Probabilités et Statistiques polycopié de L3
Cours de licence de Mathématiques (théorie élémentaire des probabilités). 1. 1 Notions fondamentales. 3 ... 7.1.3 Densités `a plusieurs variables .
Intégration et probabilités (cours + exercices corrigés) L3 MASS
3. 2 Théorie de la mesure. 5. 2.1 Tribus et mesures . mesure de probabilité (cette définition sera rappelée plus tard dans le cours). La tribu A.
proba_base.pdf
1 janv. 2022 Dans le Chapitre 3 on présente les notions d'espérance
Cours de théorie des probabilités avec exercices corrigés et devoirs
du semestre 5 de l'enseignement à distance de la Licence de Mathématiques. La diffusion de ce cours est 1.3.3 Propriétés élémentaires des probabilités .
Cours de Probabilités
Licence 2-S3 SI-MASS Après 3 jets nous obtenons la réalisation A = (2;5;1) ; nous réitérons les jets et nous ... Cours Probabilités / Pierre DUSART.
Exercices Corrigés Statistique et Probabilités
Faculté des Sciences d'Agadir (STU 3) Licence Maîtrise Doctorat ... probabilité d'obtenir « Face » au cours des n premiers lancers suit une loi ...
Cours de probabilités et statistiques
Calculer P(B) P(A ? Bc)
Cours de Statistiques (L1 – MAP 201)
14 févr. 2018 4 séances de 1h30 en amphithéâtre (cours). 1. Statistiques descriptives. 2. Introduction à la théorie des probabilités. 3.
Cours de probabilité et simulation Licence de mathématiques
Chapitre 1. Fondements de la théorie des probabilités. 1. 1.1. Événements. 1. 1.2. Probabilité. 3. Chapitre 2. Variables aléatoires.
Cours et exercices corrigés en probabilités
Déterminer la loi de probabilité de la v.a. X. 2. Calculer l'espérance et la variance de la v.a. X. 3. Les conditions de jeu restent identiques. Indiquer le
Cours de Probabilités - univ-toulousefr
Notons l’ensemble de tous les résultatspossibles(appelésaussiépreuvesourésultatsélémentaires)decette expériencealéatoire = f1;2;3;4;5;6g: Onnote!= 3 poursigni?erque3estlerésultatdel’épreuve Dans cette expérience aléatoire on peut s’intéresser à des événements plus complexes qu’un simple résultat élémentaire
Cours de probabilites et statistiques´
th eorie de la mesure n ecessaires pour ce cours de Probabilit es On renvoie a [Rud] ou a un cours de th eorie de la mesure complet pour des d etails 1 1 1 Tribus Pour un ensemble X on note P(X) = fA: AˆXgl’ensemble de ses parties D e nition 1 1 1 (Tribu) AˆP(X) est une tribu (ou une ?-alg ebre) si X2A; Si pour tout i2N A i 2Aalors
Cours de Probabilités - Université de Limoges
Cours Probabilités / Pierre DUSART 5 Question : “On lance trois pièces de monnaie Quelle est la probabilité que toutes trois retombent du
Cours de : Probabilités 1ère année de la licence Statistique
3) On lance une pièce de monnaie jusqu'à obtenir ace F Les résultats possibles de cette expérience sont les nombres de fois ou on a lancé la pièce : = N 4) La durée de vie d'un être vivant : = R + 3) La trajectoire d'une feuille morte sur une surface d'eau plane D pendant un temps T : = C([0;T];D) Dé nition 3 Un ensemble de artiesp Ade
Int egration et probabilit es (cours + exercices corrig es
Le but de ce cours est d’introduire les notions de th eorie de la mesure qui seront utiles en calcul des probabilit es et en analyse Il est destin e aux etudiants qui veulent poursuivre leurs etudes dans un master a composante math ematique Pour un cours plus complet se reporter a la bibliographie
Searches related to cours de probabilité licence 3 PDF
TESTS STATISTIQUES a) Calculer la moyenne empirique et l’¶ecart-type empirique de cette s¶erie statistique Tracer le boxplot et un histogramme b) Donner une estimation des paramµetresmet¾ c) Donner un intervalle de con?ance au niveau 95 puis 98 de la masse moyennem
Comment calculer la courbe de probabilité ?
Cette courbe est la courbe d’une fonction appel¶ee densit¶e de probabilit¶e ou simplement densit¶e. Une densit¶efd¶ecrit la loi d’une v.a.Xen ce sens : pour tousa;b 2R; P[a • X • b] = Zb a
Comment calculer les probabilités totales ?
P(AjB) = P(AB) P(B) = P(BjA)P(A) P(B) et on conclut en rempla»cantP(B) par son expression donn¶ee par la formule des probabilit¶es totales. ? Proposition 11 (Formule de Bayes g¶en¶eralis¶ee)Soit(Ai)i2Iune partition de›, telle que P(Ai)>0, pour tout i 2 I. Soit un ¶ev¶enement B, tel que P(B)>0.
Comment calculer la probabilit¶E uniforme sur l’exp¶erience al¶eatoire ?
Et quand on a la probabilit¶e uniforme pour chacune de ces petites exp¶eriences al¶eatoires, on a encore la probabilit¶e uniforme sur l’exp¶erience al¶eatoire totale. Proposition 14Soit› =E£F ouµ E est de cardinal n et F de cardinal p.
Comment calculer la probabilité d’un événement ?
On utilisera souvent une formule, plut^ot qu’une liste. Exemple 18 : nous avons d¶eja la liste de tous les ¶ev¶enements ¶el¶ementaires et ils sont ¶equiprobables, de probabilit¶e 1/8. D’aprµes la composition des ¶ev¶enements [X=k], pour
![Cours de Probabilités - Université de Limoges Cours de Probabilités - Université de Limoges](https://pdfprof.com/Listes/17/49365-17Cours_Proba_2013.pdf.pdf.jpg)
Licence 2-S3 SI-MASS
Année 2013Cours de Probabilités
Pierre DUSART
2Chapitre1Éléments d"analyse combinatoire
1.1 Quelques définitions
Disposition sans répétition : c"est une disposition où un élément peut apparaître 0 ou 1 fois.
Disposition avec répétition : un élément peut figurer plus d"une fois. Disposition ordonnée : l"ordre d"obtention d"un élément est important. Ex. les éléments constituant la plaque minéralogique d"un véhicule.Disposition non-ordonnée : l"ordre d"obtention d"un élément n"est pas important, on n"en tient pas compte
dans la caractérisation de la disposition.Ex. Les numéros issus d"un tirage du loto.
Exemple 1 : On considère un ensemble à deux élémentsfa;bg. Avec deux tirages sans répétition, on peut
obtenirfa;bgoufb;ag; Avec deux tirages avec répétition, on peut obtenirfa;ag,fa;bg,fb;agoufb;bg.
Cela correspond à un tirage avec remise.
Exemple 2 : Prenons un jeu de dé à 6 faces (éléments discernables) numérotées par =f1;2;3;4;5;6g.Après 3 jets, nous obtenons la réalisationA= (2;5;1); nous réitérons les jets et nous obtenonsB=
(5;1;2).AetBsont équivalents si nous considérons que les dispositions sont non-ordonnées. En revanche,
ils ne sont pas équivalents si nous sommes dans le cadre d"une disposition ordonnée. La valeurFactorielle(n), notéen!est définie parn! = 12n=Qn i=1i. Par convention0! = 1. Nous pouvons également utiliser une définition récursive n! =n(n1)!1.2 Arrangement avec répétition
Soit un ensemble composé denéléments : card( ) =n. Nous constituons un échantillonEde taillep (card(E) =p) à partir des éléments de . Si nous avons à choisirpéléments parmindans une dispositionordonnée (les places sont distinctes) et avec répétition (on peut choisir le même élément plusieurs fois),
on dit qu"on a un arrangement depéléments parmin. Le nombre d"arrangement avec répétition estnp:
N.B. Dans ce cas, il est possible quep > n.
Réaliser un arrangement avec répétition des éléments de , c"est aussi définir une application d"un ensembleEàpéléments dans . L"ensemble des applications deEdans sera notéEet on a
E) = (#
)#E.4CHAPITRE 1. ÉLÉMENTS D"ANALYSE COMBINATOIRE1.3 Arrangement sans répétition
Soit un ensemble avec card( ) =n. On constitue un échantillon de taillep(pn), la disposition estordonnée et sans répétition. On dit qu"on a un arrangement sans répétition depéléments parmin. Le
nombre deparrangements d"un ensemble ànéléments est : A pn=n!(np)!: Réaliser un arrangement sans répétition des éléments de , c"est déterminer unpuplet(x1;:::;xp) d"éléments de deux à deux distincts. C"est aussi définir une application injective d"un ensembleEàpéléments dans
ànéléments.
1.4 Permutation sans répétition
C"est un arrangement sans répétition denéléments parmin. P n=Ann=n!(nn)!=n!Réaliser une permutation des éléments de
, c"est réaliser un tirage exhaustif sans remise des éléments de en tenant compte de l"ordre du tirage. C"est aussi définir une bijection de ensemble sur lui-même.L"ensemble des permutations d"un ensemble ànéléments s"appelle le groupe symétrique d"ordrenet se
noteSn. On a#Sn=n!.1.5 Permutation avec répétition
On appelle permutation avec répétition depéléments oùnsont distincts (np), une disposition
ordonnée de l"ensemble de cespéléments où le premier figurep1fois, le secondp2fois, etc., tel que
p1+p2++pn=p. Le nombre de permutation avec répétitions estp!p
1!p2!pn!
Démonstration : (Voir préalablement la définition d"une Combinaison sans répétition) Pour construire unp-uplet correspondant à une combinaison contenantp1foisx1,p2foisx2, ...,pnfois x n, il suffit : - de choisir lesp1emplacements desx1, parmip1+p2+:::+pnplaces disponibles, - de choisir lesp2emplacements desx2, parmi lesp2+:::+pnplaces restantes, - etc. - de choisir lespnemplacements desxn, parmi lespnplaces restantes.Au total, il y a
C p1p1+p2++pnCp2p
2++pnCpnpn=p!p
1!p2!pn!
Exemple [Nombre d"anagrammes du mot MATHÉMATIQUE] : nous voyons qu"en échangeant les deuxlettres A, le mot reste identique, et par contre en transposant les lettres É et E nous obtenons un mot
différent. (M :2;A :2;T :2;H :1;É :1;I :1;Q :1;U :1;E :1) :#Anagrammes= 12!=(2!2!2!) Exemple 2 : Nombre de quartets binaires de poids de Hamming égal à 2; Il y en a 6 =4!/(2!2!) : (0011),(0101),(0110),(1001),(1010),(1100). Cours Probabilités / Pierre DUSART51.6 Combinaison sans répétitionOn considère un ensemble
constitué denéléments tous discernables. On forme un échantillon de taillep. Si la disposition est non-ordonnée et sans répétition, on dit que l"on a une combinaison sans répétition
depéléments parmin. Le nombre de ces combinaisons se noteCpnoun p. C pn=n!p!(np)!Propriétés :
1.C0n=Cnn= 1
2.Cpn=Cnpn(complémentaire)
3.Cpn=Cp
n1+Cp1 n1(triangle de Pascal)4.Cpn=Ap
np!Preuve queCpn=Cp
n1+Cp1 n1: C p n1+Cp1 n1=(n1)!p!(np1)!+(n1)!(p1)!(np)! (n1)!(np)p!(np)!+p(n1)!p!(np)! n(n1)!p!(np)!=CpnProposition 1.6.1 (Formule du binôme)
(a+b)n=nX p=0C pnapbnp: Exercice : preuve de la formule du binôme par récurrence surnPreuve :
(a+b)n+1= (a+b)(a+b)n = (a+b)nX p=0C pnapbnp nX p=0C pnap+1bnp+nX p=0C pnapbn+1p n+1X p 0=1C p01nap0bn+1p0+nX p=0C pnapbn+1p nX p=1C p1napbn+1p+Cnnan+1b0! C0na0bn+1+nX
p=1C pnapbn+1p! =an+1+nX p=1(Cp1n+Cpn|{z} C p n+1)apbn+1p+bn+1 (a+b)n+1=n+1X p=0Cp n+1apbn+1p:6CHAPITRE 1. ÉLÉMENTS D"ANALYSE COMBINATOIRE1.7 Combinaison avec répétition
C"est une disposition non-ordonnée depéléments, à choisir parminéléments discernables, avec répétition.
Le nombre de combinaisons avec répétitions denobjets prispàpest : K pn=Cp n+p1Exemple : [jeu de domino] Les pièces sont constituées en disposant côte à côte deux éléments de l"ensemble
fblanc;1;2;3;4;5;6g. Si nous retournons un domino, nous changeons l"ordre des deux éléments, mais le
domino reste identique (C"est donc une disposition non-ordonnée). Nous avons une combinaison avec répétition de 2 éléments pris parmi les 7, et au total il y aK27= 28dominos dans un jeu. Toutepcombinaison avec répétition peut s"écrire : x1:k1fois;:::;xn:knfois
avec0kipetPn i=1ki=p.On peut ainsi mettre en bijection l"ensemble despcombinaisons avec répétition desnéléments deE
avec les applicationsf:E!Ntelles que x17!f(x1) =k1
x n7!f(xn) =knvérifiantnX i=1f(xi) =pExemple : Dans un jeu de dominos, un domino est une 2-combinaison avec répétition de l"ensemble
E=fblanc;1;2;3;4;5;6g. Chaque domino peut être représenté par une application deEdansf0;1;2g
qui associe à chaque élément deEle nombre de fois où l"élément apparaît sur le domino. Ainsi le domino
[blanc,blanc], est représenté par l"applicationfdéfinie par f(blanc) = 2;f(1) = 0;f(2) = 0;f(3) = 0;f(4) = 0;f(5) = 0;f(6) = 0 et le domino [blanc, 1] par l"applicationfdéfinie par f(blanc) = 1;f(1) = 1;f(2) = 0;f(3) = 0;f(4) = 0;f(5) = 0;f(6) = 0:On peut aussi mettre cet ensemble en bijection avec l"ensemble des manières de placerpobjets dansn
boîtes :boîte1in x 1xixn k 1kikn Mais placerpobjets dansnboîtes c"est aussi se donnern+p1objets et décider quen1d"entre eux seront des cloisons :00|{z}
k1j00|{z}
k2jj00|{z}
k n:Inversement, à toute façon de choisirn1objets qui seront des cloisons, on peut associer une et une
seule façon de placerpobjets dansnboîtes.Il y a une bijection entre l"ensemble desp-combinaisons avec répétition de E et l"ensemble desp-uplets
croissants d"éléments deE, ou encore des applications croissantes (au sens large) def1;2;:::;pgdansE.
Propriété :Kpn=Kp1n+Kp
n1.Preuve :Cp
n+p1=Cp1 n+p2+Cp n+p2Chapitre2Probabilités
2.1 Espace probabilisé
2.1.1 Événement et ensemble fondamental
Une épreuve est une expérience dont l"issue n"est pas prévisible car répétée dans des conditions identiques,
elle peut donner lieu à des résultats différents ou aléatoires (expérience aléatoire). L"ensemble des résultats
possibles s"appelle l"ensemble fondamental(ou référentiel, univers des possibles) et sera noté
Unévénementest un ensemble de résultats (un sous-ensemble de l"univers) d"une expérience aléatoire.
Comme l"événement est une affirmation concernant le résultat d"une expérience, nous devons pouvoir
dire, pour tout résultat de l"univers, si l"événement se réalise ou non. Un événement donné, souvent défini
par une proposition, est identifié à la partie de l"univers pour laquelle il est réalisé.
On exige que la collectionCdes événements dispose de la structure d"une algèbre de Boole : 1.2 C;; 2 C:
2. siA2 C;)A2 C;
3. siA;B2 C )A[B2 CetA\B2 C:
On peut préciser le calcul de probabilités d"un événementE. De manière simplifiée, la probabilité théorique
vautP(E) =nombre de cas favorablesnombre total de cas
Exemple 1 : Si on lance un dé à 6 faces, le référentiel est composé des six faces =f1;2;3;4;5;6g:Exemple 2 : Si on lance trois fois une pièce, le référentiel est composé des23arrangements avec répétition
des 2 faces distinctes notéesPetF: =fPPP;PPF;PFP;PFF;FPP;FPF;FFP;FFFg:Exemple 3 : Si on lance trois pièces identiques simultanément, le référentiel est composé des 3-combinaisons
avec répétition des 2 faces distinctes notéesPetF: =fPPP;PPF;FFP;FFFg:de cardinalK32.Question : "On lance trois pièces de monnaie. Quelle est la probabilité que toutes trois retombent du
même côté, que ce soit pile ou face?"Définition 1Deux événementsAetBsont dits incompatibles s"ils ne peuvent se réaliser simultanément
c"est-à-dire lorsque l"intersection des sous-ensemblesAetBest vide :A\B=;.8CHAPITRE 2. PROBABILITÉS2.1.2 Axiomatique de Kolmogorov
A chaque événement, on associe un nombre positif compris entre 0 et 1, sa probabilité. La théorie moderne des probabilités repose sur l"axiomatique suivante :Définition 2On appelle probabilité sur(
;C)(où est l"ensemble des événements etCune classe de parties de ), ou loi de probabilité, une applicationPdeCdans[0;1]telle que :1. Pour tout événementE,0P(E)1.
2.P( ) = 13. pour tout ensemble dénombrable d"événements incompatiblesA1;A2;:::;An, on a
P([Ai) =XP(Ai):(-additivité deP)
Définition 3On appelle espace probabilisé le triplé( ;C;P)où est l"ensemble fondamental,Cest une collection de sous-ensembles de (la collection des événements), qui possède la structure précédente de -algèbre de Boole etP:C ![0;1]est une mesure de probabilité surC.Propriétés élémentaires : de l"axiomatique de Kolmogorov, on peut déduire les propriétés suivantes :
1.P(;) = 0
2.P(A) = 1P(A)
3.P(A[B) =P(A) +P(B)P(A\B)
4.P(A)P(B)siAB(inégalité de Boole)
5.P([iAi)P
iP(Ai)(Il n"y a stricte égalité que si les événementsAisont deux à deux incompatibles.)6. Si la suite(An)croît versA(c"est-à-dire8n;AnAn+1et[An=A) alorslimP(An) =P(A).
7. Continuité monotone séquentielle. SoientA1A2 An ;. Silimn!1An=;alors
lim n!1P(An) = 0Démonstration :
1. SoitEun événement quelconque. CommeE[ ;=E,P(E[ ;) =P(E). D"autre part, on sait
queE\ ;=;(tout événement est incompatible avec l"événement impossible) et d"après le 3ème
axiome,P(E[ ;) =P(E) +P(;). Des deux égalités, on obtientP(;) = 0.2.A[A=
etA\A=;P( ) =P(A[A) =P(A) +P(A) = 1d"oùP(A) = 1P(A)3. On découpe selon une partition deA[B: on aP(A[B) =P(A\B)[(B\A)[(A\B). Ces
ensembles sont deux à deux incompatibles d"oùP(A[B) =P(A\B)+P(B\A)+P(A\B). De plus, P(A) =P(A\B)+P(A\B)etP(B) =P(B\A)+P(A\B), d"oùP(A\B) =P(A)P(A\B) etP(B\A) =P(B)P(A\B), valeurs que l"on remplace dans la première égalité obtenue.4. D"après la propriété précédente et la positivité de la probabilité, on aP(A[B) =P(A) +P(B)
P(A\B)P(A) +P(B),
5. Formule précédente que l"on peut généraliser à un nombre quelconque d"événements :P([iAi)P
iP(Ai)avec égalité si des événements sont deux à deux incompatibles.6. On poseB1=A1et8n2;Bn=AnnAn1. LesBisont disjoints et vérifient[n1Bn=[n1An
et8n1;[nk=1Bk=An:Par la propriété de-additivité,P n1P(Bn) =P([n1An)et8n 1;Pn k=1P(Bk) =P(An):Ainsilimn!1P(An) =P([nAn) =P(A).7. On noteA=\An. CommeAnAn+1,A
quotesdbs_dbs32.pdfusesText_38[PDF] cours de procédure civile 2017
[PDF] la procédure civile pour les nuls
[PDF] cours de procédure civile 2014
[PDF] cours de procédure civile pdf
[PDF] procedure civile cas pratique
[PDF] cours programmation orientee objet
[PDF] cours poo c# pdf
[PDF] programmation orientée objet c++ pdf
[PDF] programmation orientée objet php pdf
[PDF] initiation ? la programmation orientée objet pdf
[PDF] poo java pdf
[PDF] exposé promotion des ventes
[PDF] promotion des ventes avantages inconvénients
[PDF] objectif d'une promotion