[PDF] Distributions de plusieurs variables PDF

Probabilités

1.3.1 Solution de l'exemple 1 par probabilités conditionnelles Si la loi de probabilité conjointe du couple (X Y ) est présentée dans un tableau `a ...

Distributions de plusieurs variables

8 may. 2008 La probabilité conjointe est simplement donnée par un tableau de ... Exemple : Soit deux variables aléatoires X et Y de densité f(x ...

Probabilité conjointe

Probabilités conjointes : probabilité d'une assigna-on de toutes la variables Con nues : le domaine est con-nu (par exemple l'ensemble des réels).

CALCUL DE PROBABILITÉS CONJOINTES DE DEUX VARIABLES

Donc si on considère X comme le débit maximum annuel d'une rivière

Rappels en probabilité (utiles en statistique bayésienne)

Proposer un modèle probabiliste (i.e. une loi de probabilité jointe) permettant de Aléa lié par exemple à l'occurrence ou non d'embouteillages

4. Vecteurs aléatoires discrets

masse conjointe est pour tout (x

MODÉLISATION DES RISQUES COMBINÉS

probabilité conjointe des variables aléatoires X et Y dont la Pour l'exemple que nous avons choisi le point d'intérêt se situe sur le fleuve ...

Revue de la théorie des probabilités

variables aléatoires) des représentations naïves de la probabilité conjointe sont désespérément inefficace. • Exemple: Diagnostic des patients.

Corrigé - Série 4 Lois conjointes et tableaux de fréquences `a

ginales n'est pas toujours égal `a la probabilité conjointe correspondante. Contre-exemple : p22 = 0 ce qui n'égale pas p2•p•2 = 6×78.

[PDF] Probabilité conjointe

Probabilité conjointe ? Probabilités conjointes : probabilité d'une assigna-on de toutes la variables ? P(Inconnu=vrai MotSensible=vrai Pourriel=vrai)

[PDF] Probabilités

Si la loi de probabilité conjointe du couple (X Y ) est présentée dans un tableau `a double entrée nous obtiendrons la loi de probabilité marginale fX de X en

[PDF] CALCUL DE PROBABILITÉS CONJOINTES DE DEUX VARIABLES

CALCUL DE PROBABILITES CONJOINTES DE DEUX VARIABLES PROVENANT DE DEUX LOIS DE PROBABILITE DIFFERENTES Le but de cette étude consiste à établir une

[PDF] Couples et vecteurs de variables aléatoires Préparation `a l

Exemple 1 : Fixons p ?]01[ et ? > 0 et considérons le couple de variables aléatoires (X Y ) `a valeurs dans {01} × N dont la loi est donnée par : P(X = 0Y

[PDF] Distributions de plusieurs variables

8 mai 2008 · La probabilité conjointe est simplement donnée par un tableau de Exemple : Soit deux variables aléatoires X et Y de densité f(x

[PDF] Corrigé - Série 4 Lois conjointes et tableaux de fréquences `a

ginales n'est pas toujours égal `a la probabilité conjointe correspondante Contre-exemple : p22 = 0 ce qui n'égale pas p2•p•2 = 6×78

[PDF] Étude dun couple de variables aléatoires discrètes :

La loi du couple (XY) appelée loi de probabilité simultanée ou loi conjointe est la loi de la variable aléatoire Z définie par l'ensemble des nombres pij (0

[PDF] Couples de variables aléatoires discrètes 1 Loi dun - Normale Sup

14 mai 2010 · Dans ce dernier chapitre de probabilités de l'année nous allons introduire l'étude de couples de variables aléatoires c'est-à-dire l'étude

[PDF] TD01- COUPLES DE VARIABLES ALEATOIRES DISCRETES ET

Leur loi de probabilité conjointe est définie par le tableau suivant : 1 Compléter ce tableau 2 Calculer les probabilités P(X ? 2 et Y ? 3) et P(

[PDF] 2 Couples de variables aléatoires - Fontaine Maths

La somme de toutes les probabilités est toujours égale à 1 Exemple 2 5 – Donner la loi conjointe des couples (XY ) dans les deux exemples précédents

Comment calculer la probabilité conjointe ?
formule générale : P(A ou B) = P(A) + P(B) -? P(A et B)
C'est quoi la loi conjointe ?
La loi du couple (X,Y), appelée loi de probabilité simultanée ou loi conjointe, est la loi de la variable aléatoire Z définie par l'ensemble des nombres pij, (0 ? pij < 1) tels que : pij = Pr(X = xi ? Y = yi).
Comment calculer la probabilité exemple ?
La formule pour calculer la probabilité d'un événement est la suivante.
1Probabilité = Nombre de cas favorables / Nombre de cas possibles.2Solution :3Réponse : La probabilité d'obtenir un nombre inférieur à 5 est de 2/3.4Solution :5Réponse : La probabilité d'obtenir une somme de 9 est donc de 1/9.
La loi du couple (X, Y ) est définie par l'ensemble des probabilités : P(X = x, Y = y) avec x ? DX et y ? DY .

Distributions de plusieurs

variables

Mathematiques Generales B

Universite de Geneve

Sylvain Sardy

8 mai 2008

1. Distributions conjointes

Comment generaliser les fonctions de probabilite et de densite a plus d'une variable aleatoire?

Variables aleatoires discretes:

Considerons 2 variables discretes :X=utilite des mathematiques etY= branche d'etude.XnYPharma SdlT Bio ChimieTotal

Math15 2 16 831

Math219 4 24 1259

Math32 2 6 414

Total26 8 46 24104

Tableau de contingence (2007)Distributions

XnYPharma SdlT Bio ChimieTotal

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

Total0.25 0.08 0.44 0.231

Tableau de probabilite

La probabilite conjointe est simplement donnee par un tableau de probabilites, ou

P(X = i;Y = j) = pijpour tout(i;j)

pour deux variables. Pour trois variables, il faut denir : P(X = i;Y = j;Z = k) = pijkpour tout(i;j;k):Distributions 3 Variables aleatoires continues: deux variables aleatoiresX=taille etY= poids ont unefonction de densite conjointesi

P((X;Y)2A) =Z Z

A f(x;y) dx dy; ouf(x;y)>0etR Rf(x;y)dx dy= 1.

Exemple :

f(x;y) =exp(y)0 < x < y <1 0 sinon

Est-ce bien une fonction de densite?

Exemple : Distribution uniforme bivariee sur un carre, un disque, ...Distributions 4y x f(x,y)Fonction de densite a deux variables.

Distributions

5 Il est aussi possible de denir unefonction de repartition conjointe

F(x;y) = P(X6x;Y6y)

pour deux variables. Il est facile de generaliser an>2variables. La fonction de densite conjointe s'obtient de la fonction de repartition en dierenciant@2F@x@y =f pourn= 2.Distributions 6 Exemple : On tire deux boules sans remise d'une urne qui contient 8 Rouge,

6 Bleue et 4 Verte. SoitX=le nombre de boules Rouge etY=le nombre de

boules Bleue. Trouver la distribution conjointe deXetY.

XnY0 1 2

06 153
24153
15153
132
153
48153
0228
153
0

0 Distributions

7 Exemple : Soit deux variables aleatoiresXetYde densitef(x;y) =c(x+y) sur[0;1][0;1]. (1) Que vautc? (2) Que vautP(X<1=2)? (etP(X61=2)?) (3) Que vautP(X + Y<1)? (1) (2)P(X<1=2) = P(X<1=2;Y2[0;1]) =R1=2 0R 1

0(x + y) dy dx =

(3)P(X + Y<1) = P(X<1Y;Y2[0;1]) =R1 0R 1y

0(x + y) dx dy =Distributions

2. Distributions marginales

Comment trouver lesdistributions marginalesdeXet deYa partir de la distribution conjointe de(X;Y)?

Cas discret

P(X = x) =

X yP(X = x;Y = y) est la distribution marginale deX.

P(Y = y) =

X xP(X = x;Y = y) est la distribution marginale deY.Distributions 9

Exemple :XnYPharma SdlT Bio ChimieP(X = x)

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

P(Y = y)0.25 0.08 0.44 0.231

Tableau de probabiliteDistributions

Exemple :

XnY0 1 2P(X = x)

06 153
24153

1515345

153
132
153
48153
080
153
228
153
0 0 :::

P(Y = y):::

72153

Distributions

Cas continu

X(x) =Z

f(x;y)dy est la distribution marginale deX. f

Y(y) =Z

f(x;y)dx est la distribution marginale deY. Cela denit-il bien des fonctions de densite?Distributions 12

Exemple :

f(x;y) =exp(y)0 < x < y <1 0 sinon

On trouve :

X(x)= Z

f(x;y)dy=Z 1 x exp(y)dy= exp(x) f

Y(y)= Distributions

130246810

0.0 0.2 0.4 0.6 0.8 1.0 x f(x)

Densité marginale X

0246810

0.0 0.1 0.2 0.3 y f(y) Densité marginale YFonctions de densite marginale.

Distributions

3. Independance

Denition

Deux v.a.XetYsontindependantessi pour tout ensembleAetBon a

P(X2A;Y2B) = P(X2A)P(Y2B):

On peut demontrer que cette denition est equivalente a :

Cas disc ret:

P(X = x;Y = y) = P(X = x)P(Y = y)

Cas c ontinu:

f (X;Y)(x;y) =fX(x)fY(y) pour toutx;y.Distributions 15

Exemple :

XnY0 1 2P(X = x)

06 153
24153

1515345

153
132
153
48153
080
153
228
153
0 0 28

153P(Y = y):::

72153

Puisque

P(X = 2;Y = 2)6= P(X = 2)P(Y = 2);

on deduit queXetYne sont pas independantes.Distributions 16

Exemple :

f(x;y) =exp(y)0 < x < y <1 0 sinon

On a trouve :

X(x)= Z

f(x;y)dy=Z 1 x exp(y)dy= exp(x) f

Y(y)= yexp(y)

DoncXetYne peuvent pas ^etre independantes.

Exemple :(X;Y)a pour densite conjointef(x;y) = (x+y)2(xy)2sur [0;1]2. Les v.a.XetYsont-elles independantes?Distributions 17

4. Somme de deux v.a. independantes

Soit 2 v.a.XetY. On s'interesse a la distribution de leur sommeS=X+Y. D'une maniere generale, c'est un probleme dicile. En supposant queXetY sont independantes, le probleme est parfois simplie.

Cas discret

P(S = s)

P(X + Y = s)

=X xP(X = x;Y = sx) X xP(X = x)P(Y = sx):Distributions 18 Exemple :XPoi()etYPoi()sont independantes. Peut-on dire quelque chose deS=X+Y? PuisqueP(X = j) = 0quandj <0, etP(Y = kj) = 0quandj > k

P(X + Y = k)

kX j=0P(X = j)P(Y = kj) kX j=0exp()jj!exp()kj(kj)! exp( (+))1k!k X j=0C k;jjkj exp( (+))1k!:::Distributions 19

Donc on peut ecrire "Poi()ind+ Poi() = Poi(+)".

C'est plus l'exception que la regle de trouver une distribution simple et de m^eme loi. Par exemple a-t-on "Bin(n;p1)ind+ Bin(n;p2) = Bin(n;p1+p2)"? Ou plut^ot "Bin(n1;p)ind+ Bin(n2;p) = Bin(n1+n2;p)"?Distributions 20

Cas continu

SiXfXest independante deYfY, alorsS=X+Ya pour densite f

X+Y(s) =Z

X(x)fY(sx)dx:

On peut par exemple demontrer que

"N(1;21)ind+ N(2;22) = N(1+2;21+22)":Distributions 21

5. Distributions conditionnelles

Cas discret

P(X = xjY = y) =P(X = x;Y = y)P(Y = y)

Cas continu

f(xjY=y) =f(x;y)f Y(y) Ainsif(x;y) =f(xjY=y)fY(y). Donc siXetYsont independants, on obtient (page 14) : f(x;y) =fX(x)fY(y):Distributions 22

Exemple :XnYPharma SdlT Bio ChimieP(X = x)

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

P(Y = y)0.25 0.08 0.44 0.231

Tableau de probabilite

P(X = 2jY = Bio) =P(X=2;Y=Bio)P(Y=Bio)

=0:230:44= 0:52Distributions 23

Exemple :

f(x;y) =exp(y)0 < x < y <1 0 sinon f(xjY=y) =f(x;y)f(y)=exp(y)yexp(y)=1y pour0< x < y

DoncXjY=y:::.

f(yjX=x) =f(x;y)f(x)=exp(y)exp(x)= exp((yx))poury > x.

DoncYXjX=xExp(1).Distributions

24012345

0.0 0.5 1.0 1.5 2.0 x f(x|Y=0.5)

Conditional X|Y=0.5

012345

0.0 0.5 1.0 1.5 2.0 y f(y|X=1)

Conditional Y|X=1

012345

0.0 0.5 1.0 1.5 2.0 x f(x|Y=2)

Conditional X|Y=2

012345

0.0 0.5 1.0 1.5 2.0 y f(y|X=3) Conditional Y|X=3Fonctions de densite conditionnelle.

Distributions

quotesdbs_dbs33.pdfusesText_39

[PDF] [PDF] Distributions de plusieurs variables

Comment calculer la probabilité conjointe ?

C'est quoi la loi conjointe ?

Comment calculer la probabilité exemple ?

La formule pour calculer la probabilité d'un événement est la suivante.

Distributions de plusieurs

Mathematiques Generales B

Universite de Geneve

Sylvain Sardy

8 mai 2008

1. Distributions conjointes

Variables aleatoires discretes:

Math15 2 16 831

Math219 4 24 1259

Math32 2 6 414

Total26 8 46 24104

Tableau de contingence (2007)Distributions

XnYPharma SdlT Bio ChimieTotal

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

Total0.25 0.08 0.44 0.231

Tableau de probabilite

P(X = i;Y = j) = pijpour tout(i;j)

P((X;Y)2A) =Z Z

Exemple :

Est-ce bien une fonction de densite?

Distributions

F(x;y) = P(X6x;Y6y)

6 Bleue et 4 Verte. SoitX=le nombre de boules Rouge etY=le nombre de

XnY0 1 2

0 Distributions

0(x + y) dy dx =

0(x + y) dx dy =Distributions

2. Distributions marginales

Cas discret

P(X = x) =

P(Y = y) =

Exemple :XnYPharma SdlT Bio ChimieP(X = x)

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

P(Y = y)0.25 0.08 0.44 0.231

Tableau de probabiliteDistributions

Exemple :

XnY0 1 2P(X = x)

1515345

P(Y = y):::

Distributions

Cas continu

X(x) =Z

Y(y) =Z

Exemple :

On trouve :

X(x)= Z

Y(y)= Distributions

130246810

Densité marginale X

0246810

Distributions

3. Independance

Denition

P(X2A;Y2B) = P(X2A)P(Y2B):

Cas disc ret:

P(X = x;Y = y) = P(X = x)P(Y = y)

Cas c ontinu:

Exemple :

XnY0 1 2P(X = x)

1515345

153P(Y = y):::

Puisque

P(X = 2;Y = 2)6= P(X = 2)P(Y = 2);

Exemple :

On a trouve :

X(x)= Z

Y(y)= yexp(y)

DoncXetYne peuvent pas ^etre independantes.

4. Somme de deux v.a. independantes

Cas discret

P(S = s)