PROBABILITÉS
Dans le jeu de la "Méthode" du paragraphe précédent calculer l'espérance
Probabilité Espérance
https://cermics.enpc.fr/~bl/decision-incertain/cours/cours-1.pdf?refresh=echo%20rand(2
Espérance variance
https://www.unige.ch/math/mgene/cours/slides8.pdf
variables aléatoires
3) Calculer la variance et l'écart-type de !. Correction. 1) On commence par établir la loi de probabilité de ! : ! peut prendre les valeurs −1 € 2
Cours de Statistiques inférentielles
La convergence en moyenne quadratique entraîne la convergence en probabilité. 2. Pour les (Xn) sont des variables aléatoires d'espérance et de variance finies
Lois de probabilité usuelles (rappels) Π Π
Espérance et variance dans le cas discret. Si X est une variable aléatoire formule. P(X > u)=1 − P(X ⩽ u)=1 − p et on cherche dans la table la valeur u ...
Espérance et variance Variables Aléatoires discrètes
binaire X qui prend la valeur 1 avec la probabilité p et 0 avec la probabilité 1 − p. Montrer que la variance d'une variable aléatoire de Bernoulli vaut p(1 ...
MODULE 7 LOIS PROBABILITÉ PROBABILITÉ
suit une loi normale de moyenne µ et de variance σ2 notée X ∼ N (µ
Loi de probabilité continue
La variance d'une variable aléatoire X de densité f est Var(X) = E X2 - E(X). 2. Le moment d'ordre m d'une variable aléatoire X de densité f est E(Xm)
Probabilités continues
remarque : on peut prendre a = −∞ ou b = +∞ dans cette formule. b a. La Variance. Que pouvez-vous dire des variances de ces densités ? −10. −5. 0. 5.
[PDF] PROBABILITÉS - maths et tiques
Dans le jeu de la "Méthode" du paragraphe précédent calculer l'espérance la variance et l'écart-type de la loi de probabilité de X et interpréter les
[PDF] Mesure de la variabilité
valeurs étant contrôlée par la probabilité choisie Définition : On appelle variance de la v a unidimensionnelle X et on note Var(X) le nombre défini
[PDF] Espérance variance quantiles
22 mai 2008 · On l'a note souvent µ = E(X) Exemple : un jeu de hasard est programmé selon la table suivante Gain Probabilité Gain × Proba
[PDF] Variance et écart type - Statistiques descriptives - Parfenoff org
Si les valeurs de la série possèdent une unité l'écart type s'exprime dans la même unité Autre formule pour calculer la variance :
[PDF] STATISTIQUE : ESTIMATION - Institut de Mathématiques de Bordeaux
Estimation de la moyenne quand la variance est inconnue L'estimateur est dit convergent si la suite (Tn) converge en probabilité vers ?0 :
[PDF] Espérance et variance Variables Aléatoires discrètes
Loi de Bernoulli : La loi de Bernoulli est une distribution de probabilité discrète pour une v a binaire X qui prend la valeur 1 avec la probabilité p et 0
[PDF] Probabilités et variables aléatoires
babilités conditionnelles et de la notion d'indépendance en proba- bilités variance d'une variable aléatoires sont définies avant de signaler
[PDF] 4 - Espérance variance et espérance conditionnelle - Renaud Bourles
%2520Variance%2520et%2520Esperance%2520Conditionnelle.pdf
[PDF] Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi
distribution de probabilité (ou loi de probabilité) de la v a X Corollaire 4 7 (Formule pour la variance) : Soit X une v a discrète
[PDF] Probabilités continues
On s'intéresse plutôt `a la probabilité que X soit dans un intervalle donné [ab] Soit X une variable aléatoire continue de densité fX sa variance est
[PDF] Espérance variance quantiles
22 mai 2008 · Espérance variance quantiles Probabilité Gain × Proba Définition : La variance d'une v a X (si elle existe) est
[PDF] PROBABILITÉS - maths et tiques
Dans le jeu de la "Méthode" du paragraphe précédent calculer l'espérance la variance et l'écart-type de la loi de probabilité de X et interpréter les
[PDF] Mesure de la variabilité
Discuter ce postulat et l'adage en termes de variance Exercice : Soient X et Y deux v a de même loi Lorsqu'on découvre les probabilités et la notion (
[PDF] Formulaire de Probabilités et Statistique - Christophe Chesneau
pdf ? Éléments de cours de Probabilités de Jean-François Marckert : Formule des probabilités composées (à l'ordre 3) : Espérance et variance :
[PDF] Cours de Probabilités
Calcul de la variance : V (Y ) = dans le cas discret et V (Y ) = dans le cas continu Page 37 Chapitre 6 Lois continues usuelles 6 1 Loi continue uniforme
[PDF] Cours de probabilités et statistiques
Proposition 7 (Formule des probabilités totales) Soit A un événement tel que 0 < Un calcul analogue permet de calculer la variance (exercice)
[PDF] Probabilités et variables aléatoires
variance d'une variable aléatoires sont définies avant de signaler (formule des probabilités totales) Soit (Ai)i?I une fa-
[PDF] Cours calcul des probabilités et variables aléatoires
On dit que X suit la loi binomiale négative de paramètre p X(?) =IN et on note 31 Page 37 X ? BN(r p) L'espérance et la variance de X sont E(X) = r 1
[PDF] Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi
4) La famille (pi)i?D des nombres pi = P(X = xi) (i ? D) s'appelle la distribution de probabilité (ou loi de probabilité) de la v a X Remarque 2 2 : Il est
Cours 5 : Variance ? Écart-type dune variable aléatoire
La loi de probabilité de X est donnée dans le tableau ci-dessous Valeur prise par X 1 2 3 4 Probabilité associée
Esperance, variance,
quantilesMathematiques Generales B
Universite de Geneve
Sylvain Sardy
22 mai 2008
10. Motivation
Mesures de centralite (ex. esperance) et de dispersion (ex. variance)-10-50510 0.0 0.1 0.2 0.3 0.4 x f(x)Moments et quantiles 21. Esperance
Denition. L'esperance d'une v.a.X(si elle existe) est :Cas disc ret: E(X) =P
xxP(X = x).Cas c ontinu: E(X) =Rxf(x)dx.
C'est une mesure du centre de la distribution. On l'a note souvent= E(X). Exemple : un jeu de hasard est programme selon la table suivanteGainProbabiliteGainProba10.010.1
50.0010.05
1'0001.01050.01
10'00051075.0103somme0.01101050.165
Quelle est l'esperance de gainXd'un joueur?Moments et quantiles 3Distributions discretes :
SiXBernoulli(p), alors son esperance estE(X) =
SiXBinomiale(n,p), alors son esperance estE(X) =
SiXPoisson(), alors son esperance estE(X) =
Distributions continues :
SiXUniforme(a,b), alors son esperance estE(X) =
SiXGaussienne N(0,1), alors son esperance estE(X) = SiXGaussienne N(,2), alors son esperance estE(X) =Moments et quantiles 4 Exemple : Roger Federer joue ses matchs en 3 sets 60% du temps, 4 sets 25% et 5 sets 15%. Quelle est l'esperance du nombre de sets joues par le numero 1? Exemple : Le temps d'attente en minute au standard telephonique d'un cinema est bien modelise par une distribution exponentielleExp(0:5)(de densite f(t) =exp(t),t >0avec= 0:5). Quel est le temps moyen d'attente?Moments et quantiles 5Esperance d'une fonction de v.a.
Propriete 1.1 (sans demonstration) :
Cas disc ret: Si Xa une distribution discrete etY=r(X), alorsE(r(X)) = E(Y) =X
yyP(Y = y) =X xr(x)P(X = x):Cas c ontinu: Si Xa pour densitefXetY=r(X), alors
E(r(X)) = E(Y) =Z
yfY(y)dy=Z
r(x)fX(x)dx: Denition : (utilisantr(x) =x2) lemoment d'ordrekd'une v.a.XestE(Xk) =Moments et quantiles
6 Exemple : SiXBernoulli(p), alors son moment d'ordre 2 estE(X2) = 02P(X = 0) + 12P(X = 1) = p:
Exemple : SiXPoisson(), alors son moment d'ordre 2 estE(X2) =(+ 1):
Exemple : SiXExp(), alors son moment d'ordre 2 estE(X2) =Z
1 0 x2exp(x)dx=22:Moments et quantiles
7Pour deux v.a.XetYet une fonctionr(x;y), on a
Cas disc ret:
E(r(X;Y)) =X
xX yr(x;y)P(X = x;Y = y)Cas c ontinu:
E(r(X;Y)) =Z Z
r(x;y)f(x;y)dx dyMoments et quantiles 8Propriete 1.2 : siaetbsont des constantes, alors
E(aX+b) =aE(X) +b:
Demonstration :
Propriete 1.3 :EfXE(X)g= 0.Moments et quantiles
9 Propriete 1.4 : SoitXetYdeux v.a. de densite conjointef(x;y). AlorsE(X+Y) = E(X) + E(Y):
Cette propriete est egalement vraie dans le cas discret. Cette propriete est vraie que les v.a. soient independantes ou non. Demonstration : on utilise la fonctionr(x;y) =x+y:E(X+Y)= Z Z
(x+y)f(x;y)dx dy =Moments et quantiles 10 Exemple : Quelle est l'esperance d'uneBinomiale(n,p)? Exemple :nhommes etnfemmes dansent par deux et forment une paire aleatoirement. Quelle est l'esperance du nombre de couplesDnqui dansent ensemble parmi lesncouples presents? Cette esperance augmente-t-elle avecn? SoitXila variable binaire telle queXi= 1si leieme homme danse avec sa femme (Xi= 0sinon). Par la combinatoire on sait queP(Xi= 1) =(n1)!n! =1n doncE(Xi) =De plusDn=X1+:::+Xn, donc
E(Dn) =Moments et quantiles
11 Propriete 1.5 : SiXetYsont deux v.a. independantes, alorsE(XY) = E(X) E(Y):
Demonstration :Moments et quantiles
12Exemple : SoitXetYde distribution conjointe
XY=1 0
10 .30.5 .2
E(XY) = (1)(0) + (0)(:3) + (0)(:5) + (0)(:2) = 0.
E(X) = (1)(:3) + (0)(:7) =:3etE(Y) = (1)(:5) + (0)(:5) =:5.Que se passe-t-il?Moments et quantiles
132. Variance
Denition : Lavarianced'une v.a.X(si elle existe) est var(X) = EfXE(X)g2: C'est une mesure de dispersion autour de l'esperance. On la note souvent2= var(X).
Denition equivalente :var(X) = E(X2) fE(X)g2
Demonstration :Moments et quantiles
14Exemple : SiXBernoulli(p), alors sa variance est
var(X) =Exemple : SiXPoisson(), alors sa variance est
var(X) =Moments et quantiles 15Exemple : SiXExp(), alors sa variance est
var(X) =Exemple : SiXN(0,1), alors sa variance est
var(X) = 1Moments et quantiles 16Propriete 2.1 : siaetbsont des constantes, alors
var(aX+b) =a2var(X):Demonstration :
Consequence (Proprietes 1.2 et 2.1) : siXest une variable aleatoire telle queE(X) = 0etvar(X) = 1, alorsY=+Xest telle queE(X) =et var(Y) =.Moments et quantiles 17 Exemple : SiXN(0;1), alorsY=+XN(;2). Pratique : la distribution Gaussienne est parametrisee avec son esperanceet sa variance2.Sa fonction de densite est
f(x;;) =1p22exp(122(x)2): Exemple :XPoisson(). Que peut-on dire deY=aX?Moments et quantiles 18Denition : l'ecart typed'une v.a.Xest=pvar(X).
L'ecart type a l'avantage d'^etre dans la m^eme unite que la variable. Par exemple siXest enm, alorsvar(X)est enm2, mais(X)est enm. Exemple : on lance un de et notonsXla valeur. Quelles sont son esperance et sa variance? E(X)= var(X)=Doncvar(X) =10536
= 2:9166et(X) =pvar(X) = 1:7078.Moments et quantiles 19 Une mesure de deviation plus naturelle estE(jXE(X)j) = 1:5. En eet jXj=8 :0:5when X= 3;41:5when X= 2;5
2:5when X= 1;6
DoncE(jXj) = (0:5)(16
+16 ) + (1:5)(16 +16 ) + (2:5)(16 +16 ) = 1:5.Moments et quantiles 20Denition : Lacovarianceentre deux v.a.XetYest
cov(X;Y) = Ef(XE(X))(YE(Y))g:Il est facile de montrer la denition equivalente
cov(X;Y) = E(XY)E(X)E(Y): Consequence (Propriete 1.5) : SiXetYsont deux v.a. independantes, alors cov(X;Y) =:Propriete 2.2 :var(X+Y) =
Donc siXetYsont deux v.a. independantes, alorsvar(X+Y) = var(X) + var(Y).Moments et quantiles 21Denition (plus faible que l'independance) : deux v.a.XetYsont non- correlees sicov(X;Y) = 0. Il sut donc queXetYsoient non-correlees pour quevar(X+Y) = var(X) + var(Y). Exemple : Quelle est la variance de la Binomiale(n,p)? Exemple : SoitXune v.a. qui prend pour valeur2;1;0;1;2avec probabilite
1=5, et soitY=X2.
cov(X;Y) = Les v.a.XetYsont-elles independantes?Moments et quantiles 22Denition : lecoecient de correlationentreXetY
(X;Y) =cov(X;Y)(X)(Y)2[1;1]: mesure la force d'associaton lineaire entre deux v.a. IMPORTANT : faites toujours la distinction entre independant et non-correle. Ne concluez jamais pour l'independance apres avoir calculer un coecient de correlation nul!Moments et quantiles 233. Quantiles
Denition : Lamedianemd'une v.a.Xsatisfait
P(X6m)>1=2 et P(X>m)>1=2:
Propriete 3.1 : SiXest une v.a. avec une fonction de distributionFcontinue et strictement croissante, alors m=F1(0:5):quotesdbs_dbs11.pdfusesText_17[PDF] transmission influx nerveux
[PDF] influx nerveux pdf
[PDF] influx nerveux potentiel d'action
[PDF] propagation de l'influx nerveux dans le neurone
[PDF] transmission de l'influx nerveux au niveau de la synapse
[PDF] calcul profondeur moho
[PDF] onde pmp definition
[PDF] forme indéterminée infini moins infini
[PDF] longueur masse durée 6ème exercices
[PDF] comment calculer moyenne fst tanger
[PDF] fst marrakech seuil 2017
[PDF] calculer moyenne fst mip
[PDF] seuil fst marrakech 2016
[PDF] calculer seuil fst