,4 \sigma(X) = \sqrt{0{,}2 \times 0{,}8} = 0{,}4 σ ( X ) = 0 , 2 × 0 , 8 = 0 , 4 Écart type.
À toi, guidé À toi : quelle est l'espérance d'une loi uniforme sur { 1 ; … ; 9 } \{1 ; \dots ; 9\} { 1 ; … ; 9 } ?
Entraînement ★ X X X suit la loi uniforme sur { 1 ; … ; 5 } \{1 ; \dots ; 5\} { 1 ; … ; 5 } . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi uniforme sur { 1 ; … ; 51 } \{1 ; \dots ; 51\} { 1 ; … ; 51 } . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi uniforme sur { 1 ; … ; 6 } \{1 ; \dots ; 6\} { 1 ; … ; 6 } . Calcule E ( X ) E(X) E ( X ) .
Attention ! Théa étudie une loi de Bernoulli avec p = 0,3 p = 0{,}3 p = 0 , 3 . Touche la ligne fausse.
E ( X ) = 0,3 E(X) = 0{,}3 E ( X ) = 0 , 3 Exact.
σ ( X ) = 0,3 × 0,7 \sigma(X) = 0{,}3 \times 0{,}7 σ ( X ) = 0 , 3 × 0 , 7 Faux : σ(X) = √(0,3 × 0,7).
Entraînement ★★ X X X suit une loi de Bernoulli de paramètre 1 2 \dfrac{1}{ 2 } 2 1 . Calcule V ( X ) V(X) V ( X ) .X X X suit une loi de Bernoulli de paramètre 1 11 \dfrac{1}{ 11 } 11 1 . Calcule V ( X ) V(X) V ( X ) .
X X X suit une loi de Bernoulli de paramètre 1 4 \dfrac{1}{ 4 } 4 1 . Calcule E ( X ) E(X) E ( X ) .
X X X suit la loi uniforme sur { 1 ; … ; 6 } \{1 ; \dots ; 6\} { 1 ; … ; 6 } . Calcule P ( X ≤ 2 ) P(X \leq 2) P ( X ≤ 2 ) .
Bilan Trois questions pour vérifier que c'est acquis.
X X X suit la loi uniforme sur { 1 ; … ; 5 } \{1 ; \dots ; 5\} { 1 ; … ; 5 } . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi uniforme sur { 1 ; … ; 51 } \{1 ; \dots ; 51\} { 1 ; … ; 51 } . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi uniforme sur { 1 ; … ; 6 } \{1 ; \dots ; 6\} { 1 ; … ; 6 } . Calcule E ( X ) E(X) E ( X ) .
Fiche résumé Lois de base
Uniforme : E = n + 1 2 E = \dfrac{n + 1}{2} E = 2 n + 1 . Bernoulli : E = p E = p E = p et σ = p ( 1 − p ) \sigma = \sqrt{p(1 - p)} σ = p ( 1 − p ) . Attention : l'écart type a une racine carrée.
Il reste une étape facultative : un défi. Tente-le, ou termine la leçon maintenant.
Défi ★★★ X X X suit la loi uniforme sur { 1 ; … ; 14 } \{1 ; \dots ; 14\} { 1 ; … ; 14 } . Sachant que V ( X ) = n 2 − 1 12 V(X) = \dfrac{n^2 - 1}{12} V ( X ) = 12 n 2 − 1 , calcule σ ( X ) \sigma(X) σ ( X ) .
3. Lois à densité Échauffement Trois questions rapides sur des leçons déjà vues.
Calcule ∫ 0 3 x 2 d x \displaystyle\int_0^{ 3 } x^2\,\mathrm{d}x ∫ 0 3 x 2 d x . Calcule ∫ 0 π / 5 cos x d x \displaystyle\int_0^{\pi/5} \cos x\,\mathrm{d}x ∫ 0 π /5 cos x d x . Donne la valeur exacte. Calcule ∫ − 1 4 ( 2 x + 1 ) d x \displaystyle\int_{ -1 }^{ 4 } (2x + 1)\,\mathrm{d}x ∫ − 1 4 ( 2 x + 1 ) d x . Découvrir X X X suit une loi à densité. Que vaut P ( X = 2 ) P(X = 2) P ( X = 2 ) ?
L'idée clé Une probabilité est une aire sous la courbe de densité.
f f f est une densité sur [ a ; b ] [a ; b] [ a ; b ] si f ≥ 0 f \geq 0 f ≥ 0 et ∫ a b f ( x ) d x = 1 \displaystyle\int_a^b f(x)\,\mathrm{d}x = 1 ∫ a b f ( x ) d x = 1 . Alors P ( c ≤ X ≤ d ) = ∫ c d f ( x ) d x P(c \leq X \leq d) = \displaystyle\int_c^d f(x)\,\mathrm{d}x P ( c ≤ X ≤ d ) = ∫ c d f ( x ) d x .
F ( x ) = P ( X ≤ x ) F(x) = P(X \leq x) F ( x ) = P ( X ≤ x ) est la fonction de répartition . E ( X ) = ∫ a b x f ( x ) d x E(X) = \displaystyle\int_a^b xf(x)\,\mathrm{d}x E ( X ) = ∫ a b x f ( x ) d x et V ( X ) = ∫ a b ( x − E ( X ) ) 2 f ( x ) d x V(X) = \displaystyle\int_a^b (x - E(X))^2f(x)\,\mathrm{d}x V ( X ) = ∫ a b ( x − E ( X ) ) 2 f ( x ) d x .
Exemple corrigé f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 0,5 ) P(X \leq 0{,}5) P ( X ≤ 0 , 5 ) et E ( X ) E(X) E ( X ) .
P ( X ≤ 0,5 ) = 0,5 2 = 0,25 P(X \leq 0{,}5) = 0{,}5^2 = 0{,}25 P ( X ≤ 0 , 5 ) = 0 , 5 2 = 0 , 25 Primitive x².
E ( X ) = ∫ 0 1 2 x 2 d x = 2 3 E(X) = \displaystyle\int_0^1 2x^2\,\mathrm{d}x = \dfrac{2}{3} E ( X ) = ∫ 0 1 2 x 2 d x = 3 2 Espérance.
À toi, guidé À toi : f f f est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Que vaut ∫ 0 1 f ( x ) d x \displaystyle\int_0^1 f(x)\,\mathrm{d}x ∫ 0 1 f ( x ) d x ?
Entraînement ★ f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 1 2 ) P\left(X \leq \dfrac{1}{ 2 }\right) P ( X ≤ 2 1 ) .f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 1 21 ) P\left(X \leq \dfrac{1}{ 21 }\right) P ( X ≤ 21 1 ) .f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 1 3 ) P\left(X \leq \dfrac{1}{ 3 }\right) P ( X ≤ 3 1 ) .
Attention ! Une densité vérifie f ( 3 ) = 1,2 f(3) = 1{,}2 f ( 3 ) = 1 , 2 . Touche la ligne fausse.
C'est possible.
Exact : une densité peut dépasser 1.
Donc
P ( X = 3 ) = 1,2 P(X = 3) = 1{,}2 P ( X = 3 ) = 1 , 2 .
Faux : une probabilité est une aire : P(X = 3) = 0.
Entraînement ★★ f ( x ) = k x f(x) = kx f ( x ) = k x est une densité sur [ 0 ; 4 ] [0 ; 4] [ 0 ; 4 ] . Trouve k k k .f ( x ) = k x f(x) = kx f ( x ) = k x est une densité sur [ 0 ; 22 ] [0 ; 22] [ 0 ; 22 ] . Trouve k k k .
X X X suit une loi à densité. Que vaut P ( X = 2 ) P(X = 2) P ( X = 2 ) ?0 f ( 2 ) f(2) f ( 2 ) 1
f f f est constante, égale à k k k , sur [ 0 ; 4 ] [0 ; 4] [ 0 ; 4 ] , et c'est une densité. Que vaut k k k ?
Bilan Trois questions pour vérifier que c'est acquis.
f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 1 2 ) P\left(X \leq \dfrac{1}{ 2 }\right) P ( X ≤ 2 1 ) .f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 1 21 ) P\left(X \leq \dfrac{1}{ 21 }\right) P ( X ≤ 21 1 ) .f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 1 3 ) P\left(X \leq \dfrac{1}{ 3 }\right) P ( X ≤ 3 1 ) .
Fiche résumé Lois à densité
Probabilité = aire sous la densité. P ( X = a ) = 0 P(X = a) = 0 P ( X = a ) = 0 .Attention : la densité n'est pas une probabilité.
Il reste une étape facultative : un défi. Tente-le, ou termine la leçon maintenant.
Défi ★★★ X X X a pour densité f ( x ) = 5 x 4 f(x) = 5x^{ 4 } f ( x ) = 5 x 4 sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule E ( X ) E(X) E ( X ) .
4. Loi uniforme sur un intervalle Échauffement Trois questions rapides sur des leçons déjà vues.
f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 1 2 ) P\left(X \leq \dfrac{1}{ 2 }\right) P ( X ≤ 2 1 ) .f ( x ) = k x f(x) = kx f ( x ) = k x est une densité sur [ 0 ; 4 ] [0 ; 4] [ 0 ; 4 ] . Trouve k k k .X X X suit une loi à densité. Que vaut P ( X = 2 ) P(X = 2) P ( X = 2 ) ?0 f ( 2 ) f(2) f ( 2 ) 1 Découvrir On choisit au hasard un nombre dans [ 0 ; 10 ] [0 ; 10] [ 0 ; 10 ] . Quelle est la probabilité qu'il soit entre 2 et 5 ?
L'idée clé La densité est constante.
Loi uniforme sur [ a ; b ] [a ; b] [ a ; b ] : f ( x ) = 1 b − a f(x) = \dfrac{1}{b - a} f ( x ) = b − a 1 , P ( c ≤ X ≤ d ) = d − c b − a P(c \leq X \leq d) = \dfrac{d - c}{b - a} P ( c ≤ X ≤ d ) = b − a d − c .
E ( X ) = a + b 2 E(X) = \dfrac{a + b}{2} E ( X ) = 2 a + b et V ( X ) = ( b − a ) 2 12 V(X) = \dfrac{(b - a)^2}{12} V ( X ) = 12 ( b − a ) 2 .
Exemple corrigé X X X suit la loi uniforme sur [ 2 ; 8 ] [2 ; 8] [ 2 ; 8 ] . Calcule P ( X ≤ 5 ) P(X \leq 5) P ( X ≤ 5 ) et E ( X ) E(X) E ( X ) .
P ( X ≤ 5 ) = 0,5 P(X \leq 5) = 0{,}5 P ( X ≤ 5 ) = 0 , 5 Longueur 3 sur longueur 6.
À toi, guidé À toi : quelle est la densité de la loi uniforme sur [ 0 ; 4 ] [0 ; 4] [ 0 ; 4 ] ?
Entraînement ★ X X X suit la loi uniforme sur [ 4 ; 6 ] [4 ; 6] [ 4 ; 6 ] . Calcule P ( X ≤ 5 ) P(X \leq 5) P ( X ≤ 5 ) .X X X suit la loi uniforme sur [ 26 ; 73 ] [26 ; 73] [ 26 ; 73 ] . Calcule P ( X ≤ 27 ) P(X \leq 27) P ( X ≤ 27 ) .X X X suit la loi uniforme sur [ 2 ; 4 ] [2 ; 4] [ 2 ; 4 ] . Calcule P ( X ≤ 3 ) P(X \leq 3) P ( X ≤ 3 ) .
Attention ! Malo étudie une loi uniforme sur [ 1 ; 3 ] [1 ; 3] [ 1 ; 3 ] . Touche la ligne fausse.
Exact : milieu de l'intervalle.
Faux : la densité vaut 1/(b − a) = 1/2.
Entraînement ★★ X X X suit la loi uniforme sur [ 8 ; 10 ] [8 ; 10] [ 8 ; 10 ] . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi uniforme sur [ 83 ; 131 ] [83 ; 131] [ 83 ; 131 ] . Calcule E ( X ) E(X) E ( X ) .
X X X suit la loi uniforme sur [ 4 ; 6 ] [4 ; 6] [ 4 ; 6 ] . Quelle est la valeur de sa densité sur cet intervalle ?
X X X suit la loi uniforme sur [ 6 ; 11 ] [6 ; 11] [ 6 ; 11 ] . Calcule P ( 7 ≤ X ≤ 10 ) P(7 \leq X \leq 10) P ( 7 ≤ X ≤ 10 ) .
Bilan Trois questions pour vérifier que c'est acquis.
X X X suit la loi uniforme sur [ 4 ; 6 ] [4 ; 6] [ 4 ; 6 ] . Calcule P ( X ≤ 5 ) P(X \leq 5) P ( X ≤ 5 ) .X X X suit la loi uniforme sur [ 26 ; 73 ] [26 ; 73] [ 26 ; 73 ] . Calcule P ( X ≤ 27 ) P(X \leq 27) P ( X ≤ 27 ) .X X X suit la loi uniforme sur [ 2 ; 4 ] [2 ; 4] [ 2 ; 4 ] . Calcule P ( X ≤ 3 ) P(X \leq 3) P ( X ≤ 3 ) .
Fiche résumé Uniforme
f = 1 b − a f = \dfrac{1}{b - a} f = b − a 1 .E = a + b 2 E = \dfrac{a + b}{2} E = 2 a + b .Attention : une probabilité est un rapport de longueurs.
Il reste une étape facultative : un défi. Tente-le, ou termine la leçon maintenant.
Défi ★★★ X X X suit la loi uniforme sur [ 6 ; 12 ] [6 ; 12] [ 6 ; 12 ] . Sachant que V ( X ) = ( b − a ) 2 12 V(X) = \dfrac{(b - a)^2}{12} V ( X ) = 12 ( b − a ) 2 , calcule V ( X ) V(X) V ( X ) .
5. Loi exponentielle Échauffement Trois questions rapides sur des leçons déjà vues.
f ( x ) = 2 x f(x) = 2x f ( x ) = 2 x est une densité sur [ 0 ; 1 ] [0 ; 1] [ 0 ; 1 ] . Calcule P ( X ≤ 1 2 ) P\left(X \leq \dfrac{1}{ 2 }\right) P ( X ≤ 2 1 ) .f ( x ) = k x f(x) = kx f ( x ) = k x est une densité sur [ 0 ; 4 ] [0 ; 4] [ 0 ; 4 ] . Trouve k k k .X X X suit une loi à densité. Que vaut P ( X = 2 ) P(X = 2) P ( X = 2 ) ?0 f ( 2 ) f(2) f ( 2 ) 1 Découvrir X X X est un temps d'attente de loi exponentielle. On a déjà attendu 5 minutes. Quelle est l'influence sur l'attente restante ?
Aucune Elle sera plus courte
L'idée clé Une loi d'attente sans mémoire.
Loi exponentielle de paramètre λ > 0 \lambda > 0 λ > 0 : f ( x ) = λ e − λ x f(x) = \lambda\mathrm{e}^{-\lambda x} f ( x ) = λ e − λ x sur [ 0 ; + ∞ [ [0 ; +\infty[ [ 0 ; + ∞ [ .
P ( X ≤ t ) = 1 − e − λ t P(X \leq t) = 1 - \mathrm{e}^{-\lambda t} P ( X ≤ t ) = 1 − e − λ t , P ( X > t ) = e − λ t P(X > t) = \mathrm{e}^{-\lambda t} P ( X > t ) = e − λ t et E ( X ) = 1 λ E(X) = \dfrac{1}{\lambda} E ( X ) = λ 1 . De plus, P X > s ( X > s + t ) = P ( X > t ) P_{X > s}(X > s + t) = P(X > t) P X > s ( X > s + t ) = P ( X > t ) .
Exemple corrigé λ = 0,5 \lambda = 0{,}5 λ = 0 , 5 . Calcule P ( X > 2 ) P(X > 2) P ( X > 2 ) et E ( X ) E(X) E ( X ) .
P ( X > 2 ) = e − 1 P(X > 2) = \mathrm{e}^{-1} P ( X > 2 ) = e − 1 e^(−λt).
À toi, guidé À toi : pour λ = 2 \lambda = 2 λ = 2 , que vaut E ( X ) E(X) E ( X ) ?
Entraînement ★ X X X suit la loi exponentielle de paramètre λ = 3 \lambda = 3 λ = 3 . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi exponentielle de paramètre λ = 92 \lambda = 92 λ = 92 . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi exponentielle de paramètre λ = 4 \lambda = 4 λ = 4 . Calcule E ( X ) E(X) E ( X ) .
Attention ! Raphaël étudie P ( X ≤ t ) P(X \leq t) P ( X ≤ t ) . Touche la ligne fausse.
P ( X ≤ t ) = e − λ t P(X \leq t) = \mathrm{e}^{-\lambda t} P ( X ≤ t ) = e − λ t Faux : P(X ≤ t) = 1 − e^(−λt) : e^(−λt) est P(X > t).
P ( X > t ) = e − λ t P(X > t) = \mathrm{e}^{-\lambda t} P ( X > t ) = e − λ t La bonne formule.
Entraînement ★★ X X X suit la loi exponentielle de paramètre λ = 2 \lambda = 2 λ = 2 . Calcule P ( X > 2 ) P(X > 2) P ( X > 2 ) .X X X suit la loi exponentielle de paramètre λ = 3 \lambda = 3 λ = 3 . Calcule P ( X > 2 ) P(X > 2) P ( X > 2 ) .
Que signifie la propriété « sans mémoire » de la loi exponentielle ? P X ≥ s ( X ≥ s + t ) = P ( X ≥ t ) P_{X \geq s}(X \geq s + t) = P(X \geq t) P X ≥ s ( X ≥ s + t ) = P ( X ≥ t ) P ( X ≥ s + t ) = P ( X ≥ s ) + P ( X ≥ t ) P(X \geq s + t) = P(X \geq s) + P(X \geq t) P ( X ≥ s + t ) = P ( X ≥ s ) + P ( X ≥ t ) X X X prend toujours la même valeur
X X X suit la loi exponentielle de paramètre 5. Calcule P ( X ≤ 0 ) P(X \leq 0) P ( X ≤ 0 ) .
Bilan Trois questions pour vérifier que c'est acquis.
X X X suit la loi exponentielle de paramètre λ = 3 \lambda = 3 λ = 3 . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi exponentielle de paramètre λ = 92 \lambda = 92 λ = 92 . Calcule E ( X ) E(X) E ( X ) .X X X suit la loi exponentielle de paramètre λ = 4 \lambda = 4 λ = 4 . Calcule E ( X ) E(X) E ( X ) .
Fiche résumé Loi exponentielle
P ( X > t ) = e − λ t P(X > t) = \mathrm{e}^{-\lambda t} P ( X > t ) = e − λ t .E ( X ) = 1 λ E(X) = \dfrac{1}{\lambda} E ( X ) = λ 1 .Attention : pas de mémoire : l'attente passée ne compte pas.
Il reste une étape facultative : un défi. Tente-le, ou termine la leçon maintenant.
Défi ★★★ X X X suit la loi exponentielle de paramètre 7. Quel réel m m m vérifie P ( X ≤ m ) = 1 2 P(X \le m) = \dfrac{1}{2} P ( X ≤ m ) = 2 1 ?
Corrigé: Variables aléatoires 1. La loi géométrique A
a) 9 200 \frac{9}{200} 200 9 b) 147 2000 \frac{147}{2000} 2000 147 c) 30 49 \frac{30}{49} 49 30 d) 729 1000 \frac{729}{1000} 1000 729 e) 90 90 90 4 9 \frac{4}{9} 9 4 8 27 \frac{8}{27} 27 8 B
0,25 0{,}25 0 , 25 100000000 2357947691 \frac{100000000}{2357947691} 2357947691 100000000 D
0,4375 0{,}4375 0 , 4375 29 225 \frac{29}{225} 225 29 E
0,25 0{,}25 0 , 25 100000000 2357947691 \frac{100000000}{2357947691} 2357947691 100000000 4 27 \frac{4}{27} 27 4 F
15625 46656 \frac{15625}{46656} 46656 15625 2. Loi uniforme discrète et loi de Bernoulli B
0,25 0{,}25 0 , 25 10 121 \frac{10}{121} 121 10 F
65 2 \frac{\sqrt{65}}{2} 2 65 3. Lois à densité A
9 9 9 5 8 − 5 8 \sqrt{\frac{5}{8} - \frac{\sqrt{5}}{8}} 8 5 − 8 5 20 20 20 B
0,25 0{,}25 0 , 25 1 441 \frac{1}{441} 441 1 1 9 \frac{1}{9} 9 1 C
0,125 0{,}125 0 , 125 1 242 \frac{1}{242} 242 1 F
0,25 0{,}25 0 , 25 1 441 \frac{1}{441} 441 1 1 9 \frac{1}{9} 9 1 4. Loi uniforme sur un intervalle A
0,25 0{,}25 0 , 25 0,125 0{,}125 0 , 125 0 B
0,5 0{,}5 0 , 5 1 47 \frac{1}{47} 47 1 0,5 0{,}5 0 , 5 F
0,5 0{,}5 0 , 5 1 47 \frac{1}{47} 47 1 0,5 0{,}5 0 , 5 5. Loi exponentielle A
0,25 0{,}25 0 , 25 0,125 0{,}125 0 , 125 0 B
1 3 \frac{1}{3} 3 1 1 92 \frac{1}{92} 92 1 0,25 0{,}25 0 , 25 C
e − 4 e^{-4} e − 4 e − 6 e^{-6} e − 6 D
P X ≥ s ( X ≥ s + t ) = P ( X ≥ t ) P_{X \geq s}(X \geq s + t) = P(X \geq t) P X ≥ s ( X ≥ s + t ) = P ( X ≥ t ) F
1 3 \frac{1}{3} 3 1 1 92 \frac{1}{92} 92 1 0,25 0{,}25 0 , 25 G
ln ( 2 ) 7 \frac{\ln{\left(2 \right)}}{7} 7 l n ( 2 ) Sources et crédits Sources utilisées dans ces leçons :
sedifier a réécrit le texte et ajouté ses propres exemples et exercices.
Rédigé avec l'aide d'une IA ; chaque réponse est vérifiée par notre moteur de calcul. Pas encore relu par un enseignant.
Ces pages : CC BY-SA 4.0 , © sedifier · Tous les crédits