[PDF] Probabilités et Statistiques Pour le cours de “Probabilité





Previous PDF Next PDF



Probabilités et Statistiques

Pour le cours de “Probabilités et Statistiques” nous avons rédigé une nouvelle version du polycopié. Cet avant-propos sert à présenter le polycopié



RAPPORT

4 niveaux de description (l'œuvre l'expression



Adaptive biasing algorithms: mathematical analysis and applications

25 févr. 2022 Je tenais à remercier chaleureusement Julian Tugaut qui a accepté ... mécanique statistique : on y rappelera la nécessité d'une description.



Adaptive biasing algorithms: mathematical analysis and applications

Je tenais à remercier chaleureusement Julian Tugaut qui a accepté de de la mécanique statistique : on y rappelera la nécessité d'une description.







Curriculum Vitæ Professional address Education and career

30 janv. 2018 [7] N. Berglund B. Gentz



ARCHIVES NATIONALES

Les renvois se rapportent à la fois à la description des articles du BESANÇON DE WAGNER (Julien) 115AJ/230



Appel à projets générique 2019 CE01 - Terre fluide et solide

12 juil. 2019 Ces projets issus du processus de sélection font l'objet de vérifications administratives et financières par l'ANR principalement liées à ...



1 Statistique minéralogique du département des Basses-Alpes ou

Les gisements de pétrole : géologie statistique



Probabilités et Statistiques

Julian Tugaut

FISE 1

Version du 12 mars 2023

ii

Table des matières

Table des matières iii

Liste des figures xiii

Liste des tableaux xvii

Avant-propos 1

Notations 3

I Probabilités 5

1 Le langage des ensembles 7

1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

7

1.1.1 Notion d"ensemble . . . . . . . . . . . . . . . . . . . . . .

7

1.1.2 Ensemble vide . . . . . . . . . . . . . . . . . . . . . . . . .

8

1.1.3 Inclusion, Sous-ensembles . . . . . . . . . . . . . . . . . .

8

1.2 Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . .

9

1.2.1 Intersection de deux ensembles . . . . . . . . . . . . . . .

9

1.2.2 Réunion de deux ensembles . . . . . . . . . . . . . . . . .

11

1.2.3 Propriétés de distributivité . . . . . . . . . . . . . . . . . .

12

1.2.4 Complémentaire d"un sous-ensemble . . . . . . . . . . . . .

14

1.3 Partition d"un ensemble . . . . . . . . . . . . . . . . . . . . . . .

16

1.4 Rappels sur la dénombrabilité . . . . . . . . . . . . . . . . . . . .

18 iii ivTABLE DES MATIÈRES

2 Le modèle probabiliste 19

2.1 Modélisation d"une expérience aléatoire . . . . . . . . . . . . . . .

19

2.1.1 L"espace fondamental . . . . . . . . . . . . . . . . . . . . .

20

2.1.2 Les évènements . . . . . . . . . . . . . . . . . . . . . . . .

21

2.2 Définition et propriétés d"une probabilité . . . . . . . . . . . . . .

24

2.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

2.2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . .

25

2.2.3 Espace fondamental dénombrable . . . . . . . . . . . . . .

29

2.3 Probabilité conditionnelle et indépendance . . . . . . . . . . . . .

31

2.3.1 Probabilité conditionnelle . . . . . . . . . . . . . . . . . .

31

2.3.2 Indépendance d"évènements . . . . . . . . . . . . . . . . .

35

2.3.3 Lemmes de Borel-Cantelli . . . . . . . . . . . . . . . . . .

37

3 Généralités sur les variables aléatoires 43

3.1 Définition et Opérations . . . . . . . . . . . . . . . . . . . . . . .

43

3.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . .

44

3.1.2 Opérations sur les variables aléatoires réelles . . . . . . . .

45

3.2 Loi d"une variable aléatoire réelle . . . . . . . . . . . . . . . . . .

46

3.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

3.2.2 Fonction de répartition . . . . . . . . . . . . . . . . . . . .

48

3.3 Indépendance des variables aléatoires réelles . . . . . . . . . . . .

52

3.3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . .

52

3.3.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . .

53

3.3.3 Contre-exemple . . . . . . . . . . . . . . . . . . . . . . . .

53

3.3.4 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . .

54

4 Variables aléatoires discrètes 55

4.1 Caractérisation de la loi . . . . . . . . . . . . . . . . . . . . . . .

55

4.1.1 Calcul de la probabilité d"un intervalle . . . . . . . . . . .

56

4.2 Caractéristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57

4.2.1 Espérance d"une variable aléatoire réelle . . . . . . . . . .

57

4.2.2 Variance, Écart-type . . . . . . . . . . . . . . . . . . . . .

63

5 Lois de probabilité discrètes classiques 71

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

71

5.2 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . .

71

TABLE DES MATIÈRESv

5.3 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

73

5.3.1 Formulation . . . . . . . . . . . . . . . . . . . . . . . . . .

73

5.3.2 Espace fondamental . . . . . . . . . . . . . . . . . . . . . .

74

5.3.3 Solution . . . . . . . . . . . . . . . . . . . . . . . . . . . .

75

5.3.4 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . .

77

5.3.5 Décomposition deX. . . . . . . . . . . . . . . . . . . . .78

5.3.6 Caractéristiques . . . . . . . . . . . . . . . . . . . . . . . .

78

5.3.7 Somme de lois binomiales . . . . . . . . . . . . . . . . . .

81

5.3.8 Courbe représentative de la loi binomiale . . . . . . . . . .

82

5.3.9 Tables de la loi binomiale . . . . . . . . . . . . . . . . . .

83

5.4 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

5.4.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

5.4.2 Courbe représentative de la loi de Poisson . . . . . . . . .

85

5.4.3 Caractéristiques . . . . . . . . . . . . . . . . . . . . . . . .

85

5.4.4 Somme de lois de Poisson . . . . . . . . . . . . . . . . . .

86

5.4.5 Tables de la loi de Poisson . . . . . . . . . . . . . . . . . .

87

6 Autres lois discrètes classiques 89

6.1 Loi de Rademacher . . . . . . . . . . . . . . . . . . . . . . . . . .

89

6.2 Loi uniforme discrète . . . . . . . . . . . . . . . . . . . . . . . . .

90

6.3 Loi triangulaire discrète . . . . . . . . . . . . . . . . . . . . . . .

91

6.4 Loi géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . .

93

6.5 Loi hypergéométrique . . . . . . . . . . . . . . . . . . . . . . . . .

96

6.6 Loi de Zipf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

97

6.7 Loi de Benford . . . . . . . . . . . . . . . . . . . . . . . . . . . .

98

6.8 Loi logarithmique . . . . . . . . . . . . . . . . . . . . . . . . . . .

98

6.9 Loi zêta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

99

7 Fonctions génératrices 103

7.1 Définition et premières propriétés . . . . . . . . . . . . . . . . . .

103

7.2 Fonctions génératrices des lois classiques . . . . . . . . . . . . . .

104

7.2.1 SiPX=B(p). . . . . . . . . . . . . . . . . . . . . . . . .104

7.2.2 SiPX=B(n;p). . . . . . . . . . . . . . . . . . . . . . . .104

7.2.3 SiPX=P(). . . . . . . . . . . . . . . . . . . . . . . . .105

7.2.4 Pour d"autres lois discrètes usuelles . . . . . . . . . . . . .

105

7.3 Résultats importants . . . . . . . . . . . . . . . . . . . . . . . . .

106

7.4 Extinction des grands noms . . . . . . . . . . . . . . . . . . . . .

108

8 Variables aléatoires à densité 111

8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

111

8.2 Densité : définition et propriétés . . . . . . . . . . . . . . . . . . .

111

8.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . .

111

8.2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . .

113

8.3 Calcul de la probabilité d"un intervalle . . . . . . . . . . . . . . .

1 14 viTABLE DES MATIÈRES

8.4 Caractéristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . .

115

8.4.1 Espérance d"une variable aléatoire réelle . . . . . . . . . .

115

8.4.2 Variance, Écart-type . . . . . . . . . . . . . . . . . . . . .

119

8.4.3 Mélange de variables discrètes et à densité . . . . . . . . .

123

8.4.4 Skewness et kurtosis . . . . . . . . . . . . . . . . . . . . .

123

9 Lois de probabilité continues classiques 125

9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

125

9.2 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

125

9.2.1 Caractéristiques . . . . . . . . . . . . . . . . . . . . . . . .

128

9.3 Loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . .

130

9.3.1 Caractéristiques . . . . . . . . . . . . . . . . . . . . . . . .

131

9.4 Loi normale (ou gaussienne) . . . . . . . . . . . . . . . . . . . . .

132

9.4.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . .

132
quotesdbs_dbs11.pdfusesText_17
[PDF] corrige du contrôle continu n 1 - Université Paris 8

[PDF] PRISE EN MAIN D 'UN TABLEUR Version EXCEL - Académie de

[PDF] Cours 2 : Notions d 'effectif et de fréquence - Clips-Imag

[PDF] 4097-i-1406-PPL-Candelier-Effectif maximum par classe

[PDF] La qualité de l 'école primaire en Guinée : une étude de cas

[PDF] Effective Communication Skills - Ballsbridge College of Further

[PDF] Les petites et moyennes entreprises face ? la mondialisation

[PDF] Effet de la température sur l 'installation et la croissance des plantes

[PDF] Comment mesurer une vitesse par effet Doppler ?

[PDF] Activité n°3 chapitre IV Effet Doppler - Centre de Recherche

[PDF] Exercices sur l 'effet Doppler-Fizeau corrigé

[PDF] Chapitre 3 / TP 3 : L 'effet Doppler (Correction) - La physique chimie

[PDF] actions du vent sur les ouvrages effets dynamiques - AIV

[PDF] Structure électronique de complexes de métaux de transition

[PDF] outils d 'analyse de l 'evolution des charges de personnel - Santé RH