[PDF] Modèle probabiliste / Variables aléatoires
2 Le mod`ele probabiliste et concepts de base 3 Variables aléatoires réelles et lois classiques 4 Espérance et variance d'une variable aléatoire réelle
[PDF] Modèles probabilistes
Introduction aux modèles probabilistes et à Un modèle est une théorie orientée vers l'action qu'elle doit servir L'approche probabiliste
[PDF] Chapitre 5 : Modèles probabilistes pour la recherche dinformation
Le modèle probabiliste tente d'estimer la probabilité d'observer des événements liés au document et à la requête • Plusieurs modèles probabilistes
[PDF] Un exemple de modélisation et simulation probabiliste - Lucas Gerin
Le modèle probabiliste Simulations préliminaires : les variables Expérience aléatoire : simulations de Calcul exact des probabilités : utilisation des
[PDF] Modèles en Recherche dInformation Modèles probabilistes - LIPN
Modèle probabiliste de base on modélise la pertinence comme un événement probabiliste : pour une requête Q donnée estimer P(RD) la probabilité
[PDF] CHAPITRE I LE MODELE PROBABILISTE
LE MODELE PROBABILISTE Les dieux nous créent bien des surprises : l'attendu ne s'accomplit pas et à l'inattendu un dieu ouvre la voie Euripide
Modèles probabilistes en hydrologie - La Houille Blanche
pratiques: les modèles probabilistes 'ou stochastiques Consistance la raison d'être et la consistance d'un modèle probabiliste très simple
[PDF] Modèles probabilistes
C Lalanne J -B Poline Cogmaster Bloc 4 - 22/09/06 2 Objet de ce cours ? Introduction aux modèles probabilistes et à la théorie de l'information
[PDF] Modèle probabiliste / Variables aléatoires
2 Le mod`ele probabiliste et concepts de base 3 Variables aléatoires réelles et lois classiques 4 Espérance et variance d'une variable aléatoire réelle
[PDF] Chapitre 5 : Modèles probabilistes pour la recherche dinformation
Le modèle probabiliste tente d'estimer la probabilité d'observer des événements liés au document et à la requête • Plusieurs modèles probabilistes
[PDF] Un exemple de modélisation et simulation probabiliste - Lucas Gerin
Le modèle probabiliste Simulations préliminaires : les variables Expérience aléatoire : simulations de Calcul exact des probabilités : utilisation des
[PDF] CHAPITRE I LE MODELE PROBABILISTE
Donner un modèle probabiliste qui va permettre de répondre à cette question (on négligera les années bissextiles) Calculer alors la probabilité cherchée I 4
[PDF] Chapitre 1 Modélisation probabiliste - Mathématiques à Angers
Exemple 1 1 1 La taille des hommes adultes en France cette année est une variable aléatoire : on ne peut prédire `a l'avance quelle est la taille d'une
[PDF] Modèle probabiliste et problème statistique - Numdam
Modèle probabiliste et problème statistique Mathématiques et sciences humaines tome 28 (1969) p 39-51
[PDF] Le modèle probabiliste
Le modèle probabiliste 1 1 Introduction Les probabilités vont nous servir à modéliser une expérience aléatoire c'est-à-dire
[PDF] Modèles probabilistes pour linformatique - Myriam TAMI
Modèles probabilistes pour l'informatique Responsable et auteur : Massih-Reza AMINI Intervenante : Myriam TAMI Université Grenoble Alpes (UGA)
[PDF] Modèles probabilistes pour lapprentissage - TIMC-IMAG
Modèle probabiliste pour l'analyse bayésienne ? p(?) est la loi a priori Elle peut être informative ou non-informative ? p(y?) est la vraisemblance
![[PDF] Modèle probabiliste / Variables aléatoires [PDF] Modèle probabiliste / Variables aléatoires](https://pdfprof.com/Listes/18/8818-18Amphi1_MA105.pdf.pdf.jpg)
Amphi 1
Mod `ele probabiliste / Variables al´eatoires J´er´emie Bigot
Cours de probabilit
´es MA105
ISAE/SUPAERO 1A
Ann´ee 2013 - 2014
Amphi 1
Introduction
1Introduction2Le mod`ele probabiliste et concepts de base3Variables al´eatoires r´eelles et lois classiques4Esp´erance et variance d"une variable al´eatoire r´eelle
Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard? Principe de base :on fait appel aux probabilit´es pour d´ecrire une exp ´erience dont le r´esultat est impossible`a pr´evoir avec certitude.Exemple d"exp
´erience al´eatoire :lancer d"un d´e`a 6 faces et on lit le num´ero apparu sur la face sup´erieure
5135521564
TAB.:R ´esultats de 10 lancers successifs d"un d´e`a 6 facesAmphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard? Principe de base :on fait appel aux probabilit´es pour d´ecrire une exp ´erience dont le r´esultat est impossible`a pr´evoir avec certitude.Exemple d"exp
´erience al´eatoire :lancer d"une pi`ece et on lit la face obtenue (Pile ou Face)FFPPFPPFPP
TAB.:R ´esultats de 10 lancers successifs d"une pi`eceAmphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :suivi de l"´evolution journali`ere de l"indice boursier S&P 500 publi´e par l"agence Standard & Poor"s.
Source :Torgo L. (2010).Data Mining with R : Learning with Case Studies.Chapman and Hall/CRC.jan 03
2007jul 02
2007jan 02
2008jul 01
2008jan 02
2009jui 30
2009800 1000 1200 1400 1600
Indice S&P 500
Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
Une th
´eorie math´ematique pour mod´eliser le hasard?Exemple d"exp
´erience al´eatoire :enregistrement d"une s´erie d"images au cours du temps (vid´eo en infrarouge) sur un campus.
Source :http ://www.vcipl.okstate.edu/otcbvs/bench/Amphi 1
Introduction
D ´eveloppement math´ematique des probabilit´es19 `eme si`ecle et d´ebut 20`eme si`ecle : d´eveloppement des probabilit´es en lien avec les m´ethodes d"analyse :
calcul int´egral et diff´erentiel (Laplace, Gauss)
th´eorie de la mesure (Borel, Lebesgue)`
a partir du 20`eme si`ecle :´etude de ph´enom`enes al´eatoires qui evoluent au cours du temps : th´eorie des processus de Markov (mouvement Brownien, processus de Poisson, th´eorie
statistique,´etude de la dynamique de population, physique
statistique,...)la th ´eorie des probabilit´es aujourd"hui est bas´ee sur lemod`ele probabilistepropos´e par Kolmogorov (1933), et sur le calcul stochastique d ´evelopp´e par Itˆo (1945). Cette th´eorie a connu un tr `es grand essor dans la deuxi`eme moiti´e du 20`eme si`ecle.Amphi 1
Introduction
Domaines d"application de la th
´eorie des probabilit´esPhysique (physique des particules, physique quantique)Traitement du signal et de l"image
Informatique et r
´eseaux de t´el´ecommunicationAnalyse de bases de donn ´ees massives (Big data)Finance, Economie, AssuranceBiologie
Fiabilit
´eSimulation num
´erique en math´ematiques appliqu´ees
Amphi 1
Introduction
Organisation du cours MA 105
6 amphis
Pr incipalesnotions et pr incipauxth
´eor`emes
Quelque se xemples14 petites classes (PC)
Ex ercicesapp licatifs
Introdu ctionde notions compl
´ementaires1 BE not
´e sous Matlab (en salle informatique) - Illustration num´erique du filtrage de Kalman1 examen final
Amphi 1
Le mod
`ele probabiliste et concepts de base1Introduction2Le mod`ele probabiliste et concepts de base3Variables al´eatoires r´eelles et lois classiques4Esp´erance et variance d"une variable al´eatoire r´eelle
Amphi 1
Le mod
`ele probabiliste et concepts de baseNotion d"espace fondamentalPrincipes de base :on fait appel aux probabilit
´es pour d´ecrire une exp´erience dont le r´esultat est impossible`a pr´evoir avec certitude,maison suppose que l"on connait quand-mˆeme l"ensemble des
r ´esultats possibles de l"exp´erience.DefinitionL"ensemble de tous les r
´esultats possibles de l"exp´erience est appel´e univers,espace d"´etatsou bienespace fondamental, et on le notera . Un r´esultat possible de l"exp´erience est not´e!2Amphi 1
Le mod
`ele probabiliste et concepts de baseNotion d"espace fondamental Exp´erience 1: lanc´e d"un d´e`a 6 faces
=f1;2;3;4;5;6get card =6. Exp ´erience 2: lanc´e de deux d´es`a 6 faces etcard =36.L"ensemble
peutˆetre : fini (ensemb ledes 6 f acesd"un d´e, des 32 cartes d"un jeu,...),
infini d ´enombrable (ensemble des entiers naturels, ou d"´etats que l"on peut num´eroter) :
=N;Z;::: infini non d ´enombrable (position d"une particule dans un liquide, poids, taille,...) : = [0;+1];R;:::Amphi 1
Le mod
`ele probabiliste et concepts de baseNotion d"´ev`enement
Lorsqu"on effectue une exp
´erience al´eatoire, certains faits li´es`a cette exp ´erience peuvent se produire ou non : on les appelle´ev´enements.Definition Un ´ev´enementAassoci´e`a une exp´erience al´eatoire est un sous-ensemble de i.e.A2 P(Chaque r
´esultat possible!2
d"une exp´erience al´eatoire est appel´eev´enement simplenot´eA=f!g.Remarque :un´ev´enement est li´e`a une exp´erience al´eatoire si on
sait dire, au vu des r ´esultats possibles de l"exp´erience, si cet ev´enement a lieu ou non.Amphi 1
Le mod
`ele probabiliste et concepts de baseNotion d"´ev`enement
Exemples d"
´ev´enements:
-Pour l"exp´erience 1,A"le num´ero obtenu est pair". Aest r´ealis´e si et seulement si!2 f2;4;6g. On noteraA=f2;4;6g:
-Pour l"exp´erience 2,B"la somme des deux num´eros obtenus est 6".Best r´ealis´e si et seulement si
(!1;!2)2 f1;2;3;4;5;6g f1;2;3;4;5;6gv´erifie!1+!2=6.On notera
B=f(1;5);(2;4);(3;3);(4;2);(5;1)g:
Amphi 1
Le mod
`ele probabiliste et concepts de baseCompatibilit´e d"un ensemble d"´ev`enements
Lors de l"
´etude d"une exp´erience al´eatoire, on doit utiliser un ensemble d"´ev`enementsA P(
)qui soit suffisamment riche afin d" ˆetre stable par intersection, union et n´egation d"´ev`enementsA2 A (lien avec la th´eorie des ensembles).
Amphi 1
Le mod
`ele probabiliste et concepts de baseTribu surDefinition
On appelletribuAsur
, tout sous-ensemble de parties de tel que :12 A,2siA2 A, alorsA2 A,3si pour toutn2N,An2 A, alors+1S
n=0A n2 A.Le couple( ;A)est appel´eespace probabilisable.Amphi 1
Le mod
`ele probabiliste et concepts de baseTribu surExemples de tribus:f;;
g: la plus petite,P( ): la plus grande,f;; ;A;Ag.Cas particuliers tr
`es importants :lorsque est fini ou infini d´enombrable, on prend toujours A=P( ).ce n"est pas le cas lorsque =R: la tribu consid´er´ee dans ce cas sera la tribu des bor´eliensB(R)qui est la plus petite tribu
contenant les ouverts deRAmphi 1
Le mod
`ele probabiliste et concepts de baseNotion de probabilit ´e Principe :une probabilit´e (not´eePouP) est une mesure entre 0 et 1 qui permet d" ´evaluer les chances de r´ealisation d"un´ev`enement.Definition Soit( ;A)un espace probabilisable. On appelleprobabilit´e(ou mesure de probabilit´e) sur(
;A)toute applicationPdeAvers[0;1] telle que :1P( ) =12pour toute suite d"´ev´enementsAn2 A, incompatibles deux`a deux (i.e.AnTAm=;sin6=m), on a : P +1[ n=0A n! =+1X n=0P(An) =limN!+1N X n=0P(An)! :Le triplet( ;A;P)est appel´eespace probabilis´e.Amphi 1
Le mod
`ele probabiliste et concepts de baseQuelques propri ´et´es d"une mesure de probabilit´eProposition1SiAB, alorsP(A)P(B)2P(A) =1P(A);P(;) =03P(A[B) =P(A) +P(B)P(A\B)4si(An)nest une suite croissante deA(AnAn+1), alors
PS nA n =limn!+1P(An)5si(Bn)nest une suite d´ecroissante deA(Bn+1Bn), alors PT nB n =limn!+1P(Bn).Amphi 1
Le mod
`ele probabiliste et concepts de baseLe cas discretCas particulier important :
=f!1;;!ngestfinietA=P(Soient p1;;pn,nnombres r´eels.
Alors, il existe une probabilit
´ePsur(
;A)telle que, pour tout i2 f1;;ng,P(f!ig) =pisi et seulement si, pour tout i2 f1;;ng,pi0etnP i=1p i=1.La probabilit
´ePest alors unique et, pour toutA2 A,
P(A) =X
i;!i2Ap i:On dit qu"il y a
´equiprobabilit´elorsque les probabilit´es de tous les ´ev´enements simples sont´egales i.e.pi=1n . S"il y a equiprobabilit´e, alors, pour tout´ev´enementA, on aP(A) =cardAcard
Amphi 1
Le mod
`ele probabiliste et concepts de baseEv´enements ind´ependants
Intuition :2´ev´enements sont ind´ependants si la r´ealisation de l"un est sans effet sur la r´ealisation de l"autre.Definition
Soit( ;A;P)un espace probabilis´e.1Deux´ev´enementsAetBdeAsontind´ependantssi P(A\B) =P(A)P(B):2Une famille d"´ev´enements(An)nest ditefamille d"´ev´enements ind ´ependantssi, pour toutp2Net pour toutfi1;;ipg N,P(Ai1\ \Aip) =P(Ai1) P(Aip):
Amphi 1
Le mod
`ele probabiliste et concepts de baseEv´enements ind´ependants
Exemple :lancer de deux pi`eces.
L"ensemble des r
´esultats possibles est
=f!1;!2;!3;!4g=fPP;FF;PF;FPget il y a´equiprobabilit´e.On consid
`ere les´ev`enements :A ="La premi `ere pi`ece est PILE"B = "La deuxi `eme pi`ece est FACE"Les deux
´ev`enements sont ind´ependants car
P(A\B) =P(!3) =14
=12 12 =P(A)P(B)Amphi 1
Le mod
`ele probabiliste et concepts de baseEv´enements ind´ependants
Remarque :l"ind´ependance d´epend de la probabilit´e consid´er´ee.Exemple: SoitP1la probabilit´e d´efinie sur
=f1;2;3;4;5;6gpar : P1(f1g) =P1(f2g) =16
;P1(f3g) =13 ;P1(f4g) =P1(f5g) =P1(f6g) =19 et soitP2l"´equiprobabilit´e surSoientA=f1;2getB=f2;3g.
On aP1(A) =26
;P1(B) =12 ;P1(A\B) =16 donc P1(A)P1(B) =P1(A\B).
D"autre part,P2(A) =P2(B) =13
;P2(A\B) =16 donc P2(A)P2(B) =19
6=P2(A\B).
Les ´ev´enementsAetBsont ind´ependants pourP1mais pas pourP2.Amphi 1
Variables al
´eatoires r´eelles et lois classiques1Introduction2Le mod`ele probabiliste et concepts de base3Variables al´eatoires r´eelles et lois classiques4Esp´erance et variance d"une variable al´eatoire r´eelle
Amphi 1
Variables al
´eatoires r´eelles et lois classiquesVariables al´eatoires
SoitEune exp´erience al´eatoire et(
;A;P)l"espace probabilis´e qui en rend compte.Dans de nombeuses situations, `a chaque r´esultat deE, on associe une valeur num´erique i.e. une application
X: !R !7!X(!)But : ´eviter de devoir d´ecrire tout les´el´ements!(´ev`enement el´ementaire) de l"ensemble . Exemples : -X=nombre de piles obtenus apr`es 100 lancers d"une pi`ece -X=valeur maximale d"un indice boursier sur un intervalle de temps donn ´e -X=temps de fonctionnement d"un smartphoneApprochefonctionnelleplutˆot qu"ensembliste.Amphi 1
Variables al
´eatoires r´eelles et lois classiquesVariables al´eatoires
SoitEune exp´erience al´eatoire et(
;A;P)l"espace probabilis´e qui en rend compte.On consid
`ere une application X: !R !7!X(!) Probl `eme :on souhaite mesurer la probabilit´e de l"ensemble des r´esultats!2
tel queX(!) =a, ou encoreX(!)X(!)2[a;b[i.e.´evaluerP(X=a)ouP(X Question :les´ev`enements[X=a],[Xˆetre mesur´es?
Amphi 1
Variables al
´eatoires r´eelles et lois classiquesVariables al´eatoires
Rappel :siXest une application d"un espace
quotesdbs_dbs33.pdfusesText_39[PDF] racine nième d'un nombre complexe exercice corrigé pdf
[PDF] produit des racines nième de l'unité
[PDF] exemple de poster scientifique ppt
[PDF] comment présenter un poster scientifique
[PDF] faire une affiche avec photoshop
[PDF] bibliographie numérotée word
[PDF] insérer référence word
[PDF] fonction racine nième exercices pdf
[PDF] style bibliographie word
[PDF] bibliographie word 2016
[PDF] word référence bibliographique
[PDF] citation word
[PDF] exemple d article scientifique en latex
[PDF] bibliographie word mac