✔ Exploiter des situations de corrélations et des courbes de tendance
1
Photographie d’un bombardier.
2
Position des impacts de balles sur les bombardiers de retour de mission.
Pendant la seconde guerre mondiale, les Alliés constatèrent que leurs bombardiers revenaient de mission parfois touchés par des balles ennemies. Une étude statistique fut faite. Sur le dessin ci‑contre sont représentés par un point rouge les endroits les plus souvent touchés sur les bombardiers à leur retour.
Questions
1. Décrire précisément la population sur laquelle est effectuée cette étude statistique.
2. Reproduire le dessin et colorier les endroits où proposer de renforcer le blindage des avions.
Dessinez ici
3. Les points d’impact ont-ils empêché les avions de rentrer à la base ? Adapter alors la réponse à la question 2.
4. Indiquer le biais que l’on peut éviter en connaissant l’échantillon utilisé pour les mesures.
Quatre situations, dans lesquelles des données ont été collectées, sont représentées graphiquement ci-dessous. Chaque situation considère le lien entre deux séries de données, l’une en abscisse, l’autre en ordonnée.
a
b
c
d
Question
Parmi les quatre nuages de points ci-dessus, préciser ceux qui correspondent à une situation où les abscisses et les ordonnées sont fortement corrélées.
N=5
reponse="premier"
for i in range (2,N-1):
if N%i==0:
reponse="pas premier"
print (reponse)
⇧
Script Python déterminant si un nombre entier naturel est premier.
Le programme Python ci-contre a pour but de tester si un nombre est premier. Le programme affiche « premier » si le nombre indiqué par la variable N à la ligne 1 est un nombre premier. « N %i » donne le reste de la division euclidienne du nombre N par i.
Questions
1.
Tester le programme suivant avec N = 7, N = 11 et N = 27.
2. Proposer d’autres valeurs pour tester si le programme fonctionne. Justifier chacun de vos choix.
3. Si certains nombres qui ont été testés ne donnent pas la réponse attendue, modifier le programme pour le corriger.
✔ Analyser des documents et des situations mettant en jeu l’intelligence artificielle
⇧
La quantité de spams en circulation dépasse largement ce que nous en percevons.
Les spams représentent entre 55 à 95 % du trafic total des courriels envoyés. Une grande majorité de ces spams (près de 90 %) est filtrée en amont par les outils anti-spam des messageries et devient donc invisible aux yeux des internautes. Elle n’apparaît donc pas dans le dossier « Indésirables ».
On suppose de plus que l’outil anti-spam des messageries place dans le dossier « Indésirables » 95 % des spams qui ont passé le filtre en amont et 5 % des courriers légitimes.
D’après Signal Spam.
Questions
1. Estimer la proportion de spams dans une boîte de réception et dans un dossier « Indésirables ».
2. Conclure sur l’efficacité de l’outil anti-spam.