MODULE 6 VARIABLE ALÉATOIRE ALÉATOIRE
relation entre la fonction de probabilité et la variable aléatoire est examinée puis déterminer la loi de probabilité d'une variable aléatoire discrète.
Chapitre 2 : Variables aléatoires et distributions 2.1 Variable
Note : Si X est discrète et Y continue ou si une des deux variables est mixte on a alors une fonction de répartition conjointe mixte. Note : Ces définitions se
5. Quelques lois discrètes
La fonction de répartition d'une variable X ? Bernoulli(p) est La fonction de masse d'une variable aléatoire X ? B(n p) est.
Variables Aléatoires
Variables Aléatoires Discrètes. 2.1 Définition. 2.2 Loi de Probablité. 2.3 Fonction de Répartition 3.2 Fonction de Densité de Probabilité.
Probabilités continues
Loi d'une variable aléatoire : du discret au continu La fonction de répartition d'une variable aléatoire X est la fonction définie pour tout t ? R par.
MTH 2301 Méthodes statistiques en ingénierie
fonction de répartition. ? variable aléatoire discrète. ? variable aléatoire continue. ? moyenne - variance - écart type. ? espérance mathématique.
Chapitre 5 : Variables aléatoires discrètes
c) Calculer P(X ? 3). Exercice 5.2 : Définition : La fonction de répartition d'une variable aléatoire discrète est la fonction réelle définie par :.
Variables aléatoires Discrètes
des valeurs prises par X que l'on appellera support de X. 1.2 Fonction de répartition d'une variable aléatoire. Définition 2. (Fonction de répartition). Soit X
UNIVERSITÉ DU QUÉBEC MÉMOIRE PRÉSENTÉ À LUNIVERSITÉ
La fonction de répartition d'une variable aléatoire discrète X est définie pour tout x E lR par Fx(x) = P (X :S x). Plus formellement.
Variables aléatoires discrètes
Soit X une variable aléatoire discrète à valeurs dans un ensemble E et f une La fonction de répartition d'une variable aléatoire discrète X est une ...
[PDF] Variables aléatoires discrètes - Unisciel
Théorème : Si X est une variable aléatoire discrète sa fonction de répartition est une fonction en escalier croissante sur R qui vérifie :
[PDF] Variables aléatoires Discrètes
1 2 Fonction de répartition d'une variable aléatoire Définition 2 (Fonction de répartition) Soit X une variable aléatoire réelle sur (?AP) On
[PDF] Fonction de répartition et densité
Définition 1 La fonction de répartition (f d r ) de la variable aléatoire X sur R est la fonction suivante : FX (x) = P(X ?] ? ?x]) = P(X ? x) Propriétés
[PDF] Variables aléatoires discrètes - CPGE Brizeux
La fonction de répartition de X est la fonction FX de R dans [01] définie par : ?x ? RFX(x) = P(X ? x) La fonction de répartition donne donc les
[PDF] Variables Aléatoires
La loi de probabilité d'une variable aléatoire permet de connaitre les La fonction de répartition d'une variable discrète est constante par morceaux
[PDF] Variables aléatoires discrètes Autour de la fonction de répartition
Figure 1 – Fonction de répartition F de la v a X 3) Calculer la somme des sauts de F La variable aléatoire X est-elle discrète ?
[PDF] Chapitre 5 : Variables aléatoires discrètes
a) Déterminer les valeurs de cette variable aléatoire et leur probabi- lité Calculer la fonction de répartition b) Calculer P(X ? 3) et P(X < 2) Exercice
[PDF] Chapitre 2 Variables aléatoires
Définition Une variable aléatoire notée (v a) est dite discrète si l'ensemble des réalisations possibles x1 x2 xn pour cette variable est fini ou
[PDF] 1 Introduction 2 Variables Aléatoires Discrètes
Variables Aléatoires Continues 3 1 Définition 3 2 Fonction de Densité de Probabilité 3 3 Fonction de Répartition 4 Espérance Mathématique
[PDF] Variables aléatoires discrètes - Mathieu Mansuy
Soit X une variable aléatoire réelle On appelle fonction de répartition de X la fonction FX : R ? R définie par : ?x ? R FX(x)
Comment calculer la fonction de répartition d'une variable aléatoire discrète ?
Définition 1 La fonction de répartition (f.d.r.) de la variable aléatoire X sur R est la fonction suivante : FX (x) = P(X ?] ? ?,x]) = P(X ? x). FX (x)=1. 2. Comme FX est croissante, elle admet une limite `a gauche en chaque point, limite qu'on notera FX (x?).Comment définir la fonction de répartition ?
b - Représentation graphique de la fonction de répartition F de X : F(x) = 1 - 1/x2 sur [1,+?[. C'est une fonction strictement croissante (de dérivée f), nulle en 1 et admettant y = 1 comme asymptote horizontale à l'infini.Comment déterminer la fonction de répartition d'une variable aléatoire continue ?
La fonction de répartition d'une variable aléatoire X est la fonction définie pour tout t ? R par FX (t) = P(X ? t). Autrement dit, FX (t) est la probabilité de l'événement ”la valeur de X est inférieure ou égale `a t”.- Définition : Variance d'une variable aléatoire discrète
Cela peut être calculé en utilisant la formule suivante : V a r ( ) = ? ( ? ) ? , ? où = ( ) = ? ( × ( = ) ) est l'espérance de et représente toutes les valeurs que peut prendre.
1/52/5 3/5 4/5 5/5
5. Quelques lois discretes
MTH2302D
S. Le Digabel,
Ecole Polytechnique de Montreal
A2017 (v2)MTH2302D: Lois discretes1/46
1/52/5 3/5 4/5 5/5
Plan1. Loi de Bernoulli
2. Loi binomiale
3. Loi geometrique
4. Loi hypergeometrique
5. Loi de Poisson
MTH2302D: Lois discretes2/46
1/52/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
3. Loi geometrique
4. Loi hypergeometrique
5. Loi de Poisson
MTH2302D: Lois discretes3/46
1/52/5 3/5 4/5 5/5
Epreuve de BernoulliDenition
Uneepreuve de Bernoulliest une experience aleatoire dont le resultat peut ^etre soit unsucces, soit unechec, mais pas les deux simultanement.Exemple 1 On lance une piece une fois et on note le resultat. On appelle succes le fait d'obtenir PILE et echec le fait d'obtenir FACE.Exemple 2 On choisit au hasard une piece produite en serie et on la teste pour detecter les defectuosites. La piece peut ^etre defectueuse (succes) ou conforme (echec).MTH2302D: Lois discretes4/46
1/52/5 3/5 4/5 5/5
Loi de Bernoulli
Contexte
Lors d'une epreuve de Bernoulli, soitpla probabilite d'un succes et q= 1pla probabilite d'un echec.SoitXle nombre de succes. AlorsRX=f0;1get
pX(x) =1psix= 0,
psix= 1. SiXsuit une loi de Bernoulli de parametrepalors on note XBernoulli(p)(ou Bern(p)).MTH2302D: Lois discretes5/461/52/5 3/5 4/5 5/5
Loi de Bernoulli (suite)
Theoreme
La fonction de repartition d'une variableXBernoulli(p)est FX(x) =8
>:0six <0,1psi0x <1,
1six1:MTH2302D: Lois discretes6/46
1/52/5 3/5 4/5 5/5
Esperance et variance
SiXBernoulli(p), alors
1.E(X) =p.
2.V(X) =p(1p).MTH2302D: Lois discretes7/46
1/52/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
3. Loi geometrique
4. Loi hypergeometrique
5. Loi de Poisson
MTH2302D: Lois discretes8/46
1/52/5 3/5 4/5 5/5
Loi binomiale
Contexte
On eectuenrepetitions independantes d'une epreuve de Bernoulli dont la probabilite de succes estp.SoitXle nombre de succes parmi lesnresultats.
AlorsXsuit uneloi binomialede parametresnetp, denoteXB(n;p).
On aRX=f0;1;2;:::;ng.MTH2302D: Lois discretes9/46
1/52/5 3/5 4/5 5/5
Loi binomiale (suite)
La fonction de masse d'une variable aleatoireXB(n;p)est pX(x) =n
x p x(1p)nx pourx2 f0;1;2;:::;ng.MTH2302D: Lois discretes10/461/52/5 3/5 4/5 5/5
Loi binomiale (suite)
La fonction de repartition de la loi binomiale est FX(x) =xX
k=0 n k! p k(1p)nksix2 f0;1;2;:::;ng.Siax < a+ 1avecaentier, alorsFX(x) =FX(a).
Comme le calcul deFX(x)est fastidieux lorsque quenest grand, on utilise souvent en pratique une table de loi binomiale (disponible sur le site w ebdu cours ).Exemple 3 Prouver queFX(n) = 1.MTH2302D: Lois discretes11/461/52/5 3/5 4/5 5/5
Autres caracteristiques
SiXB(n;p), alors :
1.E(X) =np.
2.V(X) =np(1p).
3.Mediane :~x=bnpc.
4.Mode :x=b(n+ 1)pc.Exemple 4
Demontrer que E(X) =np.MTH2302D: Lois discretes12/461/52/5 3/5 4/5 5/5
Exemple 5
Un lot contient 20 articles parmi lesquels 4 sont defectueux. On pige avec remise 7 articles du lot.Calculer
1.La probabilite d'observer exactement un article defectueux.
2.La probabilite d'observer au moins 4 articles defectueux.
3.La moyenne et la variance du nombre d'articles defectueux.MTH2302D: Lois discretes13/46
1/52/5 3/5 4/5 5/5
Loi binomiale : calcul avec des logiciels
IExcel :
pX(x) =LOI.BINOMIALE(x,n,p, 0).
FX(x) =LOI.BINOMIALE(x,n,p, 1).
I R : pX(x) =dbinom(x,n,p).
FX(x) =pbinom(x,n,p).MTH2302D: Lois discretes14/46
1/52/5 3/5 4/5 5/5
Loi binomiale : traces enR
SoitXB(n= 50;p= 0:2).
IFonction de massepX(x):
x=seq(0,50,1); px=dbinom ( x=x, size=50, prob=0.2 ); plot ( x, px, type="h", xlab="x", ylab="p(x)", main="fonction de masse de XB(n=50,p=0.2)"). IFonction de repartitionFX(x):
x=seq(0,50,0.1);Fx=pbinom ( q=x, size=50, prob=0.2 );
plot ( x, Fx, type="s", xlab="x", ylab="F(x)", main="fonction de repartition de XB(n=50,p=0.2)").MTH2302D: Lois discretes15/461/52/5 3/5 4/5 5/5 01020304050
0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 fonction de masse de X~B(n=50,p=0.2) x p(x)MTH2302D: Lois discretes16/461/52/5 3/5 4/5 5/5 01020304050
0.0 0.2 0.4 0.6 0.8 1.0 fonction de répartition de X~B(n=50,p=0.2) xF(x)MTH2302D: Lois discretes17/46
1/52/5 3/5 4/5 5/5
Proportion de succes
SoitXB(n;p)et^p=Xn
laproportion de succesparmi lesn epreuves.Alors^pest une variable aleatoire et
1.E(^p) =p.
2.V(^p) =p(1p)n
.Exemple 6 Un procede de fabrication produit 5% d'articles non conformes. Un echantillon de 50 unites de cet article est preleve. Quelle est la probabilite qu'il y ait plus de 7% d'articles non conformes dans l'echantillon?MTH2302D: Lois discretes18/46
1/52/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
3. Loi geometrique
4. Loi hypergeometrique
5. Loi de Poisson
MTH2302D: Lois discretes19/46
1/52/5 3/5 4/5 5/5
Loi geometrique
Contexte
On repete continuellement et de facon independante une epreuve de Bernoulli dont la probabilite de succes estp. SoitXle nombre d'epreuves necessaires pour obtenir un premier succes. AlorsXsuit uneloi geometriquede parametrep, denoteXGeom(p).
On aRX=f1;2;3;:::g.MTH2302D: Lois discretes20/46
1/52/5 3/5 4/5 5/5
Loi geometrique (suite)
La fonction de masse d'une variable aleatoireXGeom(p)ouXG(p)est
pX(x) = (1p)x1ppourx= 1;2;3;:::.
La fonction de repartition d'une variable aleatoireXGeom(p) est FX(x) =(1(1p)asix2[a;a+ 1[aveca2Neta1,
0sinon.MTH2302D: Lois discretes21/46
1/52/5 3/5 4/5 5/5
Loi geometrique (suite)
Exemple 7
Montrer quepXest une fonction de masse.Exemple 8
Montrer queFX(x) = 1(1p)xsixest entier.MTH2302D: Lois discretes22/461/52/5 3/5 4/5 5/5
Loi geometrique (suite)
SiXGeom(p)alors
1.E(X) =1p
2.V(X) =1pp
2.MTH2302D: Lois discretes23/46
1/52/5 3/5 4/5 5/5
Loi geometrique : calcul
IExcel : faire les calculs directement.
IR (avecRX=f1;2;:::;g) :
pX(x) =dgeom(x,p).
FX(x) =pgeom(x,p).MTH2302D: Lois discretes24/46
1/52/5 3/5 4/5 5/5 051015202530
0.00 0.05 0.10 0.15 0.20 fonction de masse de X~G(p=0.2) x p(x)MTH2302D: Lois discretes25/461/52/5 3/5 4/5 5/5 01020304050
0.0 0.2 0.4 0.6 0.8 1.0 fonction de répartition de X~G(p=0.2) xF(x)MTH2302D: Lois discretes26/46
1/52/5 3/5 4/5 5/5
Exemple 9
On lance un de continuellement jusqu'a l'obtention d'un six. SoitXle nombre de lancers necessaires.
Quels sont la moyenne, la variance, et l'ecart-type deX?MTH2302D: Lois discretes27/461/52/5 3/5 4/5 5/5
Loi geometrique (suite)
Theoreme
Propriete d'absence de memoire : siXGeom(p)alors pour tous t;s >0P(X > s+tjX > t) =P(X > s):Exemple 10
Prouver le theoreme.
MTH2302D: Lois discretes28/46
1/52/5 3/5 4/5 5/5
Exemple 11
On lance un de continuellement jusqu'a l'obtention d'un 6. SoitX le nombre de lancers necessaires.1.Quelle est la probabilite d'obtenir un premier 6 au deuxieme
lancer?2.Quelle est la probabilite qu'il faille plus de 10 lancers pour
obtenir un 6?3.Si aucun 6 n'a ete obtenu lors des 8 premiers lancers, quelle
est la probabilite qu'au moins deux autres lancers soient necessaires?MTH2302D: Lois discretes29/46
1/52/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
3. Loi geometrique
4. Loi hypergeometrique
5. Loi de Poisson
MTH2302D: Lois discretes30/46
1/52/5 3/5 4/5 5/5
Loi hypergeometrique
Contexte
On tire sans remisenobjets d'un ensemble deNobjets dontD possedent une caracteristique particuliere (et les autresNDne la possedent pas). SoitXle nombre d'objets de l'echantillon qui possedent la caracteristique. AlorsXsuit uneloi hypergeometriquede parametresn;N;D, denoteXH(N;D;n). On aRX=fmaxf0;nN+Dg;:::;min(n;D)g.MTH2302D: Lois discretes31/461/52/5 3/5 4/5 5/5
Loi hypergeometrique (suite)
La fonction de masse d'une variable aleatoireXH(N;D;n)est pX(x) =
D x ND nx N n pourx2RX.MTH2302D: Lois discretes32/461/52/5 3/5 4/5 5/5
Loi hypergeometrique (suite)
SiXH(N;D;n)alors
1.E(X) =nDN
2.V(X) =nDN
1DN NnN1MTH2302D: Lois discretes33/46
1/52/5 3/5 4/5 5/5
Loi hypergeometrique : calcul
IExcel :
pX(x) =LOI.HYPERGEOMETRIQUE.N (x,n,D,N, 0).
FX(x) =LOI.HYPERGEOMETRIQUE.N (x,n,D,N, 1).
I R : pX(x) =dhyper(x=x, m=D, n=ND, k=n).
F X(x) =phyper(q=x, m=D, n=ND, k=n).MTH2302D: Lois discretes34/461/52/5 3/5 4/5 5/5
Exemple 12
Une bo^te contient 8 composants parmi lesquels 2 sont defectueux. Trois composants sont pris au hasard et sans remise de la bo^te. SoitXle nombre de composants defectueux dans l'echantillon. Donner la fonction de masse deX, ainsi que E(X)et V(X).MTH2302D: Lois discretes35/461/52/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
3. Loi geometrique
4. Loi hypergeometrique
5. Loi de Poisson
MTH2302D: Lois discretes36/46
1/52/5 3/5 4/5 5/5
Loi de Poisson
Une variable aleatoireXsuit uneloi de Poissonde parametre c >0si pX(x) =eccxx!six= 0;1;2;:::.
Ceci est denoteXPoi(c).
Le parametreccorrespond a la moyenne de la loi de Poisson.MTH2302D: Lois discretes37/461/52/5 3/5 4/5 5/5
Loi de Poisson : calcul
I Livre page 473 (2eme edition) / page 509 (3eme edition) et site web du cours IExcel :
pX(x) =LOI.POISSON (x,c, 0).
FX(x) =LOI.POISSON (x,c, 1).
I R : pX(x) =dpois (x=x, lambda=c).
F X(x) =ppois (q=x, lambda=c).MTH2302D: Lois discretes38/461/52/5 3/5 4/5 5/5 02468
0.00 0.05 0.10 0.15 0.20 0.25 fonction de masse de X~Poi(c=2) x p(x)MTH2302D: Lois discretes39/461/52/5 3/5 4/5 5/5 02468
0.2 0.4 0.6 0.8 1.0 fonction de répartition de X~Poi(c=2) xF(x)MTH2302D: Lois discretes40/46
1/52/5 3/5 4/5 5/5
Exemple 13
Une machine utilisee dans une cha^ne de production tombe en panne en moyenne 2 fois par mois.SoitXle nombre de pannes par mois.
En supposant queXsuit une loi de Poisson, quelle est la probabilite que dans un mois donne la machine1.Ne tombe pas en panne?
2.Tombe en panne au moins deux fois?MTH2302D: Lois discretes41/46
1/52/5 3/5 4/5 5/5
Loi de Poisson
SiXPoi(c), alors
1.E(X) =c:
2.V(X) =c.Exemple 14
Demontrer que E(X) =c.Exemple 15
Trouver la mediane deXPoi(c= 2).MTH2302D: Lois discretes42/461/52/5 3/5 4/5 5/5
Processus de Poisson
Considerons un type d'evenement survenant dans le temps. Le comptage du nombre de realisations de l'evenement est un processus de Poissonsi I Pour deux intervalles de temps disjoints, le nombre de realisations dans l'un et l'autre intervalle sont independants. I Pour tout intervalle de temps de dureet, le nombre de realisations suit une loi de Poisson de parametrec=t, ou >0est le nombre moyen de realisations par unite de temps.MTH2302D: Lois discretes43/461/52/5 3/5 4/5 5/5
Exemples supplementaires
Autres situations ou la v.a. suit une loi de Poisson :1.Le nombre de voitures arrivant a un feu de circulation en 5
minutes.2.Le nombre de defauts sur une piece usinee.
3.Le nombre d'erreurs typographiques sur une page d'un livre.
4.Le nombre de clients entrant dans un magasin en une journee.
quotesdbs_dbs35.pdfusesText_40[PDF] soliman et françois 1er
[PDF] fonction de distribution statistique
[PDF] produit scalaire deux vecteurs
[PDF] produit vectoriel de deux vecteurs dans le plan
[PDF] fonction de répartition d une variable aléatoire discrète
[PDF] multiplication coordonnées vecteurs
[PDF] variance
[PDF] multiplication d'un vecteur par un réel exercices
[PDF] produit vectoriel de deux vecteurs de dimension 2
[PDF] carré d'un vecteur
[PDF] multiplication de deux vecteurs colonnes
[PDF] produit scalaire vecteur 3d
[PDF] le resultat d'une multiplication s'appelle
[PDF] division vocabulaire