Cette fonctionnalité est accessible dans la version Premium.
50
Flash
Compléter le graphe probabiliste ci‑dessous.
Dessinez ici
Pour écrire sur ce schéma, veuillez cliquer sur l'image et utiliser notre outil de dessin.
51
Flash
On note A et B les deux états d'une chaîne de Markov. Compléter les matrices de transition suivantes pour lesquelles les états sont rangés dans l'ordre alphabétique, puis construire le graphe probabiliste correspondant.
1.M=(0,2……0,91)
Dessinez ici
2.N=(⋯…0,171)
Dessinez ici
52
[Calculer.]
Compléter le graphe probabiliste ci‑dessous.
Dessinez ici
53
[Calculer.]
Compléter le graphe probabiliste ci‑dessous.
Cette fonctionnalité est accessible dans la version Premium.
54
[Modéliser.]
Représenter la situation suivante par un graphe probabiliste.
On modélise la météo d'un jour à l'autre en considérant uniquement les états suivants : beau temps (B), temps nuageux (N), temps pluvieux (P).
La modélisation nous indique que lorsqu'il fait beau, alors la probabilité que le lendemain soit nuageux est 0,5 et que le lendemain soit pluvieux est 0,2.
Lorsque le temps est nuageux, le lendemain reste nuageux avec une probabilité de 0,4 et devient pluvieux avec une probabilité de 0,4 également.
Finalement, lorsqu'il pleut, la probabilité que le lendemain soit nuageux est égale à 0,6 alors que la probabilité qu'il fasse beau est 0,1.
Cette fonctionnalité est accessible dans la version Premium.
55
[Modéliser.]
Lorsque Yazid réussit son pénalty, il a deux chances sur trois de réussir le suivant mais s'il le rate, il n'a alors qu'une chance sur quatre de réussir le prochain.
Modéliser cette situation par une chaîne de Markov en utilisant un graphe (en notant respectivement R et R les états correspondant à « réussir le pénalty » et « rater le pénalty ») puis en utilisant une matrice de transition.
Cette fonctionnalité est accessible dans la version Premium.
56
[Modéliser.]
John a des problèmes d'absentéisme :
lorsqu'il est absent une journée, la probabilité qu'il soit ponctuel le lendemain est 54 alors que celle d'être en retard s'élève à 201 ;
lorsqu'il est ponctuel, la probabilité qu'il soit ponctuel le lendemain est 53 alors que celle d'être en retard vaut 41 ;
lorsqu'il est en retard, la probabilité qu'il soit ponctuel le lendemain est 43 alors que celle d'être en retard est 81.
On note :
A l'événement « John est absent » ;
P l'événement « John est ponctuel » ;
R l'événement « John est en retard ».
Modéliser cette situation par une chaîne de Markov à trois états. On en donnera une représentation sous la forme d'un graphe probabiliste et sous la forme d'une matrice de transition M dans laquelle les sommets sont rangés dans l'ordre alphabétique.
Cette fonctionnalité est accessible dans la version Premium.
Histoire des maths
Le zoom est accessible dans la version Premium.
Crédits : Andrea444460 / Wikimedia
Le mathématicien russe Andreï Markov (1856‑1922) était un disciple de Tchebychev. Il a contribué au développement de la théorie des nombres, de l'analyse, et des probabilités, en étendant les conditions d'application de la loi des grands nombres.
57
[Représenter.]
1. Représenter par un graphe probabiliste une chaîne de Markov à deux états dont la matrice de transition est
M=(0,290,130,710,87).
Dessinez ici
2. Représenter par un graphe probabiliste une chaîne de Markov à trois états dont la matrice de transition est
N=⎝⎛0,20,550,60,10,30,280,70,150,12⎠⎞.
Dessinez ici
58
[Raisonner.]
Soit p∈[0;1]. On considère une chaîne de Markov associée au graphe probabiliste suivant.
Le zoom est accessible dans la version Premium.
1. Vérifier que 0⩽p(2−p)⩽1.
2. Montrer que PA(A)=(PB(B))2.
59
[Calculer.]
Chacune des matrices suivantes correspond à la matrice de transition d'une chaîne de Markov.
Compléter ces matrices puis représenter des graphes probabilistes leur correspondant.
1.A=(0,30,1……)
Dessinez ici
2.B=(0,42……0,65)
Dessinez ici
60
[Représenter.]
Représenter des graphes probabilistes correspondant aux matrices de transition ci‑dessous.
1.A=⎝⎛0,20,50,80,70,150,080,10,350,12⎠⎞
Dessinez ici
2.B=⎝⎛0,350,4000,50,80,650,10,2⎠⎞
Dessinez ici
61
[Représenter.]
Compléter les matrices de transition suivantes, puis représenter des graphes probabilistes leur correspondant.
1.A=⎝⎛0,15……0,130,420,34…0,230,66⎠⎞
Dessinez ici
2.B=⎝⎛⋯⋯0,5510,920,13⋯0,02…⎠⎞
Dessinez ici
62
[Modéliser.]
On considère une urne dans laquelle se trouvent deux boules blanches et deux boules noires, ces boules étant supposées indiscernables au toucher.
On tire une boule au hasard puis, sans la remettre, on tire une autre boule. On remet la boule tirée en premier et on en tire une nouvelle. On itère ensuite le processus en remettant à l'étape i la boule tirée à l'étape i−2 et en en tirant une nouvelle.
1. Quelle est la distribution de probabilité initiale ? On exprimera la réponse sous la forme d'une matrice ligne (probabiliteˊ noireprobabiliteˊ blanche).
2. Quelle est la probabilité d'obtenir une boule noire sachant que la boule tirée à l'étape précédente est noire ?
3. Modéliser cette situation par une chaîne de Markov en utilisant une matrice de transition et un graphe probabiliste.
Dessinez ici
Une erreur sur la page ? Une idée à proposer ?
Nos manuels sont collaboratifs, n'hésitez pas à nous en faire part.
Oups, une coquille
j'ai une idée !
Nous préparons votre pageNous vous offrons 5 essais
Yolène
Émilie
Jean-Paul
Fatima
Sarah
Premium activé
5
essais restants
Utilisation des cookies
Lors de votre navigation sur ce site, des cookies nécessaires au bon fonctionnement et exemptés de consentement sont déposés.