Cours de probabilités et statistiques
Cours de probabilités et statistiques C Statistique descriptive univariée ... événement est la somme des probabilités de chacun des événements ...
Probabilités et Statistique
Probabilités et Statistique. Y. Velenik. — Version préliminaire du 26 octobre 2016 —. Dernière version téléchargeable à l'adresse.
Probabilités et statistique pour lingénieur
10 janv. 2018 année `a l'ENSTA : “Introduction aux probabilités et `a la statistique”. — l'équipe enseignante du cours de statistique de seconde année ...
Introduction au calcul des probabilités et `a la statistique
En écrivant ce livre nous avons voulu présenter les outils élémentaires des probabilités et de la statistique mathématique avec
Probabilités & Statistiques
Probabilités & Statistiques. Résumé de cours La probabilité P donne pour chaque événement A
Exercices Corrigés Statistique et Probabilités
Examen Statistique et Probabilités (1) . Dresser le tableau statistique de la distribution de la variable X (effectifs cumulés.
TABLE DES MATIERES
Mathématiques – Probabilités et statistique http://eduscol.education.fr/prog. Introduction. Le document ressource pour la partie du programme de la classe
PROBABILITÉS ET STATISTIQUE INFÉRENTIELLE
Probabilités et Statistique inférentielle. Semestre 3. Objectifs du module. Savoir faire des calculs de probabilité d'intervalle de confiance et de test
Probabilités et Statistique
Probabilités et Statistique. Y. Velenik. — Version préliminaire du 20 mars 2017 —. Dernière version téléchargeable à l'adresse.
Probabilités et Statistiques Licence de Mathématiques (Parcours
des probabilités et au raisonnement statistique. S'agissant d'un cours ciblé sur le parcours Math-Info l'accent sera mis en priorité sur tout ce qui rel`
Probabilités et Statistique
Y. Velenik- Version préliminaire du 26 octobre 2016 - Dernière version téléchargeable à l"adresseTable des matières
Table des matières
30 Introduction5
0.1 Modélisation des phénomènes aléatoires
. . . . . . . . . . . . . . . . . . . . . . . 6I Espaces de probabilité discrets
111 Probabilité, indépendance
131.1 Mesures de probabilité
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131.2 Quelques résultats combinatoires
. . . . . . . . . . . . . . . . . . . . . . . . . . . 161.3 Probabilité conditionnelle, formule de Bayes
. . . . . . . . . . . . . . . . . . . . . 221.4 Indépendance
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261.5 Expériences répétées
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292 Variables aléatoires discrètes
312.1 Variables aléatoires discrètes et leurs lois
. . . . . . . . . . . . . . . . . . . . . . . 312.2 Indépendance de variables aléatoires
. . . . . . . . . . . . . . . . . . . . . . . . . 362.3 Vecteurs aléatoires discrets
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372.4 Espérance, variance, covariance et moments
. . . . . . . . . . . . . . . . . . . . . 393 Marche aléatoire simple surZ55
3.1 Description du processus
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 553.2 Quelques propriétés importantes
. . . . . . . . . . . . . . . . . . . . . . . . . . . 573.3 Le premier retour au point de départ
. . . . . . . . . . . . . . . . . . . . . . . . . 583.4 La loi de l"arc-sinus pour la dernière visite en?. . . . . . . . . . . . . . . . . . . 61
3.5 La loi de l"arc-sinus pour les temps de séjour
. . . . . . . . . . . . . . . . . . . . 624 Fonctions génératrices
654.1 Définition, propriétés
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 654.2 Application aux processus de branchement
. . . . . . . . . . . . . . . . . . . . . 694.3 Application à la marche aléatoire simple surZ. . . . . . . . . . . . . . . . . . . 72
4.4 Fonction génératrice conjointe
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75II Espaces de probabilité généraux
775 Approche axiomatique
793
4TABLE DES MATIÈRES
5.1 Construction d"espaces de probabilité
. . . . . . . . . . . . . . . . . . . . . . . . 795.2 Variables aléatoires
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 855.3 Indépendance
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 885.4 Espérance
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 895.5 Variables aléatoires à densité
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 915.6 Processus en temps discret.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1056 Fonctions caractéristiques
1096.1 Définition et propriétés élémentaires
. . . . . . . . . . . . . . . . . . . . . . . . . 1096.2 Théorèmes d"inversion et de continuité
. . . . . . . . . . . . . . . . . . . . . . . . 1116.3 Quelques exemples classiques
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1137 Théorèmes limites
1177.1 Un point technique
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1177.2 Quelques outils
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1187.3 Modes de convergence
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1207.4 La loi des grands nombres
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1227.5 Le Théorème Central Limite
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1267.6 La loi?-?de Kolmogorov. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8 Retour aux marches aléatoires
1318.1 Compléments concernant la marche surZ. . . . . . . . . . . . . . . . . . . . . . 131
8.2 Marche aléatoire simple surZ?. . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
9 Les chaînes de Markov
1419.1 Définition et exemples
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1419.2 Chaînes de Markov absorbantes
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 1469.3 Chaînes de Markov irréductibles
. . . . . . . . . . . . . . . . . . . . . . . . . . . 15010 Modèle de percolation
15910.1 Définition
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15910.2 Transition de phase
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15911 Le processus de Poisson
16511.1 Définition et propriétés élémentaires
. . . . . . . . . . . . . . . . . . . . . . . . . 16511.2 Autres propriétés
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17212 Introduction à la statistique
18312.1 Estimateurs
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18312.2 Intervalles de confiance
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18912.3 Tests d"hypothèses
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193Index201
Chapitre0Introduction
Si la théorie des probabilités a été originellement motivée par l"analyse des jeux de hasard,
elle occupe aujourd"hui une place centrale dans la plupart des sciences. Tout d"abord, de par ses applications pratiques : en tant que base des statistiques, elle permet l"analyse des donnéesrecueillies lors d"une expérience, lors d"un sondage, etc.; elle a également conduit au développe-
ment de puissants algorithmes stochastiques pour résoudre des problèmes inabordables par une approche déterministe; elle possède en outre de nombreuses applications directes, par exempleen fiabilité, ou dans les assurances et la finance. D"un côté plus théorique, elle permet la modé-
lisation de nombreux phénomènes, aussi bien en sciences naturelles (physique, chimie, biologie,
etc.) qu"en sciences humaines (économie, sociologie, par exemple) et dans d"autres disciplines (médecine, climatologie, informatique, réseaux de communication, traitement du signal, etc.).Elle s"est même révélée utile dans de nombreux domaines de mathématiques pures (algèbre,
théorie des nombres, combinatoire, etc.) et appliquées (EDP, par exemple). Finalement, elle aacquis une place importante en mathématiques de par son intérêt intrinsèque, et, de par sa
versatilité, possède un des spectres les plus larges en mathématiques, allant des problèmes les
plus appliqués aux questions les plus abstraites. Le concept de probabilité est aujourd"hui familier à tout un chacun. Nous sommes constam-ment confrontés à des événements dépendant d"un grand nombre de facteurs hors de notre
contrôle; puisqu"il nous est impossible dans ces conditions de prédire exactement quel en serale résultat, on parle de phénomènes aléatoires. Ceci ne signifie pas nécessairement qu"il y ait
quelque chose d"intrinsèquement aléatoire à l"oeuvre, mais simplement que l"information à notre
disposition n"est que partielle. Quelques exemples : le résultat d"un jeu de hasard (pile ou face,
jet de dé, roulette, loterie, etc.); la durée de vie d"un atome radioactif, d"un individu ou d"une
ampoule électrique; le nombre de gauchers dans un échantillon de personnes tirées au hasard;
le bruit dans un système de communication; la fréquence d"accidents de la route; le nombre deSMS envoyés la nuit du 31 décembre; le nombre d"étoiles doubles dans une région du ciel; la
position d"un grain de pollen en suspension dans l"eau; l"évolution du cours de la bourse; etc. Le développement d"une théorie mathématiques permettant de modéliser de tels phéno-mènes aléatoires a occupé les scientifiques depuis plusieurs siècles. Motivés initialement par
l"étude des jeux de hasard, puis par des problèmes d"assurances, le domaine d"application de la
théorie s"est ensuite immensément élargi. Les premières publications sur le sujet remontent à
G. Cardano
1avec son livreLiber De Ludo Aleae(publié en 1663, mais probablement achevé1. Girolamo Cardano (1501, Pavie - 1576, Rome), parfois connu sous le nom de Jérôme Cardan, mathématicien,
philosophe et médecin italien. Féru d"astrologie, on dit qu"il avait prévu le jour de sa mort, mais que celle-ci ne
semblant pas vouloir se produire d"elle-même, il se suicida afin de rendre sa prédiction correcte.
56CHAPITRE 0. INTRODUCTION
en 1563), ainsi qu"à Kepler2et Galilée3. Toutefois, il est généralement admis que la théorie
des probabilités débute réellement avec les travaux de Pascal4et de Fermat5. La théorie fut
ensuite développée par de nombreuses personnes, dont Huygens6, J. Bernoulli7, de Moivre8,
D. Bernoulli
9, Euler10, Gauss11et Laplace12. La théorie moderne des probabilités est fondée
sur l"approche axiomatique de Kolmogorov13, basée sur la théorie de la mesure de Borel14et
Lebesgue
15. Grâce à cette approche, la théorie a alors connu un développement très rapide tout
au long du XXèmesiècle.
0.1 Modélisation des phénomènes aléatoires
Le but de la théorie des probabilités est de fournir un modèle mathématique pour décrire
les phénomènes aléatoires. Sous sa forme moderne, la formulation de cette théorie contient trois
ingrédients : l"univers, les événements, et la mesure de probabilité.0.1.1 Univers.
Il s"agit d"un ensemble, noté habituellement?, dont les éléments correspondent à tous les
résultats possibles de l"expérience aléatoire que l"on cherche à modéliser. On l"appelle également
l"espace des observables, ou encore l"espace échantillon.Exemple0.1.
1.Un tirage à pile ou face : ? ??P?F?.
2. Deux tirages à pile ou face : ? ??PP?PF?FP?FF?. 3. Une suite de tirages à pile ou face se terminan tà la première apparition d"un pil e: ? ? ?P?FP?FFP?FFFP?????. 4. 5.T ailled"une p ersonne: ? ?R?.
6.Durée de vie d"une amp oule: ? ?R?.
7.l"on a noté??????l"ensemble des fonctions continues de?vers?.2. Johannes Kepler (1571, Weil der Stadt - 1630, Ratisbonne), mathématicien, astronome et astrologue alle-
mand.3. Galilée ou Galileo Galilei (1564, Pise - 1642, Arcetri), physicien et astronome italien.
4. Blaise Pascal (1623, Clermont - 1662, Paris), mathématicien, physicien, philosophe, moraliste et théologien
français. Auteur de nombreuses contributions majeures en mathématiques et en physique, il délaisse ces dernières
à la fin de 1654, à la suite d"une expérience mystique, et se consacre à la réflexion philosophique et religieuse.
5. Pierre de Fermat (1601, Beaumont-de-Lomagne - 1665, Castres), juriste et mathématicien français.
6. Christiaan Huygens (1629, La Haye - 1695, La Haye), mathématicien, astronome et physicien néerlandais.
7. Jacques ou Jakob Bernoulli ( 1654, Bâle - 1705, Bâle), mathématicien et physicien suisse.
8. Abraham de Moivre (1667, Vitry-le-François - 1754, Londres), mathématicien français.
9. Daniel Bernoulli (1700, Groningen - 1782, Bâle), médecin, physicien et mathématicien suisse.
10. Leonhard Euler (1707, Bâle - 1783, Saint-Pétersbourg), mathématicien et physicien suisse. Il est considéré
comme le mathématicien le plus prolifique de tous les temps. Complètement aveugle pendant les dix-sept dernières
années de sa vie, il produit presque la moitié de la totalité de son travail durant cette période.
allemand.12. Pierre-Simon Laplace (1749, Beaumont-en-Auge - 1827, Paris), mathématicien, astronome et physicien
français.13. Andreï Nikolaïevich Kolmogorov (1903, Tambov - 1987, Moscou), mathématicien russe.
14. Félix Édouard Justin Émile Borel (1871, Saint-Affrique - 1956, Paris), mathématicien et homme politique
français.15. Henri Léon Lebesgue (1875, Beauvais - 1941, Paris), mathématicien français.
0.1. MODÉLISATION DES PHÉNOMÈNES ALÉATOIRES7
8. La tra jectoired"un grain de p ollenen susp ensiondans un fluide : ? ???R??R??. Dans chaque cas, il ne s"agit que d"une modélisation de l"expérience correspondante : il y adonc évidemment de nombreuses façons de choisir et d"encoder les différents résultats possibles
d"une expérience aléatoire dans un ensemble?. Par exemple, dans le troisième exemple, on pour-
rait tout aussi bien prendre? ?N?, en ne retenant que la durée de la partie; dans le cinquième,
perte de généralité.0.1.2 Événements
Un événement est une propriété dont on peut dire si elle est vérifiée ou non une fois le
résultat de l"expérience connu. Mathématiquement, un événement est caractérisé par l"ensemble
des résultats dans lesquels il est réalisé (un tel résultat est alors appelé uneréalisationde
l"événement). 1.quotesdbs_dbs23.pdfusesText_29[PDF] Statistique spatiale
[PDF] Statistiques : moyenne, médiane et étendue - KeepSchool
[PDF] Première S - Statistiques descriptives - Variance et écart - Parfenoff
[PDF] Second degré, cours, première STI2D - MathsFG - Free
[PDF] cours de premiere sti2d - Les fonctions : généralités
[PDF] LISTE DES LIVRES Classe de Terminale STI2D
[PDF] Cours STMS - SBSSA - Rouen
[PDF] Cours stratégie d 'entreprise - f-staticcom
[PDF] Définir une stratégie de communication Télécharger le pdf
[PDF] La langue française, de A ? Z - Direction de la Langue Française
[PDF] Première ES Cours suites numériques 1 I Généralités sur les suites
[PDF] Cours de Terminale STG
[PDF] Superviseur en HSE - Technoformat
[PDF] L 'immigration et la société française - Lycée d 'Adultes