Lespace de probabilités (?A
http://les.mathematiques.free.fr/pdf/proba1.pdf
Mathématiques pour la finance
Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 probabilité d'un événement E est défini par. P(E) = card(E) card(?).
Probabilités et variables aléatoires
un 0 soit un 1
PROBABILITE SUR UN ENSEMBLE FINI
On note P(?) l'ensemble des parties de ?. • Vocabulaire. 1. ? est l'univers ou univers des possibles. 2. Toute partie A de ? est appelée événement
Chapitre 3 Événements indépendants et Probabilités conditionnelles
Definition. Deux événements A et B sont dits indépendants si. P(A ? B) = P(A).P(B). Attention : Ne pas confondre indépendants et disjoints! (A.
VARIABLES ALÉATOIRES
P(X = xi). 1. 3. 1. 2. 1. 6. Ce tableau résume la loi de probabilité de la variable aléatoire X. Définition : Soit une variable aléatoire X définie sur un
Ch 1. Ensembles et dénombrement I. Ensembles II. Cardinaux
? (on lit“grand oméga”) et tous les ensembles considérés un espace des possibles ? et une probabilité P. On appelle le couple (?
Probabilités
En général on le note ? (prononcer « oméga »). p A ?. Cette application est telle que : -. La somme des probabilités de tous les événements ...
Probabilités et variables aléatoires Préparation `a lagrégation interne
Finalement E(X)=1/p. Exemple : Calcul de l'espérance d'une variable aléatoire Y de loi exponentielle
Chapitre 2
Le calcul des probabilitesRenaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP aris Equiprobabiliteet Distribution UniformeDeux evenementsAetBsont ditsequiprobablessiP(A) =P(B)Si il y a equiprobabilite sur
, cad si tous les evenements elementaires ont la m^eme probabilite. On parlera alors de distribution de probabilite uniformeDenitionOn appelledistribution uniformesur
la fonction de distribution qui assigne la m^eme valeur a tous les evenements elementaires. Si =f!1;!2;:::;!ng, la distribution de probabilite uniforme s'ecritp(!) =1n ,8!2Remarque :On a bien alorsX
!2 p(!) =n:1n = 1Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP aris Probabilitede LaplaceSi la distribution de probabilites sur est uniforme, la probabilite d'un evenementEest deni parP(E) =card(E)card(
ou card(E) represente le cardinal deEc'est a dire le nombre d'evenements elementaires contenus dansERemarque :On a bienP(
) = 1P(A[B) =P(A) +P(B) siA\B=; (car alors card(A\B)=0)Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisExemple
On lance deux des et on fait la somme des resultats. Soit E="le total est 7". Quelle est la probabilite deE?Si on choisit comme evt elementaires la somme : =f2;3;:::;12g, la distribution n'est pas uniforme(une seule maniere d'obtenir 2, plusieurs d'obtenir 7)Prenons comme univers les couples de resultats :
=f(i;j);1i6;1j6gAlors la distrib est uniforme et card(
) = 62= 36 (arbre)
E=f(1;6);(2;5);(3;4);(4;3);(5;2);(6;1)g
)card(E) = 6 etP(E) =636 =16 Probleme : Comment calculer les cardinaux dans des problemes plus compliques (loto foot, tierce, jeux de carte)? Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisDenombrementsOn considere une experience
a plusieurs etapes telle que le nb d'issuesma l'etapenne depend pas duresultat des etapes precedentesle nb d'issuesmpeut dierer selon les etapeson cherche le nb de manieres dont l'exp peut se derouler
Soit une t^ache qui se deroule enretapes. Siil y an1facons de realiser la premiere etape,pour chaque des cesn1facons, on an2possibilites... et ainsi de suite jusqu'anr
Alorsle nombre total de facons dont cette tache peut sederouler est donne par le produitN=n1:n2:n3:::nrRenaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance
Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisListes
Denition
SoitEun ensemble denelements. Unep-liste deEest une collectionordonneedepelements deE:x1;x2;:::;xp;xi2E8iRemarques
on tient compte de l'ordre un m^eme element peut revenir plusieurs fois Exemple type :Tirage avec remise: Une urne contient 10 boules numerotees. On extrait 3 boules, avec remise apres chaque tirage. Le resultat est une 3-liste def1;2;:::;10gAutres exemples :une grille de loto-foot est une 16-liste def1;N;2gun code PIN a 4 chires est une 4-liste def1;2;:::;9gRenaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance
Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisTheoreme 2.1
Il existenpp-listes de E (oun= card(E))(on utilise la formuleN=n1:n2:::npavecn1=n2=:::=np)Exemplesil y a 10
3= 10:000 tirages (de 10 boules avec remise)
possibles (cf. arbre)il y a 316= 43:046:721 grilles de loto foot possiblesil y a 9
4= 6:561 codes PIN a 4 chires possiblesRenaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance
Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisArrangements
Denition
SoitEun ensemble denelements. Unp-arrangement deE
est une collectionordonneedepelementsdistinctsdeE (pn):x1;x2;:::;xp;xi2E xi6=xjsii6=jRemarques on tient compte de l'ordre un m^eme element ne peut pas revenir plusieurs fois Exemple type :Tirage sans remise: Une urne contient 10 boules numerotees. On extrait 3 boules, sans remettre les boules tirees. Le resultat est une 3-arrangement de f1;2;:::;10g Autres exemples :Le tierce gagnant dans une course a 18chevaux est un 3-arrangement def1;2;:::;18gRenaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance
Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisTheoreme 2.2
Il existeApn=n!(np)!p-arrangements de E(on utilise la formuleN=n1:n2:::npavecni+1=ni1 )ni=ni+ 1)Denition Soitkun entier positif. La factorielle dek(ou factoriellek), notek! est deni park!k(k1)(k2):::1 =kY i=1i.Par convention 0! = 1Exemples :1! = 1 ; 2! = 2x1 = 2 ; 3! = 3x2x1 = 6
Propriete :p:(p1)! =p!Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisAinsi,
Apn=n!(np)!=n(n1):::(np+1)(np)!(np)!=n(n1):::(np+ 1)Cas particulier:sip=n(classement complet dans l'ordre),
A pn=n! et on parle depermutationdeE(une permutation est donc unn-arrangement) ExemplesIl y aA310= 10x9x8 = 720 tirages (de 10 boules sans remise) possibles (cf. arbre)Il y aA318= 18x17x16 = 4896 tierces dans l'ordre possibles Application :Si equiprobabiliteproba de toucher le tierce dans l'ordre= 14896= 0;02%proba de toucher le tierce dans le desordre= 54896
= 0;10% ((acb);(bac);(bca);(cab);(cba)) Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP aris
Combinaisons
Denition
SoitEun ensemble denelements. Unep-combinaison est une collectionnon ordonneedepelementsdistinctsdeE (pn)Remarques on ne tient pas compte de l'ordre un m^eme element ne peut pas revenir plusieurs fois Exemple type :Tirage du loto. C'est une 6-combinaison de f1;2;:::;49g Autres exemples :Un tierce, dans le desordre, d'une course a 18 chevaux est une 3-combinaison def1;2;:::;18gune "main"au poker (tirage de 5 cartes) est une5-combinaison de l'ensemble des 32 cartes
Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisTheoreme 2.3
Il existeCpn=n!(np)!p!p-combinaisons de ERemarque
C pnest aussi appele "coecient binomial"et est parfois note n pC pn=Apnp!="arrangements de p elements""permutation des p elements" (Cnn= 1)Exemples:il y aC649=49!43!6!
= 13:983:816 tirages possibles du lotoil y aC318=18!15!3! =18x17x163x2x1= 816 tierces possibles dans le desordreil y aC532= 201:376 mains possibles dans un jeu de 32 cartes Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisProprietes des combinaisonsPropriete 1 (symetrie)
C pn=CnpnInterpretation C pn=nb de facons d'extrairepelmts d'un ens denelmtsC npn=nb de facons de laisserpelmts dans ens denelmtsPropriete 2 (Triangle de Pascal) C p1 n1+Cp n1=CpnExemple C649tirages possibles du LotoC
648tirages possibles ne contenant pas la boule 1C
548tirages possibles contenant la boule 1
)necessairementC548+C648=C649Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisEnsemble des parties:P(E)Denition
SoitEun ensemble denelements. L'ensemble des parties deE est alors deni parP(E) =fA=AEgExemples
E=;, cardE= 0,P(E) =f;g, cardP(E) = 1E=fag, cardE= 1,P(E) =f;;fagg, cardP(E) = 2E=fa;bg, cardE= 2,P(E) =f;;fag;fbg;fa;bgg,
cardP(E) = 4 = 22Theoreme 2.4 cardP(E) = 2n= 2cardE"Demonstration"P(E) =C0n+C1n+C2n+:::+Cnn+ Bin^ome de Newton: (a+b)n=Conanb0+:::+Cknankbk+:::+Cnna0bnRenaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance
Distribution UniformePr obabilited eLap laceD enombrementsLe sP aris Permutations d'objets partiellement indiscernablesSoitnobjets que l'on decompose enpgroupes:
n=n1+n2+:::+np. A l'interieur de chaque groupes les objets sont indiscernables.Le nombre de permutations de ces objets est
n!n1!n2!:::np!
ExemplesDe combien de facon peut-on aligner 3 boules rouges, 2 vertes et 5 bleues?10!5!3!2!
= 2520Combien de "mots"de 6 lettres peut-on former avec les lettre S, R, R, E, E, E?6!3!2!1!
= 60Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance Distribution UniformePr obabilited eLap laceD enombrementsLe sP aris Probabilites Subjectives : Les ParisProbl^eme :Les distributions de probabilites ne sont pas toujours uniformes et on ne peut pas toujours denir des probabilites objectives! ExemplesProbabilite que le TeFeCe batte l'OM ou qu'un actif soit en hausse. On peut toutefois conna^tre les probabilites subjectives que chaque individu attache a ces evenements a l'aide des paris! Si je suis pr^et a payer 2 euros si Toulouse gagne pour recevoir1 euro quand Marseille gagne, cela signie que je pense que la
probabilite que Marseille gagne est 2=3Renaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance
Distribution UniformePr obabilited eLap laceD enombrementsLe sP arisPlus generalement,
paris arcontre 1 que l'evenementEse realise. ,Earfois + de chance de survenir que de ne pas survenir, cadP(E) =rP(E))P(E) =rr+1(carP(E) +P(E) = 1)Cas general d'une c^ote arcontres:P(E) =r=sr=s+1=rr+sSi on connait la probaP(E) =p, on ar=s=p1pRenaud Bourles -Ecole Centrale MarseilleMathematiques pour la nance
quotesdbs_dbs48.pdfusesText_48[PDF] p48 physique 4am
[PDF] p48 physique relizane www.physique48.org français
[PDF] P69 manuel d'ihistoire géographie 3eme magnard
[PDF] p99 cleric gear
[PDF] p99 enchanter guide
[PDF] p99 enchanter solo spots
[PDF] p99 ranger leveling guide
[PDF] p99 shaman leveling guide
[PDF] p=mg explication
[PDF] Pablo Neruda MADRID 1936
[PDF] Pablo Neruda MADRID 1936 Aide Please
[PDF] pablo picasso
[PDF] pablo picasso autoportrait
[PDF] pablo picasso biographie en espagnol