2 Lois uniformes sur J1, nK
ÀRappeler la d´efinition de la loi uniforme sur J1, nKainsi que le mod`ele associ´e. Pr´eciser son esp´erance.
Á´
Ecrire une fonction Python simul_loiUniforme(m,a,b) qui g´en`ere une liste Lform´ee de mentiers
xi∈Ja, bKconsid´er´es comme mr´ealisations ind´ependantes de la loi uniforme sur J1, nKet retourne les
fr´equences et les fr´equences cumul´ees de chacune des valeurs de cette liste.
ÂCalculer la moyenne de la s´erie Let la comparer `a l’esp´erance de la loi uniforme.
ÃEn utilisant la fonction randint de la biblioth`eque scipy.stats, comparer dans un premi`ere fenˆetre
les fr´equences simul´ees et le graphe de la loi uniforme sur J1, nKet dans une deuxi`eme fenˆetre, les
fr´equences cumul´ees et la fonction de r´epartition de la loi uniforme sur J1, nKet ce pour diff´erentes
valeurs de m.
3 Loi de Bernoulli de param`etre p
ÀRappeler la d´efinition de la loi de Bernoulli de param`etre painsi que le mod`ele associ´e. Pr´eciser son
esp´erance et sa variance.
Á´
Ecrire une fonction Python simul_loiBernoulli(p) qui simule la r´ealisation d’une loi de Bernoulli
de param`etre painsi qu’une fonction freqEtFreqC_SimulBernoulli(m,p) qui cr´e´e une liste Lform´ee
de mentiers xi∈J0,1Kconsid´er´es comme mr´ealisations ind´ependantes de la loi de Bernoulli de
param`etre pet retourne la fr´equence respective des 0 et des 1 et leurs fr´equences cumul´ees.
ÂCalculer la moyenne et la variance de la s´erie Let les comparer `a l’esp´erance et la variance de la loi
de Bernoulli de param`etre p.
ÃEn utilisant la fonction bernoulli de la biblioth`eque scipy.stats, comparer dans deux fenˆetres dis-
tinctes les fr´equences simul´ees et le graphe de la loi de Bernoulli de param`etre p, les fr´equences cumul´ees
et la fonction de r´epartition de cette mˆeme moi et ce pour diff´erentes valeurs de m.
4 Loi binomiale de param`etres net p
ÀRappeler la d´efinition de la loi Binomiale de param`etres net painsi que le mod`ele associ´e. Pr´eciser
son esp´erance et sa variance.
Á´
Ecrire une fonction Python simul_loiBinomiale(n,p) qui simule la r´ealisation d’une loi Binomiale
de param`etres net painsi qu’une fonction freqEtFreqC_SimulBinomiale(m,n,p) qui cr´e´e une liste
Lform´ee de mentiers xi∈J0, nKconsid´er´es comme mr´ealisations ind´ependantes de la loi binomiale
de param`etre net pet retourne la fr´equence respective des xiet leurs fr´equences cumul´ees.
ÂReprendre les questions 3. et 4. des deux lois pr´ec´edentes.
5 Loi hyperg´eom´etrique de param`etres N,net p
ÀRappeler la d´efinition de la loi Hyperg´eom´etrique de param`etres N,net painsi que le mod`ele associ´e.
Pr´eciser son esp´erance.
Á´
Ecrire une fonction Python simul_loiHyper(m,N,n,p) qui simule la r´ealisation d’une loi Hyperg´eo-
m´etrique de param`etres N,net painsi qu’une fonction freqEtFreqC_SimulHyper(m,N,n,p) qui cr´e´e
une liste Lform´ee de mentiers xi∈J0, nKconsid´er´es comme mr´ealisations ind´ependantes de la loi
Hyperg´eom´etrique et retourne les fr´equences et les fr´equences cumul´ees des valeurs simul´ees.
ÂReprendre les questions 3. et 4. des deux lois pr´ec´edentes.
2