Académique Documents
Professionnel Documents
Culture Documents
1- Limites et continuité
ln( x)
lim ln( x) ; lim ln( x) , lim x n ln( x) 0 , lim 0 ;
x x 0 x 0 x x n
ln(1 x) ln( x)
lim 1, lim 1
x 0 x x 1 x 1
ex
lim e x 0 , lim e x , lim ,
x x x x n
ex 1
lim x n e x 0 , lim 1.
x x 0 x
Proposition :
soient f et g deux foctions définies sur I et x I ; f ( x) g ( x) .
Si lim f alors lim g
Si lim g alors lim f
Si x I ; f ( x) l g ( x) et lim g 0 alors lim f l .
f est cotinue en a lim f f (a) .
a
Théorème (T.V.I)
Soit f : I fonction continue sur I . a, b I ( a b ).
Si f (a) f ( b) 0 alors l’équation f ( x) 0 admet au moibs une solution sur
a , b . Et si f est strictement monotone sur a , b alors cette solution est
unique .
Théorème de la bijection ;
Soit f : I fonction continue sur I et strictement monotone . elle réalise
une bijection de I sur J f ( I ) et :
Pour tout y J , l’équation f ( x) y admet une unique solution sur I . En
particulier si 0 J l’éqution f ( x) 0 admet une unique solution sur I .
Branches infinies
Si lim f alors si :
Dérivées successives :
Si f est dérivable plusieurs fois ;
Point d’inflexion :
Soit f : I . ( I intervalle ouvert) deux fois dérivable.
Si f " s’annule en x0 I en changeant de signe , alors le point de
coorodonnés ( x0 , f ( x0 ))
Proposition :
Soit f : I . ( I intervalle ouvert)dérivable.
Si f est convexe sur I alors C f est en dessus de ses tangentes c’est à dire :
x, x0 I ; f ( x) f '( x0 )( x x0 ) f ( x0 )
Si f est concave sur I alors C f est en dessous de ses tangentes c’est à dire :
x, x0 I ; f ( x) f '( x0 )( x x0 ) f ( x0 ) .
Proposition 2 :
Soit f : I fonction continue sur I et f ( I ) I .
Si x I ; f ( x) x 0 alors (un ) est .
Si x I ; f ( x) x 0 alors (un ) est .
Proposition 3 :
Soit f : I fonction continue sur I et f ( I ) I .
(un ) converge alors sa limite est solution de l’équation : x I ; f ( x) x
Si la suite
3- INTEGRATION
Déf :
Soit f : a , b une fonction continue . soit F une primitive de f sur
a , b
b
f g f g .
a a a
b b
f f .
a a
b b
Si f g alors f g.
a a
b c b
f f f (relation de chasles ).
a a c
b
Suite : un x n f ( x)dx .
a
a a a a
a a
Régle :
b
u ln(Q( x))
I P( x) ln(Q( x))dx on pose .
a v ' P ( x )
b
u P( x)
J P( x)ex dx on pose x
a v ' e
R3
Soit n *
.
ln x ln(1 x)
1- lim( x n ln x) =0 , lim =0 , lim 1
x 0 x n 0
x x x
ex ex 1
2- lim x n e x =0 , lim n , lim 1
x x x x 0 x
R4
Soient f , g : I deux fonctions dérivables sur I . Et g ne s’annule pas sur I .
1- L’équation de la tangente à C f au point d’abscisse x0 est : (T ): y ....
'
g f ' g fg '
, f n nf ' f n 1 e
' '
2- ( fg ) ' f ' g fg ' , 2
, f
f 'e f
f g
f' f'
'
3- Si f 0 sur I , alors ln f f
'
,
f 2 f
R5
Soient A et B deux matrices carrées .
A
t
1- Si A et B sont inversibles alors ( AB ) 1 B1 A1 , ( t A) 1 1
n
2- Si AB BA alors ( A B ) n C
k 0
k
n Ak B n k
3- Si A vérifie A 3 A 2 A 0
3 2
R9
Soit X une variable aléatoire de densité f . On suppose que X admet une espérance et une variance .
x V ( X ) E( X ) E( X )
2
1- E( X ) xf ( x)dx , E( X 2 ) 2
f ( x)dx , 2
2- Si X alors
1
f ( x) si x a , b
a- Une densité f de X est ba
f ( x) 0 sinon
ab (b a) 2
b- E ( X ) et V (X ) V (X )
2 12
3- Si X alors :
f ( x) e x si x 0
a- Une densité de X est . .
f ( x) 0 si x 0
1 1
b- E ( X ) et V ( X ) 2 .
R10
Soit X .
1- On suppose qu’on peut approcher X par une v.a Y alors np .
2- On suppose qu’on peut approcher X par une v.a Z 2 .
Z m
a- La variable aléatoire .
b- m np et np(1 p)
2
c- E (Z ) m et V (Z ) 2
E( X 2 )
aX ( )
a 2 P( X a) .
V ( X ) E( X 2 ) E( X )
2
Propriétés : soient X et Y deux V.a qui admettent des espérances et des variances . a , b .
E ( X Y ) E ( X ) E (Y )
E (aX b) aE ( X ) b
V (aX b) a 2V ( X )
3- Lois usuelles (variables aléatoires discrètes )
Variables aléatoires discrètes finies.
La loi de la variable aléatoire Espérance et variance
Loi de Bernoulli : X
X () 0,1 . E( X ) p et V ( X ) p(1 p)
P( X 1) p
Loi binomial : X .
X nb de succès (définir le succès) au cours de n
répétitions. E ( X ) np et V ( X ) np(1 p)
X () 0, n .
P ( X k ) Cnk p k (1 p ) n k ; k X ()
Loi uniforme sur 1, n : X
X () 1, n n 1 n2 1
E( X ) et V (X )
1 2 12
P( X k ) , k X ()
n
Page 1
Approximation de la loi binomiale par la loi de poisson :
Lorsque : alors on peut approcher X par une variable aléatoire Y avec = et dans ce cas
P( X k ) P(Y k ) .
P( X k ) P(Y k ) .
P( X k ) P(Y k ) .
Variables aléatoires à densité
Propriétés :
P ( X a ) FX (a ) .
P(a X b) FX (b) FX (a) .
P( X b) 1 FX (b)
F est continue sur , croissante ; lim FX ( x) 0 et lim FX ( x) 1 .
x x
3- Espérance et variance
Si X admet un espérance E ( X ) alors elle est définie par : E ( X ) xf ( x)dx .
Propriétés :
Soient X et Y deux V.A telles que E ( X ) et E (Y ) existent .et soient a , b .
E ( X Y ) E ( X ) E (Y ) , E (aX b) aE ( X ) b .
Si X 2 admet une espérance alors E ( X 2 ) x
2
f ( x)dx .
Si g : est une fonction continue par morceaux et g ( X ) admet une espérance alors
E g( X ) g ( x) f ( x)dx , (th de transfert ).
Déf :
Si E ( X ) et E ( X 2 ) existent alors on dit que X admet une variance V ( X ) E ( X E ( X ))2 E ( X 2 ) E ( X ) .
2
Propriétés :
Page 2
4- Indépendance des variables aléatoires :
Déf :
Soient X 1 , X 2 ,.... X n n variables aléatoires à densité et a1 , a2 ,..., an des réels .
On dit que X 1 , X 2 ,.... X n sont indépendantes ssi :
I 1, n ; i I ; P ( X i ai ) P( X i ai )
iI iI
Remarque :
Si les variables aléatoires X 1 , X 2 ,.... X n sont indépendantes et suivent la même loi qu’une V.a X ( i.e :
i 1, n ; FX i FX ) alors :
n
; P ( X i a ) FX (a ) .
n
a
i 1
5- Inégalité de Markov et inégalité de Bienaymé-Tchebychev :
Inégalité de Markov :
Soit X une variable aléatoire positive d’espérance E ( X ) on a :
E( X )
0 ; P( X ) .
inégalité de Bienaymé-Tchebychev :
.
Intervalle de confiance :
Soient U n et Vn est un intervalle de confiance de au niveau 1 (ou au risque ) si :
P(U n Vn ) 1
7- COMPLEMENT :
Soit Tn un estimateur de . Par l’inégalité de Markov on a :
0 , P Tn
r (Tn )
2
Soient X 1 , X 2 ,..., X n n variables aléatoires indépendantes et suivent la même loi qu’une V.a X .
On note Y max( X 1 , X 2 ,..., X n ) on a : .
(Y x) ( X 1 x) ( X 2 x) .... ( X n x)
FY ( x) P(Y x) P( X 1 x) P( X 2 x)....P( X n x) FX ( X )
n
Page 3
P(Z x) P( X 1 x) P( X 2 x)....P( X n x) 1 FX ( X )
n
FZ ( x) 1 1 FX ( X )
n
=
et dans ce cas on a :
Y m am
am
P( X a ) P (Y a ) P ( )
.
am Y m bm bm am
P ( a X b) P ( a Y b) P ( ) .
Y m bm bm
P( X b) P (Y b) P ( ) 1 .
Page 4