Chaîne de Markov : QCM de maths en terminale pour réviser ses cours.

Chaîne de Markov – QCM de maths niveau Terminale sur Maths-pdf.fr Couverture : Livre de contrôles corrigés de maths Terminale en PDF Télécharger en PDF Le livre des 25 contrôles corrigés en Terminale PDF à imprimer Voir le livre ›


Ce questionnaire porte sur Chaîne de Markov, une notion du programme de terminale.
Explorez les chaînes de Markov avec ces QCM de maths terminale dédiés aux processus stochastiques avancés.
Maîtrisez les matrices de transition et le calcul des probabilités d’état après n étapes.
Ces questionnaires abordent les distributions stationnaires et l’évolution temporelle des systèmes probabilistes.
Travaillez les graphes probabilistes et leurs applications en modélisation économique et scientifique.
Approfondissez vos connaissances en probabilités dynamiques indispensables pour les mathématiques expertes et le supérieur.

Chaîne de Markov - QCM Terminale

Score: 0/10
Questions répondues: 0/10
Question 1
Quelle est la différence entre ces deux types de probabilités dans une chaîne de Markov ?
# Calcul pour un état E
p_actuel = sum(1 for _ in observations if _ == E) / len(observations)
p_suivant = sum(matrice[E][F] for F in etats)
p_actuel est la probabilité d'être dans l'état, p_suivant la somme des transitions sortantes
Les deux calculent la même chose
p_actuel compte toutes les transitions
p_suivant n'est jamais utilisé
Question 2
Que vérifie cette propriété dans une matrice de transition ?
all(abs(sum(ligne) - 1.0) < 1e-10 for ligne in matrice)
La somme des probabilités de transition vaut 1 pour chaque état
La chaîne est irréductible
Il existe un état absorbant
Tous les états sont équiprobables
Question 3
Qu'est-ce qu'un état absorbant dans une chaîne de Markov ?
Un état dont on ne peut plus sortir une fois atteint
Un état quelconque
Un état transitoire
Un état impossible à atteindre
Question 4
Que calcule cette fonction sur une chaîne de Markov ?
def calculer_distribution(matrice, init, n):
    dist = init
    for _ in range(n):
        dist = [sum(dist[j] * matrice[j][i] for j in range(len(matrice)))
               for i in range(len(matrice))]
    return dist
La distribution de probabilité après n étapes
La probabilité de retour à l'état initial
Le nombre d'états accessibles
Les états absorbants
Question 5
Que signifie une chaîne de Markov irréductible ?
On peut atteindre n'importe quel état depuis n'importe quel autre
Tous les états sont absorbants
Il y a autant d'états que de transitions
La chaîne est périodique
Question 6
Dans une chaîne de Markov, que représente cette matrice ?
P = [[sum(1 for k in range(len(obs)-1) if obs[k] == i and obs[k+1] == j) / 
       sum(1 for k in range(len(obs)-1) if obs[k] == i)
       for j in range(n)] for i in range(n)]
La matrice des probabilités de transition estimées
La matrice des temps de premier passage
La matrice des états récurrents
La matrice des périodes
Question 7
Que vérifie ce code dans une chaîne de Markov ?
def est_stationnaire(dist, matrice, epsilon=1e-10):
    nouvelle_dist = [sum(dist[j] * matrice[j][i] 
                        for j in range(len(matrice)))
                    for i in range(len(matrice))]
    return all(abs(d1 - d2) < epsilon 
               for d1, d2 in zip(dist, nouvelle_dist))
Si la distribution est stationnaire
La présence d'états absorbants
Le nombre de composantes
La période de la chaîne
Question 8
Qu'est-ce qu'un état récurrent dans une chaîne de Markov ?
Un état qu'on revisite infiniment souvent
Un état absorbant
Un état initial
Un état transitoire
Question 9
Que représente un état sans transition entrante dans une chaîne de Markov ?
Un état impossible à atteindre après l'initialisation
Un état absorbant
Un état récurrent
Un état central
Question 10
Dans une chaîne de Markov, que calcule ce code ?
def temps_moyen_premier_passage(matrice, depart, arrivee):
    n = len(matrice)
    if depart == arrivee:
        return 0
    temps = [0] * n
    for i in range(n):
        if i != arrivee:
            temps[i] = 1 + sum(matrice[i][j] * temps[j]
                              for j in range(n) if j != arrivee)
    return temps[depart]
Le temps moyen pour atteindre un état depuis un autre
La probabilité de transition
Le nombre d'états accessibles
La période de la chaîne

Enfin, pour approfondir la notion, tu peux aussi consulter Éduscol.

Chaîne de Markov : QCM de maths en terminale

Comment aborder ce QCM

Pour bien démarrer, reprends les notions vues en classe sur chaînes de markov avant de te lancer dans les questions. De plus, prends le temps de refaire le calcul au brouillon plutôt que de répondre à l’instinct.

Sois particulièrement attentif à qcm de maths terminale, qui est une source fréquente d’erreurs dans ce chapitre. Donc, n’hésite pas à refaire ce questionnaire deux ou trois fois avant le contrôle. Puis tu peux aussi t’entraîner avec loi des grands nombres : QCM de maths en terminale pour réviser ses cours.

4.8/5 - (31256 votes)

Nombre de fichiers PDF téléchargés.  Maths PDF c'est 16 263 097 cours et exercices de maths téléchargés en PDF et 4 250 exercices.

Télécharger les manuels scolaires de maths en PDF du CP à la Terminale