PC 5 – Calcul de lois & Vecteurs gaussiens
20 mai 2019 Exercice 1. Soient X et Y deux variables aléatoires indépendantes gaussiennes centrées réduites. 1. Déterminer la loi de. (. X ...
TD1 : Variables aléatoires réelles vecteurs aléatoires
TD4 : Vecteurs gaussiens. Exercice 1 (Extrait de l'examen de janvier 2017). Soit (X Y ) un vecteur gaussien centré tel que E(X2) = 4
Cours de Master 1`ere année Année 2006-2007 PROBABILIT´ES et
3.5 Exercices . Ku+AX = KAX = AKXA∗. (1.19). Page 10. 10. CHAPITRE 1. VARIABLES AL´EATOIRES GAUSSIENNES. 1.3 Vecteurs aléatoires gaussiens.
3e édition
Partie 2 • Exercices et problèmes corrigés. CHAPITRE 8 • EXERCICES D'INTRODUCTION : VECTEURS GAUSSIENS. 8.1 Rappels de cours. 157. 8.2 Exercices corrigés. 160.
Exercices corrigés
EXERCICE 3.11.– [Transformation linéaire d'un vecteur gaussien]. Soit X = (X1 Au cours de n répétitions de la même expérience on mesure la fréquence relative.
Vecteurs gaussiens
Remarque : Les composantes d'un vecteur gaussien sont des variables aléatoires gaussiennes mais la réciproque est fausse. En effet on considère X i N(0
Feuille dexercices n 7
]) est un vecteur gaussien. b) L'espérance est E(X[0]). Å. ∑ n h[n] ã . La covariance est RX ⋆h⋆. ˜ h si on pose ˜h[k] = h[−k]. (résultat du cours). 1
Régression linéaire
C.2 Vecteurs aléatoires gaussiens . Exercices et corrigés). Presses Universitaires de Rennes 2005. [12] E. L. Lehmann and G. Casella. Theory of point ...
Vecteurs Gaussiens
Chapitre 2.Vecteurs gaussiens encore un vecteur gaussien. Preuve : Soit X un Statistique et probabilités Cours et exercices corrigés. Dunod. 2016. [7] ...
Probabilités
3.4 Vecteurs gaussiens . du programme de probabilités avec un cours complet de nombreux exercices corrigés ainsi que des problèmes de synthèse.
Leçon 14 Exercices corrigés
L'objet de l'exercice est d'obtenir un bon encadrement de la Exercice 2. Montrer qu'il existe un vecteur gaussien centré X à valeurs.
Exercices corrigés
On a donc : P[S = 1
Vecteurs gaussiens
Remarque : Les composantes d'un vecteur gaussien sont des variables aléatoires gaussiennes mais la réciproque est fausse. En effet on considère X i N(0
TD 2 : Vecteurs gaussiens construction du mouvement brownien
Corrigé. Mercredi 19 Septembre. 1 Vecteurs gaussiens. Exercice 1 Soient X Notons que Z est un vecteur gaussien de matrice de covariance identité.
PC 5 – Calcul de lois & Vecteurs gaussiens
20 mai 2019 Exercice 1. Soient X et Y deux variables aléatoires indépendantes gaussiennes centrées ... D'apr`es le cours V suit la loi Gamma ?(a+b
TD1 : Variables aléatoires réelles vecteurs aléatoires
Montrer que le vecteur (X + Y 2X ? Y ) est gaussien puis déterminer sa matrice de covariance. Exercice 2. Soit (Un)n?0 une suite de v.a.r. i.i.d. de loi
Vecteurs Gaussiens
vecteurs gaussiens d'autre part lorsque deux vecteurs sont gaussiens dans leur ensemble
TD no 8 : Vecteurs gaussiens
2. Montrer que (X +Y2X ?Y )t est un couple gaussien. Déterminer sa matrice de covariance. Exercice 3.
Probabilités et statistique pour lingénieur
10 janv. 2018 que pour leur contribution `a la compilation d'exercices corrigés du chapitre 10 ... 6.2.2 Vecteurs gaussiens et convergence en loi .
3e édition
Partie 2 • Exercices et problèmes corrigés. CHAPITRE 8 • EXERCICES D'INTRODUCTION : VECTEURS GAUSSIENS. 8.1 Rappels de cours. 157. 8.2 Exercices corrigés.
[PDF] PC 5 – Calcul de lois & Vecteurs gaussiens
20 mai 2019 · PC 5 – Calcul de lois Vecteurs gaussiens Exercice 1 Soient X et Y deux variables aléatoires indépendantes gaussiennes centrées réduites
[PDF] Leçon 14 Exercices corrigés
Soient X = (X1 Xd) et Y = (Y1 Yd) deux vecteurs aléatoires gaussiens centrés sur un espace probabilisé (?AP) supposés indé- pendants et de même loi
[PDF] Vecteurs Gaussiens
Cours de théorie des probabilités avec exercices corrigés et devoirs 2013 2014 [11] Smolarz André Modélisation probabiliste pour l'ingénieur 2009 [12]
[PDF] TD1 : Variables aléatoires réelles vecteurs - Basile de Loynes
Montrer que le vecteur (X + Y 2X ? Y ) est gaussien puis déterminer sa matrice de covariance Exercice 2 Soit (Un)n?0 une suite de v a r i i d de loi
[PDF] Vecteurs gaussiens
Vecteurs gaussiens On considère (?AP) un espace probabilisé 1 Introduction 1 1 Définitions Rappelons la définition des variables aléatoires
[PDF] Cours de Master 1`ere année Année 2006-2007 PROBABILIT´ES et
Avant de considérer les vecteurs gaussiens il est bon de rappeler les définitions et propriétés des v a `a valeurs vectorielles Définitions et notations
[PDF] Exercices corrigés - IMT Atlantique
Le lecteur trouvera ici les énoncés et corrigés des exercices proposés dans vecteur gaussien de moyenne nulle et de matrice de covariance K??
[PDF] AU : 2015-2016 Corrigé succint du DC - FSG
5 avr 2016 · Exercice 2 :(6 pts) Soit (X Y ) un vecteur Gaussien centré et de matrice de covariance l'identité I2 et Z Q les variables aléatoires
[PDF] Vecteurs gaussiens construction du mouvement brownien Corrigé
Corrigé Mercredi 19 Septembre 1 Vecteurs gaussiens Exercice 1 Soient X Y et ? trois variables aléatoires indépendantes avec X et Y gaussiennes de loi
[PDF] Intégration et probabilités (cours + exercices corrigés) L3 MASS
Le but de ce cours est d'introduire les notions de théorie de la mesure qui seront utiles en calcul des probabilités et en analyse
UNIVERSITÉ MOHAMED KHIDER, BISKRA
FACULTÉ des SCIENCES EXACTES et des SCIENCES de la NATURE et de la VIEDÉPARTEMENT DE MATHÉMATIQUES
Mémoire présenté en vue de l"obtention du Diplôme:MASTER en Mathématiques
Option :Statistique
ParHani Soumia
Titre :
Vecteurs Gaussiens
Membres du Comité d"Examen :
Dr.Berkane HassibaUMKB Président
Dr.Ouanoughi YasminaUMKB Encadreur
Dr.Kheireddine SourayaUMKB Examinateur
Septembre 2020
Dédicace
Je dédie ce humble travail.
La plus proch de mon coeur celle que a fait l"impossible pour me donner le bonheur mon chère mère. A mon père qui fait l"impossible pour me donner le bonheur et pour suivre mes études jusqu"à ce jour. Je dédie aussi ce travail à mes frères et tout ma famille:A tous mes amies de promotion 2019/2020
de mathématiques. A toute personne que prendra de son temps pour lire ce document à parfaire. iREMERCIEMENTS
Avant tout choses, je remercie àDieule tout puissant, pour m"avoir donnée la force et la patience, la santé et la volonté pour réaliser ce modeste travail. Mes premiers remerciement s"adressent à mon encadreur Mdm.Ouanoughi Yasminaqui a bien voulu me proposer ce thème et m"aider au cours de sa réalisation. Je tiens à remercier :Dr.Hacene Nacerpour ces vonseils, ses orientations, et la con...ance qu"il m"accorde. Je tien à remercie les membres du Jury qui m"ont fait l"honneur de participerà ma soutenance.
père, ma mère, mes frères et ma soeur qui ont été et seront toujours présents à mes côtés,
merci pour votre soutient et vos encouragements. Un grand merci particulier à mes collègues et mes amies pour les sympathiques moments qu"on a passés ensemble, on les remerci pour leur con...ance, et leur soutien moral au cours de ces années.Que tout ceux, que je n"ai pas nommés.
Merci iiTable des matières
Dédicacei
Remerciements ii
Table des matières iii
Liste des tableaux v
Introduction 1
1V ariablesa léatoires
21.1 Modèle de Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21.1.1 Espace de Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . .
21.2 Variables discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31.2.1 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . . .
31.2.2 Moments d"une Variable aléatoire discète . . . . . . . . . . . . . . . .
41.2.3 Lois discrètes classiques . . . . . . . . . . . . . . . . . . . . . . . . .
71.2.4 Fonction caractéristique . . . . . . . . . . . . . . . . . . . . . . . . .
91.2.5 Fonction génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . .
1 01.2.6 Couple de v.a discrètes . . . . . . . . . . . . . . . . . . . . . . . . . .
1 01.2.7 Relation entre deux v.a . . . . . . . . . . . . . . . . . . . . . . . . . .
1 31.3 Variable continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1 41.3.1 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . . .
1 51.3.2 Fonction de densité . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1 5 iiiTable des matières
1.3.3 Caractéristiques des variables aléatoires . . . . . . . . . . . . . . . . .
1 61.3.4 Loi de probabilité continue . . . . . . . . . . . . . . . . . . . . . . . .
1 71.3.5 Couple de v.a continue . . . . . . . . . . . . . . . . . . . . . . . . . .
2 2 2V ecteursG aussiens
2 72.1 Vecteurs aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 72.1.1 Loi d"un vecteur aléatoire . . . . . . . . . . . . . . . . . . . . . . . .
2 72.1.2 Moments d"un vecteur aléatoire . . . . . . . . . . . . . . . . . . . . .
2 82.1.3 Fonction caractéristique . . . . . . . . . . . . . . . . . . . . . . . . .
3 12.2 Vecteurs Gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 22.2.1 Exemple fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 22.2.2 Caractéristique des vecteus gaussiens . . . . . . . . . . . . . . . . . .
3 52.2.3 Quelques propriétés des vecteurs gaussiens . . . . . . . . . . . . . . .
3 82.2.4 Le théorème central limite vectoriel . . . . . . . . . . . . . . . . . . .
4 12.2.5 Espérance conditionnelle et projection orthogonale . . . . . . . . . .
4 22.2.6 Lois conditionnelles et prédiction . . . . . . . . . . . . . . . . . . . .
4 3Bibliographie 45
Annexe B : Abréviations et Notations 46
ivListe des tableaux
1.1 fonction caractéristique de loi discrètes . . . . . . . . . . . . . . . . . . . . .
1 01.2 fonction caractéristique de loi continues . . . . . . . . . . . . . . . . . . . . .
2 2 vIntroduction
La popularité des modèles gaussiens tient à ce qu"ils se prêtent bien au calcul et les pro-
blèmes relatifs à de tels modèles reçoivent souvent une solution analytique complète sous
une forme agréable. Cet avantage réside principalement dans les deux propriétés de stabi-
lité suivantes : d"une part les transformations a¢ nes des vecteurs gaussiens produisent des vecteurs gaussiens, d"autre part lorsque deux vecteurs sont gaussiens dans leur ensemble, le conditionnement de l"un par l"autre conduit à un vecteur gaussien qui est une combinaison a¢ ne du vecteur conditionnant Cependant, le seul fait que le calcul gaussien soit agréable ne su¢ rait pas à justi...er l"usage des modèles gaussiens. Il y a une raison profonde qui fait que la distribution gaussienne apparait naturellement dansles phénomènes aléatoires dont la base physique est de nature microscopique et qu"on observe
à l"échelle macroscopique. Les petite contributions supposées indépendantes (mais cette hy-
pothèse n"est pas absolument nécessaire) de chaque électron, s"ajoute pour former un courant
gaussien, et cela quelle que soit la distribution statistique des contributions individuelles. Les variables gaussiennes sont des lois universelles qui sont d"une importance particulière. Il sera très utile en particulier en statistique de pouvoir passer du cas de la dimension 1 à des dimensions plus grandes. Ce passage nécessite de développer un formalisme qui sera l"objet du chapitre (1). Dans le chapitre 2, nous calculerons la fonction caractéristique des vecteurs gaussiens que nous aurons préalablement dé...nis. Nous montrerons aussi commentnous pouvons alors aborder de manière très e¢ cace et très simple les problèmes d"indépen-
dance de variables gaussiennes. Nous énoncerons ensuite le théorème central limite vectoriel.
Nous terminerons par la propriété suivante : le conditionnement de deux vecteurs gaussien conduit à un vecteur gaussien qui est une combinaison a¢ ne du vecteur conditionnant. 1Chapitre 1
Variables aléatoires
1.1 Modèle de Probabilité
Dé...nition 1.1 (Tribu)On dit queTest une tribu de l"univers si, et seulement si, 1. 2T: 2.P ourt outA2T,A2T:
3. P ourt outef amilled "événements( Ak)k2Ntelle que, pourk2NAk2T[1k=0Ak2T:[3] Dé...nition 1.2 (Probabilités)On appelle probabilité dé...nie sur ( ;T)toute applicationP:T!Rtelle que :
iP( ) = 1: iiPour tout suitAnd"événement incompatibles, soitAn2TavecAn\Am=?pourm6=n:P([+1n=0An) =+1X
n=0P(An):(1.1)1.1.1 Espace de Probabilité
Le triplet(
;T;P)est appelé espace probabilisé si est ...ni ou in...ni dénombrable (comme, par exemple, =N), on prendT=P( ), l"ensemble des parties de 2Chapitre 1. Varaible aléatoire
Propriètès élémentaires :
1.P(A) = 1P(A):
2.P(A) =P(A\B) +P(A\B):
3.AB)P(A)P(B):
4. S i est ...nie ou in...nie dénombrable :P(A) =X
!2AP(f!g);X !2P(f!g) = 1:(1.2)
1.2 Variables discrètes
Dé...nition 1.3 (Variables discrètes)SiXest une variable que ses valeurs dant un en-semble ...ni ou dénombrableI. On dit qu"elle est discrètes pour ce type de variable on dé...nit
la fonction poids en chaque point :P(i) =P(X=i);i2I:(1.3)
1.2.1 Fonction de répartition
Dé...nition 1.4 (Fonction de répartition)On appelle fonction de répartition de lav:a.X; la fonctionFXdé...nite surRpar FX(x) =P(Xx) =PX(] 1;x]):(1.4)
Propriétés :
-FXfonction croissante au sens large.i;e sixx0)FX(x)FXx0: -limx!1FX(x) = 0: -limx!+1FX(x) = 1: -FXest continue à droite en tout point deR. -FXn"est pas nécessairement continue à gauche.[11] 3Chapitre 1. Varaible aléatoire
1.2.2 Moments d"une Variable aléatoire discète
Dé...nition 1.5 (L"espérance mathématique)L"espérence ou moyenne d"unev:adiscrèteXest, le réel
E(X) =X
kkP[X=k];(1.5) ou on somme sur toutes les valeurskque prendreX. PropiétésSoientXetYdeuxv:a.on a les propriétés :1.E(X)est ...nie ssiE(jXj)est ...nie.
2.jXj YetE(Y)est ...nie entrainentE(X)...nie.
3. - 1< aXb <+1 )aE(X)b:4.X=ap.s)E(X) =a:
5.E(X)...nie suivant consigne les propriétés de l"esperance mathématique.
Théorème 1.1SoitXetYdeuxv:a.discrètes
SiEjXj<1etEjYj<1, alors on a les propriétes :
A :lineairité:
(1)E(X+Y) =E(X) +E(Y): (2)E(X) =E(X)82R:B :Monotonie:
(1)X0)E(X)0: (2)XY)E(X)E(Y): (3)X=Yp.s)E(X) =E(Y): C :Indépendance :SiXetYsont indépendance, alorsE(XY)est ...nie et l"on aE(XY) =E(X)E(Y):
[8] 4Chapitre 1. Varaible aléatoire
Théorème 1.2Pour tout fonctiong,
E(g(X)) =X
kg(k)P(X=k):(1.6) Dé...nition 1.6 (Variance)Nous dirons qu"unev:a Xde carré integrable siE(X2)<+1. L"ensemble desv:a.de carré intégrable est notéL2. Supposons queE(X2)<1, on appelleVariancedeXle nombre positifV ar(X) =E(XE(X))2:(1.7)
On aV ar(X) =E(XE(X))2
X k(kE(X))2P[X=k] =EX2E(X)2: La variance mesure le carré d"une distance a la moyenne.Ecart-Type deX:
(X) =pV ar(X):(1.8) [7] 5Chapitre 1. Varaible aléatoire
Propriétés de la variance :
S oientaetbdeux constantes etX v:a:
V(aX+b) =a2:V(X):
V(aX+b) =E((aX+b)E(aX+b))2;
or, d"aprées la première propriété de l"espérance mathématique et aprés simpli...cation :
V(aX+b) =E[a2(XE(X))2]
=a2E(XE(X))2 =a2V(X):S oientXetYdeuxv:aindependantes :
V(X+Y) =E[X+YE(X+Y)]2
=E[XE(X) +YE(Y)]2 =E[XE(X)]2+E[YE(Y)]2+ 2E[(XE(X))(YE(Y))] =V ar(X) +V ar(Y):Ce résultat se généralisé pourn v:aindépendante. SoientX1;X2;:::;Xnn v:aindépendante,
nous obtenons :V(X1+X2+:::+Xn) =V(X1) +V(X2) +:::+V(Xn):
Donc pour lesv:aindépendante, la variance d"une somme est égale à la somme des va- riances. 6Chapitre 1. Varaible aléatoire
Dé...nition 1.7Nous dirons qu"une v.a de carré intégrableXest centrée réduite siE(X) = 0;V ar(X) = 1:
Proposition 1.1SoitY v:ade carré intégrable. Alors, lav:a:Xdé...nie par :X=YE(Y)
Y; est centée réduite.1.2.3 Lois discrètes classiques
Loi de Bernoulli
Dé...nition 1.8La variable aléatoireXsuit la loi de Bernoulli de paramètrep(p2[0;1])si elle ne prend que deux valeurs0et1avec : 8 :P(X= 1) =p:P(X= 0) = 1p=q:(1.9)
Notation 1X B(p).
Proposition 1.2SiXsuit la loi de Bernoulli de paramétrepE(X) =p et V(X) =p(1p)
Loi uniforme sur un ensemble ...ni de rèels
Dé...nition 1.9La variable aléatoireXsuit la loi uniforme sur l"ensemble de réelsfx1;:::;xng
siPxest l"équiprobabilité sur cet ensemble. Autrement dit, l"ensemble des valeurs possibles deXestX( ) =fx1;:::;xnget :8k= 1;:::;n; P(X=xk) =1n
:(1.10) 7Chapitre 1. Varaible aléatoire
Par exemple le nombre de points indiqué par un dé suit la loi uniforme surf1;2;3;4;5;6g.Loi binomiale
Dé...nition 1.10La variable aléatoireXsuit la loi binomiale de paramétresnetp(n2Net p2[0;1])si l"ensemble des valeurs possibles estX( ) =f1;:::;nget8k= 1;:::;n; P(X=k) =Cknpk(1p)nk:(1.11)
Notation 2X B(n;p).
La formule ci-dessus dé...nit bien une loi de probabilité puisque lesCknpk(1p)nksont positifs et : nk=0Cknpk(1p)nk= (p+ (1p))n= 1n= 1: Théorème 1.3La somme den v:adiscrètes de Bernoulli indépendant, de même paramétre p, suit la loi binomaileB(n;p):Proposition 1.3SiXsuit la loi binomaileB(n;p)
E(X) =np et V(X) =np(1p)
Loi géométrique
Dé...nition 1.11On dit queXest le temps d"attente du premier événementA: Soitp2]0;1[. On dit qu"unev:a Xsuit la loi géométrique de paramétrep, (noteG(p)) lorsqueXprend les valeursn2Navec les probabilitésP(X=n) =p(1p)n1:(1.12)
Proposition 1.4SiXsuit la loi géométrique de paramétrep. On a :E(X) =1p
et V(X) =(1p)p 2 8Chapitre 1. Varaible aléatoire
Loi de Poisson
Dé...nition 1.12On dit que la variable alétoire discèteXsuit la loi de Poisson de paramétre
>0si l"ensemble des valeurs possibles estX( ) =Net8k2N;P(X=k) =ekk!:(1.13)
Notation 3X P():
Proposition 1.5SiXsuit la loi de PoissonP(), on a :E(X) = et V(X) =
1.2.4 Fonction caractéristique
Dé...nition 1.13 (Fonction caractéristique)SoitXunev:a.discrète de fonction de masse P. On appelle fonction caractéristique deX, la fonction de la variablet(t2R)dé...nie par :X(t) =E(eitX) =X
x2Re itxp(x):(1.14) Théorème 1.4SiXetYdeuxv:aindépendante alors : (X+Y)(t) =X(t)Y(t):Preuve.On a
(X+Y)(t) =E(eit(X+Y)) =E(eitXeitY) =E(eitX)E(eitY) =X(t)Y(t): 9Chapitre 1. Varaible aléatoire
Exemple de fonction caractéristique
Loi de Bernoulli B(1,p)
X(t) = 1p(1eit)Loi binomiale B(n,p)
X(t) = (1p+peit)nLoi de Poisson P()
X(t) =e(eit1)Loi géométrique G(p)
X(t) =peit(1(1p)eit)Tab.1.1 -fonction caractéristique de loi discrètes [12]1.2.5 Fonction génératrice
Dé...nition 1.14 (Fonction génératrice)La fonction génératrice deXest la fonction dé-
...nie pours2[0;1]par : GX(s) =E(sX) =X
n2NP(X=n)sn:(1.15) C"est la somme d"une série entière dont le rayon de convergence est au moins1, car P nPn= 1:Cette fonction caractérise la loi deX.
1.2.6 Couple de v.a discrètes
Loi d"un couple
Un couple dev:a:discrètes est constitué de deuxv:a:discrètesXetYdont l"ensmble des valeurs possibles peut s"écrire respectivement sous la formefxigi2Ietfyjgj2J, oùIetJsont des ensembles d"indices inclus dansN, pouvant d"ailleurs êtreNtout entier. On convient de ne faire ...gurer que des valeurs de probabilité strictemeent positive. Comme dans le cas unidimensionnel, la loi d"un couple discrèt est dé...nie par l"ansemble des valeurs possibles, 10Chapitre 1. Varaible aléatoire
soit icif(xi;yj); (i;j)2IJg;et par les probabilités associéés : P ij=PX;Y=P(X=xi\Y=yj):(1.16) [6]Lois marginales
La loi d"un couple est associé au deux lois marginales qui sont les lois de chacun des éléments
du couple pris séparément, dé...nies par l"ensemble des valeurs possibles et les probabilités
associées obtenues par sommation, soit : 8 :PX(X=xi) =P
j2JP(X;Y)(X=xi;Y=yj) =P j2JPij=Pi: PY(Y=yj) =P
i2IP(X;Y)(X=xi;Y=yj) =P i2IPij=Pj:(1.17) [6]Lois conditionneles
Les événementsfX=xigetfY=yjgétant de probabilités non nulles on dé...nit alors deux familles de lois conditionnelles selon que l"on connaît la " valeur » deXou deY. Rappelons qu"iciXetYne sont pas forcément des variables aléatoires réelles mais peuvent être des variables qualitativesL oisc onditionnelesd eXsiY=yj:
P(X=xi=Y=yj) =PijP
j=P(X=xi\Y=yj)P(Y=yj):(1.18)L oisc onditionnelesd eYsiX=xi:
P(Y=yj=X=xi) =PijP
i=P(X=xi\Y=yj)P(X=xi):(1.19) 11Chapitre 1. Varaible aléatoire
le théorème des probabilités totales (deuxième forme) permet d"écrire :P(Y=yj\X=xi) =P
j2JP(X=xi=Y=yj)P(Y=yj) P i2IP(Y=yj=X=xi)P(X=xi): [6]Loi d"une somme
SiXetYsont deuxv:a.discrètes de lois respectivesf(xi;pi);i2Igetf(yj;qj);j2Jg:La v:a Z=X+Yest aussi unev:adiscrètes dont la loi de probabilité est dé...nie par l"ensemble des valeurs possible, soit icif(xi+yj);i2I;j2Jg, et les probabilité associeés :P(Z=zk) =XfP(X=xi;Y=yj)=xi+yj=zkg:(1.20)
quotesdbs_dbs42.pdfusesText_42[PDF] exercices corriges des vecteurs aleatoires gaussiens
[PDF] exercices corrigés rdm pdf gratuit
[PDF] rdm cisaillement exercices corrigés pdf
[PDF] thermique du batiment exercice corrigé pdf
[PDF] td transfert thermique corrigé pdf
[PDF] exercices corrigés physique du batiment
[PDF] loi des gaz parfaits exercices corrigés
[PDF] pv=nrt exercice corrigé
[PDF] exercice thermodynamique gaz reel
[PDF] qcm transports membranaires
[PDF] mesure et intégration - licence - 10 examens corrigés
[PDF] mesure et intégration examens corrigés
[PDF] vecteur gaussien centré
[PDF] matrice de variance et covariance exercice corrigé