QCM : Introduction aux probabilités et variables aléatoires — 6 questions

Questions et réponses du QCM

1. Quelle est la définition de la probabilité conditionnelle d’un événement A sachant B ?

P(A | B) = P(A ∩ B) - P(B)
La probabilité que A se produise indépendamment de B
P(A | B) = P(A ∩ B) / P(B)
P(A | B) = P(A ∩ B) × P(B)

P(A | B) = P(A ∩ B) / P(B)

Explication

La probabilité conditionnelle de A sachant B est définie par P(A | B) = P(A ∩ B) / P(B), à condition que P(B) soit différent de zéro. C’est une formule fondamentale en probabilités pour mettre à jour la probabilité d’un événement en tenant compte d’une information préalable.

2. Lorsqu'on définit une expérience aléatoire en probabilités, comment doit-on procéder pour assurer que tous les résultats possibles soient pris en compte de manière cohérente ?

On doit définir un seul résultat qui résume toute l'expérience.
On doit se concentrer uniquement sur les résultats les plus fréquents.
On doit lister tous les résultats possibles et vérifier qu'ils couvrent tous les cas sans omission.
On doit choisir uniquement les résultats qui semblent les plus probables.

On doit lister tous les résultats possibles et vérifier qu'ils couvrent tous les cas sans omission.

Explication

Pour définir une expérience aléatoire de manière cohérente, il faut établir un ensemble de résultats possibles appelé espace échantillon, qui doit couvrir tous les résultats envisageables de l'expérience sans en omettre. Cela garantit que chaque résultat ou résultat possible est pris en compte dans l'analyse probabiliste.

3. Par rapport à leur ensemble de valeurs possibles, quelles sont les principales caractéristiques qui différencient une variable aléatoire discrète d'une variable continue ?

Une variable discrète est caractérisée par sa fonction de densité, alors que la variable continue est définie par sa fonction de masse.
Les variables discrètes ont des lois de probabilité continues, tandis que les variables continues ont des lois discrètes.
Une variable discrète ne peut prendre qu’un nombre fini ou dénombrable de valeurs, tandis qu’une variable continue peut prendre toutes les valeurs d’un intervalle.
Une variable discrète ne peut pas être modélisée par une fonction de répartition, contrairement à une variable continue.

Une variable discrète ne peut prendre qu’un nombre fini ou dénombrable de valeurs, tandis qu’une variable continue peut prendre toutes les valeurs d’un intervalle.

Explication

Une variable aléatoire discrète ne peut prendre qu’un nombre fini ou dénombrable de valeurs, tandis qu’une variable continue peut prendre toutes les valeurs d’un intervalle ou d’un ensemble non dénombrable, ce qui est la principale différence caractéristique.

4. Quand la notion moderne de loi de probabilité a-t-elle été principalement formalisée par Pierre-Simon Laplace ?

Au début du XVIIIe siècle, vers 1720
Au début du XIXe siècle, vers 1810
Au milieu du XVIIe siècle, vers 1650
À la fin du XIXe siècle, vers 1890

Au début du XIXe siècle, vers 1810

Explication

Pierre-Simon Laplace a largement contribué à la formalisation des lois de probabilité au début du XIXe siècle, notamment dans son ouvrage 'Théorie analytique des probabilités' publié en 1812, ce qui en fait la réponse correcte.

5. Quelle est la fonction principale de la formule P(A|B) = P(A ∩ B) / P(B) en probabilités ?

Calculer la probabilité d’un événement A sans condition
Calculer la probabilité d’un événement A sachant B dans un contexte conditionnel
Estimer la fréquence d’un événement dans une expérience répétée
Déterminer si deux événements sont indépendants

Calculer la probabilité d’un événement A sachant B dans un contexte conditionnel

Explication

La formule P(A|B) = P(A ∩ B) / P(B) est utilisée pour calculer la probabilité conditionnelle de A sachant B, c’est-à-dire la mise à jour de la probabilité de A en tenant compte de l’information que B s’est produit. Elle permet d’ajuster la probabilité en fonction de cette nouvelle donnée, ce qui est essentiel dans l’analyse probabiliste conditionnelle.

6. Qui est crédité d'avoir formulé la théorie de l'information, fondamentale pour les applications en NSI ?

Claude Shannon
Donald Knuth
Alan Turing
John von Neumann

Claude Shannon

Explication

Claude Shannon, considéré comme le père de la théorie de l'information, a publié en 1948 son article fondateur. Il a introduit les concepts fondamentaux qui permettent de quantifier, coder, et transmettre l'information dans les systèmes informatiques et les réseaux, ce qui est au cœur des applications en NSI.

Révisez avec les flashcards

Mémorisez les réponses avec 12 flashcards sur Introduction aux probabilités et variables aléatoires.

Espace échantillon — définition ?

Ensemble de tous les résultats possibles.

Probabilité conditionnelle — rôle ?

Met à jour la probabilité avec une information préalable.

Événements indépendants — différence ?

Indépendants si P(A∩B)=P(A)×P(B).

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Introduction aux probabilités et variables aléatoires.

Voir la fiche →

Cours similaires

Actions et mouvement

Physique

Gel pour les veines

Grandeurs composées et conversions

Mathématiques

Réciproque de Pythagore

Mathématiques

Réussir ses études efficacement

Les émotions humaines

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM