Reprise du message précédent :
Et pour tout te dire, ça me gonfle royalement de te faire tout le boulot car :
- on ne peut pas écrire en LaTeX ici
- tu devrais revoir quelques bases

 
 
1 ah oui ok je vois en effet on s'en sort comme ça
 
2 on exprime pas la primitive d'une gamma directement mais on s'en sort avec une IPP généralisée
on a un truc du type: x^n exp( -lambda x) et donc il faut faire n intégrations par partie de suite en dérivant a chaque fois x^n jusqu'a ce que la dérivée devienne zéro et on s'en sort  
 
3 on va admettre qu'elles sont indépendantes, tu fais comment ?

Euh ou pas, n n'est pas forcément un entier, donc ça complique quelque peu la tache.
Et laisse moi te répéter que non tu ne peux pas trouver une primitive de la fonction gamma.
 
Si elles sont indépendantes, calcule P(min(T1,T2)>x) prends 1-le résultat, dérive par rapport à x et tu auras la densité

 
 
dans mon probleme , si, n  est un entier (oublié de le préciser)
 
 
 
 
merci de ton aide mais t'étais pas obligé d'envoyer les sarcasmes
 
 
 
 

Ben franchement, tu demandes une espérance qui n'est pas si basique que ça, mais tu poses des questions d'un autre niveau...
Si t'as une adresse mail je peux essayer de te le faire en pdf

Et pour trouver la valeur de la primitive (intégrale de 0 à t), on a I(n)=-t^n e^(-lambda*t)/lambda+n/lambda I(n-1)
(suite arithmético-géométrique, donc essaie de trouver)

je l'ai merci

et pas la peine de s'enerver hein, ca arrive a tout le monde de plus savoir un truc hein

et pour la primitive, pas la peine, les calculs je les ai sous les yeux dans le papier que je suis en train de potasser et ils ont une autre espérance du meme type et ils font une ipp généralisée ca marche (n est entier )

Je m'énerve même pas, je critique stout
 
Ben si t'as le papier, pourquoi tu ne nous dis pas plutôt quelles étapes tu ne comprends pas ? Ca simplifierait des choses

dans le papier ils mettent les calculs pour une premiere espérance

mais pas ceux pour l'esp que j'ai cité

pour la premiere c'est la meme chose, sans la fonction indicatrice et le min (T1,T2)

donc ils me manquaient juste ces deux trucs là

Bonjour à tous
 
J'ai une intégrale triple à calculer, mais j'avoue que je sèche sacrément là
 
C'est l'intégrale triple de (x²+y²+z²).z.e^(-C.(x²+y²+z²))dxdydz, avec C constante positive et -oo < x < +oo, pareil en y et 0 < z < +oo. J'ai essayé de me ramener à une forme type intégrale de x^p.e(-a.x²), qui s'intègre facilement. Mais j'y arrive décidément pas
Vous avez une idée ? Merci d'avance

coord. sphériques ?!

C'est pas possible de passer en coordonnées polaires pour remplacer les x^2+y^2+z^2 par r^2 puis passer en complexes pour n'avoir presque que des exponentielles ?

J'y avais pas du tout pensé, je vais essayer ça ! Merci

Hello
 

 
Qu'est ce que c'est que ce charabia    

Tu peux commencer par calculer les intervalles de confiance à 5% et 2% pour la probabilité d'atteindre la cible pour chaque compagnie.

Et ça se fait comment ?

Tu en es où en stat ? La notion te dit quelque chose à la base ou pas ?

Non. Après ça fait longtemps que j'ai pas fait un amphi de proba mais d'après les TD, jamais vu et entendu parlé.

Il faut que tu relises les passages sur les tests statistiques. Tu sais que pour la compagnie A, la moyenne est de 74%. Si tu cherches à estimer la probabilité p que les soldats A ont de toucher, tu l'estimeras initialement à 74%. La question qu'on se pose est : jusqu'à quel point peut-on faire confiance à cette estimation ?
 
Pour y répondre, on cherche alors un intervalle de confiance, c'est à dire un intervalle pour lequel tu estimes qu'il y a 95% (ou 98%) de chance que p y appartienne.
 

Loi normale centrée réduite !

Il y a 2 groupes de fantassins :
 
un groupe de 50 et un second groupe de 40.
Le nombre de fantassins dans chaque groupe va faire varier l'écart-type (racine variance). PREUVE : si l'écart-type ne variait pas en fonction du nombre d'individus identifiés un groupe de 10000 fantassins aurait la même moyenne de succès qu'un groupe de 500000 fantassins.
 
Il y a 10 tireurs qui ont fait chuter la moyenne du premier groupe étant donné que le second groupe remporte un succès plus valeureux.  
Les 50 tireurs du premier groupe on réussi 37 tirs justes à supposer qu'ils n'ont effectué qu'un tir chacun.
 
Les 10 tireurs de plus dans le premier groupe par rapport au second groupe ont manqué leur cible. Si ! Qualitativement et ceci qu'il y ait eu un ou plusieurs tirs effectués par chaque fantassin (puisqu'on n'a retenu que la moyenne de réussite sur l'ensemble de l'exercice).
On pourra dire que ces 10 tireurs (indépendants) ont très souvent manqué leur cible.
 
Donc, avec 78% de réussite le second groupe est meilleur que le premier.
 
Le seul moyen d'apporter une réponse est de savoir si chaque tireur dans les deux groupes distincts n'a tiré qu'une seule fois.
 
C'est ma réponse.
 

 
C'est faux.
 

Ah bon, pourquoi ?

Parce que tu peux avoir un gros groupe de soldats qui tirent comme des manches avec le meme ecart type qu'un plus petit groupe de soldats qui tirent bien.

Nan, un groupe de gens 50 fois plus nombreux ne peut pas être à égalité d'échec final.
 
Là c'est des soldats le jeu, c'est des gens qui tirent !!
 
Il n'y a qu'en sciences physiques qu'un écart-type de dispersion de résultats peut s'avérer inverse à la probabilité moyenne de succès de chaque X multiplié par le nombre de X, sur des matériaux aux propriétés inverses.
 
Plus il y a de participants plus l'écart-type varie. S'il s'avérait que le nombre de tentatives (X) était N+* (les entiers positifs non-nuls) alors l'écart-type serait à 1, c'est-à-dire de l'ordre de la différence ("O par rapport à 1" ).

 Mais qu'est-ce que tu me wacontes là ?  

C'est bon j'ai la réponse !! Il y a une loi à appliquer et ça tombe tout seul. Merci pour vos aides

chréhajuste : il n'y a qu'en maths qu'on peut imaginer un écart-type qui varie indifféremment du nombre de X ( chaque X ayant effectué une tentative ). "Qui varie indifféremment" signifie qui augmente ou qui diminue indifféremment du nombre de participants.
 
Un écart-type ça augmente avec le nombre de X qui ont un échec ou une réussite.
 
Si le nombre d'essais est N (l'ensemble des entiers naturels) alors cet écart-type tendra ou deviendra 1.
 
A contrario et c'est la plus grande des logiques à l'étude d'une probabilité, a contrario, analysant le succès ou l'échec de 1 participant effectuant 1 essai la probabilité est de 0 succès.  
 
Donc : limite centrée réduite oui mais régression linéaire surtout.
 
Ici la dispersion ce sont des soldats indépendants, donc le nombre de soldats est comparable. Celui du groupe A est assimilable à celui du groupe B. Puisqu'il est comparable il suffit d'ôter les 10 soldats de plus.
 
Chacun d'eux a la même chance de réussite puisque c'est seulement après l'ensemble de leurs tentatives que le résultat est analysé.
 
@Finrod3 : gaffe quand même t'as pas les noms des soldats.  

Non, tu racontes n'importe quoi. Si par exemple tu fais tirer 500 soldats et que les 20 derniers ont un taux de réussite très proche de la moyenne des précédents, l'écart-type va diminuer, et ça n'a aucune raison de ne pas arriver dans la vie réelle.

Un ensemble n'est pas un nombre, hein. Mais même en supposant que tu veux juste faire tendre n vers l'infini, tu racontes vraiment n'importe quoi. Là par exemple on parle de soldats qui effectuent 100 tirs chacun, pourquoi est-ce que tu veux que l'écart-type tende vers 1 quand tu augmentes le nombre de soldats ou de sessions de 100 tirs par soldat ?

N'imp de chez n'imp.

Bah ouais, "il suffit d'ôter 10 soldats", de diviser la somme de leurs âges par l'âge du capitaine et d'ajouter le nombre pointé par la petite aiguille à la pendule.

Enfin bref, si tu veux lire des commentaires plus constructifs, fais de vrais calculs et là on pourra parler, parce que là j'aurais bien aimé te dire quelque chose de plus précis que "tu racontes n'imp" mais pour ça il faut de la matière. C'est le topic maths ici, pas le topic philo.

Je pense que tu as très raison iOn mais tu as une erreur de controverse lorsque tu dis "tu augmentes par exemple de 100 tirs par soldat".
 
Bref.
 
Tiens, j'ai un calcul un peu fou à proposer :
 
L'être humain    se multiplie environ comme une suite géométrique de raison 2 tous les 30 ans.
L'Histoire a gardé les traces quantitatives des grandes épidémies et des grandes guerres.
 
En quelle année sommes-nous ?

Mardi, mais la gaufre est pleine.

Je trouve mardi virgule douze, mais je ne suis plus gaucher, tu as bien pris en compte l'hémisphère pair ?

Il faut tenir compte du fait que l'une des épidemies est identique

Par rapport à 42.

Mathé... matiques euh... is.. lamiques sur ce fil  

probleme dans un papier
 
je tombe sur ça
 
 

 
 
sauf que j'arrive pas a refaire les calculs avec la formule de taylor
 
les notations sont claires je pense : fonction V(mu,s)
 
E pour l'espérance : la variable aléatoire c'est le Z dont on sait que E[Z] = 0, Var[Z] = 1
 
le Zsigma_barre sqrt(2sds) c'est égal a une variation d(mu)
 
donc en fait c'est E( V(mu + d(mu), s-ds) ) - c_barre ds
 
evidemment les truc avec des _barre c'est des constantes
 
en particulier je vois pas pourquoi on trouve pas de dérivé premiere par rapport a mu et pourquoi pas de dérivée seconde par rapport a s
 
et comment "gérer" l'espérance  
 

Il doit y avoir des relations annexes non ?

bin... j'ai beau chercher je vois pas laquelle peut expliquer l'annulation des dérivées
 
pour ceux qui aurait le courage : l'article complet est là
 
http://dspace.mit.edu/bitstream/ha [...] sequence=1
 
la relation est à la page 24 du pdf et la démonstration commence à la page 18 (pas besoin des trucs avant)

 
Je sursois et ainsi on remarque l'espérance E(Z) = 0, pour un nombre aléatoire.
Et nécessairement la variance, Var(Z), est égale à 1... c'est le critère générique de ce que l'on appelle la différence; puisque Z est aléatoire.
 
J'ai pas compris que ds soit un infinitesimal, pourquoi le dire si en augmentant le nombre d'essais la série s n'est rien d'autre qu'une fonction affine y=Alpha*x. S-ds c'est Alpha dans ce cas.
 
Il assimile un tirage aléatoire à une espérance de gain qui ressemble à la courbe de -ln(x). Alors la fonction étudiée, entre 0 et 1, est -1/x, qui est la dérivée de -ln(x).
 
Pourquoi ? Parce que -1/x est la seule fonction à rester infinitésimale entre ces deux bornes par rapport à un nombre de tirages aléatoire.
 
Pour chaque "barre" on aura souvent moins-moins-moins-moins-moins ( (a+b)² = a²+2ab+b² et (a-b)² = a²-2ab+b² et la partie imaginaire au carré enregistrera le plus souvent un (-1) ).
 
Conclusion : les calculs en "barre" vont s'approcher de (a+b)*(a-b), qui est égal à a²-b², là c'est le Sigma-barreSQR et puisque la fonction dépend d'un tirage aléatoire avec une forme de fonction rapprochant la variance de l'espérance ( je rappelle que 1-0 vaut 1 ), alors ds va s'approcher de 0 puisque la partie imaginaire enregistrera, elle, le plus souvent un (-1).
c "barre" c'est juste pour rappeler que Sigma "barre", même au carré, comporte ou bien plus souvent -b² ou éventuellement -a².
 
Remarque : a²-b², sur la courbe de -ln(x) est une différence très peu importante entre deux nombres positifs.