Cours de Statistiques inférentielles
variable aléatoire réelle X admet pour densité de probabilité la fonction p(x) L'espérance de la loi du ?2(?) est égale au nombre ? de degrés de liberté ...
degré de libertéx
28 août 2008 Cours réalisé par Benjamin Putois. 2008. 1. La notion de degré de liberté. « En donnant la liberté aux esclaves nous.
Cours de probabilités et statistiques
b) Quel serait le niveau de confiance d'un intervalle de longueur 01 kg centré en 3
Cours 8 : Analyse de variance à un facteur
Comprendre la notion de variabilité intra groupe et inter groupe. Page 2. PSY 1004. Techniques d'analyses en psychologie. Cours 8. Analyse de
PRINCIPALES DISTRIBUTIONS DE PROBABILITÉS
Il s'agit d'une loi binomiale B(n p). Pour comprendre la relation entre ces deux lois
LOI N? 92 - 020 / PORTANT CODE DU TRAVAIL EN REPUBLIQUE
éventuellement dans un centre de formation d'apprentis à un jeune travailleur qui s'oblige
Chapitre 3 - Distributions déchantillonnage
Avant de continuer essayons de comprendre sur un exemple ce qui se passe. Exemple 2 Une population est constituée de 5 étudiants en statistique (le faible
Résumé du Cours de Statistique Descriptive
15 déc. 2010 Cependant pour faire des représentations graphiques et ... A partir de la plus petite valeur observée
LES TESTS DHYPOTHÈSE
Un test d'hypothèse (ou test statistique) est une démarche qui a pour but de Ici T ?> Tn-1 (loi de Student à (n-1) degrés de liberté).
M4 – OSCILLATEUR HARMONIQUE
Définition : Un oscillateur harmonique `a un degré de liberté x (X ?
Stage ATSM - Ao^ut 2010
Cours de probabilit
´es et statistiques
A. Perrut
contact : Anne.Perrut@univ-lyon1.fr 2Table des matiµeres
1 Le modµele probabiliste 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Trois autres lois discrµetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.2 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4.3 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1 Loi d'une v.a. continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 La loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4 La loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.5 Fonction d'une v.a. continue . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.1 Loi des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Intervalles de con¯ance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
34TABLE DES MATIµERES
5 Tests statistiques 47
5.1 Tests d'hypothµeses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2 Test d'ajustement du chi-deux . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
B Tables statistiques 61
C.1 Variable quantitative discrµete . . . . . . . . . . . . . . . . . . . . . . . . . . 65 C.2 Variable quantitative continue . . . . . . . . . . . . . . . . . . . . . . . . . . 68 C.3 Variable qualitative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70Chapitre 1
Le modµele probabiliste
1.1 Introduction
Exemples :
- l'enfant µa na^³tre sera une ¯lle, - Proportion :P(A) =3
6 = 1=2. AlorsP(¯lle) = limn!+1k
n n mais cette limite a-t-elle un sens? - Opinion : pour que l'OL soit championne de France? Dans ce cas, on ne peut pas rejouer le m^eme subjectif. 56CHAPITRE 1. LE MODµELE PROBABILISTE
Exemples :
\Lyon ne gagne pas". chi®re pair", ieA=f2;4;6g. jcelui du second.B: \on obtient pile au deuxiµeme lancer" est
B=f(f;p;f);(f;p;p);(p;p;f);(p;p;p)g
le nombre de \face" obtenus. Alors, =f0;1;2;3g. Le modµele est beaucoup plus simple, notations vocabulaire ensembliste vocabulaire probabiliste ensemble plein ensemble vide A sous-ensemble de !2A !appartient µaAA½B
Ainclus dansB
AimpliqueB
A[B AouB A\B intersection deAetB AetB A cou A A\B=;AetBdisjoints
AetBincompatibles
Exemple : soit =f0;1;2g. ConstruisonsP().
P() =n
;;f0g;f1g;f2g;f0;1g;f0;2g;f1;2g;o telle que : -P(A) =X -P() =X !2P(!) = 10.95 :Ava trµes probablement se produire.
4.0 : incorrect.
-2 : incorrect.0.5 : une chance sur deux.
8CHAPITRE 1. LE MODµELE PROBABILISTE
faire quelques calculs :1) SiAetBsont incompatibles,P(A[B) =P(A) +P(B).
2)P(Ac) = 1¡P(A).
3)P(;) = 0.
5)P(A[B) =P(A) +P(B)¡P(A\B).
2) CommeAetAcsont incompatibles,1 =P() =P(A[Ac) =P(A) +P(Ac).
3)P(;) = 1¡P(;c) = 1¡P() = 0.
P i2NA i´ =X i2NP(Ai) - axiome 3 :P() = 11 =P() =X
!2P(!) =X !2p=p£card()D'oµup=P(!) =1
card()P(A) =X
!2AP(!) =card(A) card() dire : - choisir, parP(BjA) =P(A\B)
P(A) Utilisation 2 : QuandP(BjA)etP(A)sont faciles µa trouver, on peut obtenirP(A\B). Exemple 6Une urne contientrboules rouges etvboules vertes. On en tire deux, l'une =frouge;verteg £ frouge;verteg rouge".P(A\B) =P(BjA)P(A) =r¡1
r+v¡1¢r r+vP(B) =P(BjA)P(A) +P(BjAc)P(Ac)
10CHAPITRE 1. LE MODµELE PROBABILISTE
preuve : CommeA[Ac= ,P(B) =P(B\(A[Ac)) =P((B\A)[(B\Ac)). OrB\AP(B) =P(B\A) +P(B\Ac)
On garde le m^eme formalisme.
P(B) =P(BjA)P(A) +P(BjAc)P(Ac)
r¡1 r+v¡1¢r r+v+r r+v¡1¢v r+v =r r+v (i)[i2IAi= (ii) lesAisont deux µa deux incompatibles : pour tousi6=j,Ai\Aj=;.P(B) =X
i2IP(BjAi)P(Ai) dans l'ordre chronologique. Nous allons maintenant voir une formule µa remonter le temps...1etP(B)>0. Alors,
P(AjB) =P(BjA)P(A)
P(BjA)P(A) +P(BjAc)P(Ac)
preuve :P(AjB) =P(A\B)
P(B)=P(BjA)P(A)
P(B) i2I,P(AijB) =P(BjAi)P(Ai)
P j2IP(BjAj)P(Aj) bleaux sur informatique. Les tableaux deAcomportent des fautes dans 5,2% des cas et ceux deBdans 6,7% des cas. On prend un tableau au hasard. Il comporte des fautes. T TF=\ le tableau comporte des fautes".
P(TAjF) =P(FjTA)P(TA)
P(FjTA)P(TA) +P(FjTB)P(TB)
P(A\B) =P(A)P(B)
P(BjA) =P(B)()P(AjB) =P(A)()P(A\B) =P(A)P(B)
Proposition 14Soit =E£FoµuEest de cardinalnetFde cardinalp. Supposons queP(!) =P((x;y)) =1
card() =1 np =PE(fxg)PF(fyg) =fP;Fg £ f1;:::;6g12CHAPITRE 1. LE MODµELE PROBABILISTE
8!2; P(!) =1
card() = 1=12 P N³ (!1;:::;!N)´ =P(!1)¢¢¢P(!N) surN. Pourtant, le nombre de combinaisons dont la somme fait 12 est le m^eme que le nombre de combinaisons dont la somme fait 11. Alors?1.6 Exercices
3) On tire trois cartes dans un jeu .
suppose queP(A[B) = 7=8; P(A\B) = 1=4; P(A) = 3=8:
CalculerP(B),P(A\Bc),P(B\Ac).
ros impairs ont chacun la m^eme chance d'appara^³tre, chance qui est deux fois plus grande hasard, et l'on observe que les quatre places libres se suivent. Est-ce surprenant?1.6. EXERCICES13
Exercice 6 {SoientM1,M2,M3trois personnes. La premiµereM1dispose d'une infor- la transmet µaM3. Malheureusement, µa chaque fois que l'information est transmise, il y a le bon message? Et siM3transmet l'information dont il dispose µa une quatriµeme personneM4, quelle est elle re»coit un vaccin? daire? Exercice 8 |Dans une usine, la machine A fabrique 60% des piµeces, dont 2% sont C? Exercice 9 |Dans une jardinerie : 25% des plantes ont moins d'un an, 60% ont de 1 µa 2 ans, 25% ont des °eurs jaunes, 60% ont des °eurs roses, 15% ont des °eurs jaunes et moins d'un an, 3% ont plus de 2 ans et n'ont ni °eurs jaunes, ni °eurs roses. 15% de celles qui ont de 1 µa 2 ans, ont des °eurs jaunes, 15% de celles qui ont de 1 µa 2 ans, n'ont ni°eurs jaunes ni °eurs roses. On suppose que les °eurs ne peuvent pas ^etre µa la fois jaunes
et roses. On choisit une plante au hasard dans cette jardinerie.14CHAPITRE 1. LE MODµELE PROBABILISTE
Exercice 10 |Deux chau®eurs de bus se relaient sur la m^eme ligne. Lors d'une grµeve, le premier a60%de chances de faire grµeve et le second80%. Pendant la prochaine grµeve, Exercice 11 |Une loterie comporte 500 billets dont deux seulement sont gagnants.Chapitre 2
PPP PPF PFP FPP FFP FPF PFF FFF
valeur deX3 2 2 2 1 1 1 0
k(valeur prise parX)3 2 1 0
fPPPg fPPF,PFP,FPPg fPFF,FPF,FFPg fFFFg k(X=k) = 15 elle est ditecontinue(exemples : hauteur d'un arbre, distance de freinage d'une voiture souvent une formule, plut^ot qu'une liste. [X= 3] [X= 2] [X= 1] [X= 0] fPPPg fPPF,PFP,FPPg fPFF,FPF,FFPg fFFFg1/8 3/8 3/8 1/8
F(x) =P[X·x]
Exemple :Xest le nombre de Face quand on lance trois fois une piµece. On a vu que la loi deXest P[X= 0] = 1=8; P[X= 1] =P[X= 2] = 3=8; P[X= 3] = 1=8D'oµu,
F(x) =8
>>>>>:0six <0;1=8si0·x <1;
4=8si1·x <2;
7=8si2·x <3;
1six¸3
1)Fest croissante,
3) lim x! ¡1F(x) = 0;limx!+1F(x) = 1E[X] =X
kkP[X=k] oµu on somme sur toutes les valeurskque peut prendreX.E[g(X)] =X
kg(k)P[X=k] preuve : observons queg(X) =yssiX=xavecg(x) =y. Ainsi,P(g(X) =y) =X
x:g(x)=yP(X=x)E(Y) =X
yyP(Y=y) =X yX x:g(x)=yg(x)P(X=x) =X xg(x)P(X=x)Var(X) =Eh
(X¡E[X])2i =X k(k¡E[X])2P[X=k] =E[X2]¡E[X]2 k2X()jkjP(X=k)<1 sa valeur moyenneE[X]. Exemple 18: nous avons la loi du nombreXde PILE quand on lance trois fois une piµece.E[X] =3X
k=0kP[X=k] = 3¢1 8 + 2¢3 8 + 1¢3 8 + 0¢1 8 =12 8 =3 2Var(X) =E[X2]¡E[X]2=3X
k=0k2P[X=k]¡E[X]2
= 32¢1
8 + 22¢3 8 + 12¢3 8 + 02¢1 8¡µ3
2 2 3 4 nbr de PILE [X= 3] [X= 2] [X= 1] [X= 0]0.125 0.375 0.375 0.125
0.2 0.6 0.1 0.1
partir de quelques observations.P[X=i;Y=j] =P[X=i]P[Y=j]
P[(X;Y) = (i;j)] =P[X=i;Y=j].
touti2X(),P[X=i] =X
j2Y()P[X=ijY=j]P[Y=j]SoitZ=X+Y. Quelle est la loi deZ?
valeur que prendX, la valeur que prendYet la valeur deZ. XnY1 2 3 4 5 6
12 3 4 5 6 7
23 4 5 6 7 8
34 5 6 7 8 9
45 6 7 8 9 10
56 7 8 9 10 11
67 8 9 10 11 12
pour tous1·i;j·6; P[X=i;Y=j] =P[X=i]P[Y=j] = 1=362] =P[Z= 12] = 1=36,P[Z= 3] =P[Z= 11] = 2=36,P[Z= 4] =P[Z= 10] = 3=36,
1·j·12.
P[Z=j] =6X
i=1P[Z=jjX=i]P[X=i] 1 6 6 X i=1P[X+Y=jjX=i] 1 6 6 X i=1P[Y=j¡ijX=i] 1 6 6 X i=1P[Y=j¡i] rappeler queP[Y=k] = 1=6seulement sikest dansf1;:::;6g. preuve : pour le premier point, il faut observer que X yP(X=x;Y=y) =P³ (X=x)\([y(Y=y))´ =P³ (X=x)\´ =P(X=x) et il vientE[X+Y] =X
x;y(x+y)P(X=x;Y=y) X x;yxP(X=x;Y=y) +X x;yyP(X=x;Y=y) X xxP(X=x) +X yyP(Y=y) =E[X] +E[Y] Pour le second point, on montre tout d'abord queE(XY) =E(X)E(Y), la suite venant facilement. Ainsi,E[XY] =X
x;yxyP(X=x;Y=y) X x;yxyP(X=x)P(Y=y) µX =E(X)E(Y)P[Y= 1] =p; P[Y= 0] =q= 1¡p
Var(Y) =E[Y2]¡E[Y]2=E[Y]¡E[Y]2=p(1¡p).
conditions.P(E) =q= 1¡p.
P(X=k) =µn
p k(1¡p)n¡kpour tout0·k·n oµu ¡n k¢=n! k!(n¡k)!.P(!) =pk(1¡p)n¡k
Il en existe¡n
P(X=k) =X
!:X(!)=kP(!) = card(f!:X(!) =kg)pk(1¡p)n¡k µn p k(1¡p)n¡k np(1¡p). (preuve)quotesdbs_dbs22.pdfusesText_28[PDF] La fonction exponentielle - Lycée d 'Adultes
[PDF] le temps de travail - CIG Versailles
[PDF] Formules de calcul des agrégats de la comptabilité nationale - 9alami
[PDF] CHAPITRE 6 : LES ESCALIERS
[PDF] 1 Gérer la paie (p 5)
[PDF] Outil 1 Indicateurs RH et d 'activité - MDEF
[PDF] puissances exercices
[PDF] Statistiques - Académie en ligne
[PDF] Situer une année dans son siècle et son millénaire
[PDF] Calcul des structures - Cel - Hal
[PDF] Dimensionnement beton armé d 'un immeuble R+5 - BEEP-IRD
[PDF] CALCUL DE LA DESCENTE DE CHARGE A L 'AIDE DE - Eduscol
[PDF] Déterminants - Exo7
[PDF] Chapitre 1: Distribution Statistique ? une dimension