Aller au contenu

Probabilités et Statistiques

Cours probabilités et statistiques Ce cours sur les probabilités et les statistiques aborde les notions fondamentales, y compris les définitions de base, les lois de probabilité, et les concepts de variables aléatoires. Les étudiants trouveront des exemples pratiques et des exercices pour mieux comprendre les probabilités, y compris des lois spécifiques comme la loi binomiale et la loi normale.

D'après le document Probabilités et Statistiques

Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.

Document source

Probabilités et Statistiques

Probabilities, Statistics, Mathematics · Institut Supérieur des Arts Multimédia de la Manouba · PDF · 59 pages · 2021

Afficher l'aperçu du document

Consulter le document original →

Cours probabilités et statistiques

Ce cours sur les probabilités et les statistiques aborde les notions fondamentales, y compris les définitions de base, les lois de probabilité, et les concepts de variables aléatoires. Les étudiants trouveront des exemples pratiques et des exercices pour mieux comprendre les probabilités, y compris des lois spécifiques comme la loi binomiale et la loi normale.

Probabilités élémentaires

Notions de base

Une expérience aléatoire est une expérience dont les résultats sont dus au hasard. Par exemple, si l'on extrait trois individus d'une population animale composée à part égale de mâles et de femelles, les résultats possibles sont : FFF, FFM, FMF, MFF, MMF, MFM, FMM, MMM.

L'univers Ω est l'ensemble de tous les résultats possibles d'une expérience aléatoire. Les événements sont des sous-ensembles de cet univers. Par exemple, l'événement impossible est noté ∅ et l'événement certain est noté Ω.

  • Complémentaire d'un événement : Ac = {x | x ∈ Ω mais x /∈ A}
  • Union de deux événements : A ∪ B = {x | x ∈ A ou x ∈ B}
  • Intersection de deux événements : A ∩ B = {x | x ∈ A et x ∈ B}

Les probabilités d’un événement

La probabilité d'un événement A peut être définie de manière fréquentiste. Si l'on effectue n fois une expérience et que l'événement A se réalise nA fois, alors la probabilité P de l'événement A est donnée par :

P(A) = lim (n→∞) (nA/n).

Si les résultats possibles de l'expérience sont équiprobables, la probabilité P de l'événement A est obtenue par :

P(A) = Card(A) / Card(Ω).

Exemple : Pour tester un vaccin V avec 10 volontaires, si 3 d'entre eux appartiennent à la même famille, la probabilité que deux personnes tirées soient de la même famille est :

P(F) = Card(F) / Card(Ω) = (3 choose 2) / (10 choose 2) = 3 / 45 = 1 / 15.

Probabilité conditionnelle

La probabilité conditionnelle P(A2 | A1) est définie par :

P(A2 | A1) = P(A1 ∩ A2) / P(A1).

Deux événements A et B sont indépendants si :

P(A ∩ B) = P(A) P(B).

Théorème de Bayes : Si P(A | Bi) et P(Bi) sont connus, alors :

P(Bi | A) = (P(A | Bi) P(Bi)) / P(A).

Lois associées aux variables de comptage (Lois discrètes)

Loi uniforme discrète

Une variable aléatoire X suit une loi uniforme discrète si elle prend ses valeurs dans l'ensemble {1, ..., n} avec :

pX(k) = P(X = k) = 1/n.

Propriétés :

  • E(X) = (n + 1) / 2
  • E(X^2) = ((2n + 1)(n + 1)) / 6
  • Var(X) = (n^2 - 1) / 12

Loi binomiale

La loi binomiale X ∼ Bin(n, p) compte le nombre de succès dans n épreuves indépendantes. La fonction de masse est :

pX(k) = (n choose k) p^k (1 - p)^(n - k).

Propriétés :

  • E(X) = np
  • Var(X) = np(1 - p)

Loi de Poisson

La loi de Poisson est utilisée pour modéliser le nombre d'événements dans un intervalle fixe. La fonction de masse est :

pX(k) = (λ^k e^(-λ)) / k!,

où λ est le taux d'événements.

Variables aléatoires

Définition et types

Une variable aléatoire est une fonction qui associe un nombre à chaque issue d'une expérience aléatoire. Elle peut être discrète ou continue. Les variables aléatoires discrètes prennent des valeurs spécifiques, tandis que les variables continues peuvent prendre n'importe quelle valeur dans un intervalle.

Fonction de répartition

La fonction de répartition FX(x) d'une variable aléatoire X est définie par :

FX(x) = P(X ≤ x).

Elle est non-décroissante et continue à droite.

Densité de probabilité

Pour une variable aléatoire continue, la densité de probabilité fX(x) est la dérivée de la fonction de répartition :

fX(x) = dFX(x)/dx.

La probabilité que X soit dans un intervalle est donnée par :

P(a ≤ X ≤ b) = ∫[a, b] fX(t) dt.

Exemples de calculs

Exemple d'une urne contenant 20 boules numérotées de 1 à 20, si l'on pige 5 boules, la probabilité qu'au moins une boule soit supérieure à 14 est :

P(X ≥ 15) = 1 - P(X < 15).

Points clés à retenir

  • Comprendre les notions de base des probabilités et des statistiques.
  • Connaître les différentes lois de probabilité et leurs applications.
  • Savoir calculer des probabilités conditionnelles et utiliser le théorème de Bayes.

Glossaire des termes clés

  • Probabilité : mesure de la vraisemblance d'un événement.
  • Variable aléatoire : fonction associant des résultats d'une expérience à des valeurs numériques.
  • Loi binomiale : distribution des succès dans des épreuves indépendantes.
  • Loi de Poisson : distribution du nombre d'événements dans un intervalle fixe.

Questions fréquentes

Qu'est-ce qu'une probabilité conditionnelle ?

La probabilité conditionnelle P(A | B) est la probabilité que l'événement A se produise sachant que l'événement B s'est déjà produit. Elle est calculée par P(A ∩ B) / P(B).

Comment fonctionne la loi binomiale ?

La loi binomiale modélise le nombre de succès dans n épreuves indépendantes, chacune ayant une probabilité de succès p. La fonction de masse est donnée par pX(k) = (n choose k) p^k (1 - p)^(n - k).

Qu'est-ce qu'une variable aléatoire continue ?

Une variable aléatoire continue peut prendre n'importe quelle valeur dans un intervalle donné. Sa probabilité d'être exactement égale à une valeur spécifique est nulle, et elle est décrite par une fonction de densité de probabilité.

Comment calculer l'espérance d'une variable aléatoire ?

L'espérance d'une variable aléatoire discrète est calculée par E(X) = Σ (xi * pX(xi)), où xi sont les valeurs possibles et pX(xi) leurs probabilités respectives.

Quelle est la différence entre loi uniforme et loi normale ?

La loi uniforme est une distribution où tous les résultats sont équiprobables, tandis que la loi normale est une distribution en forme de cloche, caractérisée par sa moyenne et son écart-type, où la plupart des résultats se concentrent autour de la moyenne.

Partager

Commentaires

Aucun commentaire pour le moment. Posez la première question.

Les commentaires sont relus avant publication. Votre e-mail n'est jamais affiché.

← Toutes les révisions