Loi Binomiale et calculatrice
Utilisation de la calculatrice. Équipe Académique Mathématiques. Page 1. Bordeaux. Loi Binomiale et calculatrice. La variable aléatoire X suit la loi
STATISTIQUE : TESTS DHYPOTHESES
loi normale qui permet ensuite d'appliquer un test paramétrique . Le calcul de l'espérance montre que l'estimateur est sans biais. De plus
Loi Normale et calculatrice
Utilisation de la calculatrice. Équipe Académique Mathématiques. Page 1. Bordeaux. Loi Normale et calculatrice. La variable aléatoire X suit la loi normale
STATISTIQUE : ESTIMATION
alors la loi normale N(m ?2/n)
CHAÎNES DE MARKOV
La chaîne n'étant pas périodique il n'y a pas en général convergence en loi de la suite Xn vers la loi binomiale. Mais si on change légèrement le processus en
Probabilités et Statistiques Licence de Mathématiques (Parcours
Ce calcul empirique de probabilité est fondé sur le fait que l'univers par la loi binomiale prépare ici l'approche de la distribution de Poisson (sous-.
Conditionnement / Espérance conditionnelle
d'espérance conditionnelle et de loi conditionnelle. [X + Y = n] est la loi binomiale B ... Calcul de probabilit´es par conditionnement.
Exercices de mathématiques
Exercices de Mathématiques - Terminales S ES
COURS DE FORTRAN 90
Mieussens@math.u-bordeaux1.fr. - équipe Calcul Institut de Mathématiques de Bordeaux ... les concepts de C++ ne sont gu`ere utiles pour le calcul scien-.
ESPÉRANCE CONDITIONNELLE MARTINGALES
Préparation à l'Agrégation Bordeaux 1 Le calcul explicite des espérances ... de SN sachant N est une loi binomiale de paramètres (Np).
Loi Binomiale et calculatrice v5 - ac-bordeauxfr
Nous choisissons ici une variable aléatoire X qui suit la loi binomiale b(10;03) Casio : Graph 35+ et modèles supérieurs Calcul des coefficients binomiaux
Amphi 3
Conditionnement / Esp
´erance conditionnelle
J´er´emie Bigot
Cours de probabilit
´es MA105
ISAE/SUPAERO 1A
Ann´ee 2013 - 2014
Amphi 3
Motivations
1Motivations2Probabilit´es conditionnelles par rapport`a un´ev`enement3Conditionnement par rapport`a une v.a. discr`ete4Conditionnement par rapport`a une v.a. continue5Esp´erance conditionnelle et projection orthogonale
Amphi 3
Motivations
Importance de la notion de probabilit
´e conditionnelle
Quand a-t-besoin de la la notion de probabilit
´e conditionnelle?
chaque f oisque ,pendant le d´eroulement d"une exp´erience
al ´eatoire, une information partielle est fournie`a l"exp´erimentateur un ´ev´enement en conditionne un autre, si la r´ealisation de ce dernier d´epend de la r´ealisation du premier.
Les notions d"ind
´ependance et de conditionnement sont donc
etroitement li´ees.Amphi 3
Motivations
Exemple de conditionnement discret
Envisageons les trois cas suivants :
1.On lance un d
´e`a six faces : quelle est la probabilit´e d"obtenir le chiffre 3? R´eponse :1=6
2.On lance un d
´e`a six faces : quelle est la probabilit´e d"obtenir le chiffre 3sachant que le r´esultat est impair? R´eponse :1=3
3.On lance un d
´e`a six faces : quelle est la probabilit´e d"obtenir le chiffre 3sachant que le r´esultat est pair? R´eponse :0
Amphi 3
Motivations
Exemple de conditionnement continu
Mod `ele de d´eplacement d"un mobile (ex : v´ehicule) d´ecrit pour un vecteurxt2R2ouR3au cours du tempst2R+: le v ecteurxtest la position du mobile`a l"instanttdans le cas id´eal d"un mod`ele th´eorique
la position r ´eelleXtest mod´elis´ee en introduisant un terme perturbateur al´eatoire
X t=xt+Vt;avecVtv.a. centr´ee; suivi du v´ehicule`a partir de mesuresYtqui donnent une
approximationde sa position r´eelle Y t=Xt+Wt;avecWtv.a. centr´ee: Question :connaissant les mesuresYt1;:::;Ytn, comment pr ´edire/estimer la position r´eelle du mobile au tempstn+1? R ´eponse :utilisation de l"esp´erance conditionnelle (filtre de Kalman)Amphi 3
Motivations
Objectifs du conditionnement
Apprendre
`a utiliser de nouvelles informations pour augmenter la pr ´ecision d"un mod`ele al´eatoire (exemple : d´etection des spams)La d ´efinition du mod`ele conditionnel dans le cas discret est naturelle et remonte au XVIII si `ecle (Thomas Bayes, math ´ematicien britannique, 1702-1761). La d´efinition g´en´erale est plus abstraite.Le formalisme des espaces de Hilbert et la notion projection orthogonale peuvent ˆetre utilis´es pour d´efinir les notions d"esp ´erance conditionnelle et de loi conditionnelle.Le conditionnement ouvre la voie `ala statistique et l"inf´erence bay ´esienne- Notion de mod`elea prioriet mod`elea posteriori.Approches fr
´equentistes6=Approches bay´esiennes
Amphi 3
Probabilit
´es conditionnelles par rapport`a un´ev`enement1Motivations2Probabilit´es conditionnelles par rapport`a un´ev`enement3Conditionnement par rapport`a une v.a. discr`ete4Conditionnement par rapport`a une v.a. continue5Esp´erance conditionnelle et projection orthogonale
Amphi 3
Probabilit
´es conditionnelles par rapport`a un´ev`enementD ´efinition de la probabilit´e conditionnelleD´efinitionSoit(
;A;P)un espace probabilis´e. SoitB2 Atel queP(B)>0. On appelleprobabilit´e deAsachantBle nombrePB(A)(not´e egalementP(AjB)) d´efini par PB(A) =P(AjB) =P(A\B)P(B):Lanc
´e de d´e: on noteA"chiffre 3" etB"chiffre impair". On a queA\B=A;P(A\B) =card(A\B)card
=16 ;P(B) =cardBcard =36 =12 D"o `u PB(A) =P(AjB) =P(A\B)P(B)=16
1 2=13:Amphi 3
Probabilit
´es conditionnelles par rapport`a un´ev`enementD ´efinition de la probabilit´e conditionnelleD´efinitionSoit(
;A;P)un espace probabilis´e. SoitB2 Atel queP(B)>0. On appelleprobabilit´e deAsachantBle nombrePB(A)(not´e egalementP(AjB)) d´efini par PB(A) =P(AjB) =P(A\B)P(B):Lanc
´e de d´e: on noteA"chiffre 3" etB"chiffre pair". On a queA\B=;;P(A\B) =card(A\B)card
=0;P(B) =cardBcard =36 =12 D"o `u PB(A) =P(AjB) =P(A\B)P(B)=01
2=0:Amphi 3
Probabilit
´es conditionnelles par rapport`a un´ev`enementD ´efinition de la probabilit´e conditionnelleProposition L"applicationPB:A7!PB(A)est une probabilit´e sur( ;A).Preuve :i)PB( ) =P( \B)P(B)=P(B)P(B)=1etPB(A) =P(A\B)P(B)2[0;1]car A\BB. ii) Soit suite d" ´ev´enementsAn, incompatibles 2`a 2 (i.e.An\Am=;). Les ´ev´enementsAn\Bsont aussi incompatibles 2`a 2 et donc : P B [ nA n! =PS nA n \BP(B)=PS n(An\B)P(B) =P nP(An\B)P(B)=X nP B(An)Amphi 3
Probabilit
´es conditionnelles par rapport`a un´ev`enementFormule des probabilit´es totalesTh
´eor`emeSoit(
;A;P)un espace probabilis´e. Soit(Bi)i2Iun syst`eme complet d" ´ev´enements de probabilit´es non nulles i.e. (i)Bi2 Apour touti2I, (ii)S i2IB i= (iii)sii6=j, alorsBi\Bj=;, (iv)P(Bi)6=0pour touti2I(ensemble d´enombrable).Alors, pour toutA2 A,
P(A) =X
i2IPBi(A)P(Bi) =X
i2IP(AjBi)P(Bi):Amphi 3
Probabilit
´es conditionnelles par rapport`a un´ev`enementFormule des probabilit´es totales
Cas particulier tr
`es utile :P(A) =PB(A)P(B) +PB
(A)P(B) =P(AjB)P(B) +P(AjB)P(B) Exemple :Le taux de r´eussite d"un examen donn´e est de 60 % pour les candidats issus de l"´etablissement A et de 80 % pour ceux issus
de B. D"autre part, 55 % des candidats proviennent de A et 45% de B.Quel est le taux d"
´echec`a cet examen?
Amphi 3
Probabilit
´es conditionnelles par rapport`a un´ev`enementFormule des probabilit´es totales
Exemple :Le taux de r´eussite d"un examen donn´e est de 60 % pour les candidats issus de l"´etablissement A et de 80 % pour ceux issus
de B. D"autre part, 55 % des candidats proviennent de A et 45% de B. Solution :soit les´ev´enementsA: "ˆetre issu deA",B: "ˆetre issu deB",R: "r´eussir" etE: "ˆetre en´echec".
Par la formule des probabilit
´es totales on a que le taux de r´eussite
est :P(R) =P(RjA)P(A) +P(RjB)P(B) =6055100
2+8045100
2=69%;
et doncP(E) =1P(R) =31% :taux d"´echec.
Amphi 3
Probabilit
´es conditionnelles par rapport`a un´ev`enementFormule de BayesSoitAetBdeux´ev`enements. On a que
P(AjB) =P(A\B)P(B)et=P(BjA) =P(B\A)P(A)
Donc, on peut aussi
´ecrire que (formule de Bayes) :
P(AjB) =P(BjA)P(A)P(B)
P(BjA)P(A)P(BjA)P(A) +P(BjA)P(A);
ecrite (souvent!) sous la formeP(AjB)/P(BjA)P(A)
Amphi 3
Conditionnement par rapport
`a une v.a. discr`ete1Motivations2Probabilit´es conditionnelles par rapport`a un´ev`enement3Conditionnement par rapport`a une v.a. discr`ete4Conditionnement par rapport`a une v.a. continue5Esp´erance conditionnelle et projection orthogonale
Amphi 3
Conditionnement par rapport
`a une v.a. discr`eteLois conditionnelles pour un couple discretSoitXetYdeux v.a.r. discr`etes, d´efinies sur(
;A;P), avec X( ) =fxi;i2IgetY( ) =fyj;j2Jg;I;Jd´enombrables:Loi de probabilit
´e du couple(X;Y)est d´etermin´ee par
p ij=P([X=xi]\[Y=yj])pouri2Ietj2J:Lois marginalesdeXetY
P(X=xi) =pi:=X
jp ijetP(Y=yj) =p:j=X ip ij:D ´efinitionSipi:6=0, la loi conditionnelle deYsachant[X=xi]est d´efinie par : P [X=xi](Y=yj) =P(Y=yjjX=xi) =P([X=xi]\[Y=yj])P(X=xi)=pijp i:;j2J:Sipi:=0, alors, par convention,P[X=xi](Y=yj) =0.
Amphi 3
Conditionnement par rapport
`a une v.a. discr`eteEsp´erance conditionnelle dans le cas discretD
´efinitionSupposons queE(jYj)<+1.
L"esp ´erance d"une v.a. dont la loi est la loi conditionnelle deY`a l" ´ev´enement[X=xi]est appel´eeesp´erance conditionnelle deY`a l"´ev´enement[X=xi].
Elle est not
´eeE[X=xi](Y)ouE(YjX=xi). On a donc
E [X=xi](Y) =X jy jP[X=xi](Y=yj); not´ee´egalement
E(YjX=xi) =X
jy jP(Y=yjjX=xi):Amphi 3
Conditionnement par rapport
`a une v.a. discr`eteEsp´erance conditionnelle dans le cas discret
Exemple: soientX P()etY P()ind´ependantes (loi dePoisson de param
`etres >0et >0). Les v.a.XetYsont discr`etes et`a valeurs dansNde loiP([X=i]) =eii!;i2N;
etP([Y=j]) =ejj!;j2N:Proposition
La v.a.X+Ysuit une de loi de Poisson de param`etre+.Amphi 3
Conditionnement par rapport
`a une v.a. discr`eteEsp´erance conditionnelle dans le cas discret
Exemple: soientX P()etY P()ind´ependantes.
Etant donn
´e queX+Y P(+), on a que pour0in,
P [X+Y=n]([X=i]) =P([X=i]\[X+Y=n])P([X+Y=n])=P([X=i]\[Y=ni])P([X+Y=n]) (+)(+)nn! =Cin+ i 1+ ni =PZ(fig) o `uZest de loi binomialeB n;+ . Ainsi, la loi conditionnelle deX`a [X+Y=n]est la loi binomialeB n;+ , d"esp´erancen+et donc
E [X+Y=n](X) =E(XjX+Y=n) =n+:Amphi 3
Conditionnement par rapport
`a une v.a. discr`eteEsp´erance conditionnelle dans le cas discretD
´efinitionSoitXune v.a. r´eelle discr`ete sur( ;A;P)telle que, pour tout x2X( ),P([X=x])6=0et soitYune v.a. r´eelle discr`ete sur( ;A;P) admettant une esp´erance i.e.E(jYj)<+1.
On appelleesp´erance conditionnelle deYsachantX, lavariable al´eatoirediscr`ete EX(Y) =h(X);
o `uh:X( )!Rest la fonction d´efinie par h(x) =E[X=x](Y); pour toutx2X( ).Remarque :on la note´egalementE(YjX) =EX(Y).Amphi 3
Conditionnement par rapport
`a une v.a. discr`eteEsp´erance conditionnelle dans le cas discret
Exemple: soientX P()etY P()ind´ependantes.
On a que
h(n) =E[X+Y=n](Y) =E(XjX+Y=n) =n+;n2N; et donc EX+Y(X) =E(YjX+Y) =(X+Y)+
Remarque importante :EX+Y(X)est une variable al´eatoire!Amphi 3
Conditionnement par rapport
`a une v.a. discr`eteEsp´erance conditionnelle dans le cas discretTh
´eor`eme (Th´eor`eme de l"esp´erance totale)SoitXetYdeux v.a.r. discr`etes d´efinies sur le mˆeme espace telles
queE(jYj)<+1. Alors la v.a.r. discr`eteEX(Y)admet une esp´erance etE(EX(Y)) =E(Y);
relation not´ee´egalement
E(Y) =E(E(YjX)):
Amphi 3
Conditionnement par rapport
`a une v.a. discr`eteEsp´erance conditionnelle dans le cas discret
Preuve(Th´eor`eme de l"esp´erance totale) : on a que h(xi) =E(YjX=xi) =X jy jP(Y=yjjX=xi): L"esp ´erance de la v.a.h(X) =E(YjX)peut donc s"´ecrireE(E(YjX)) =E(h(X)) =X
ih(xi)P(X=xi) X i0 X jy jP(Y=yjjX=xi)1 AP(X=xi)
X jy j X iP(Y=yjjX=xi)P(X=xi)! X jy jP(Y=yj) =E(Y):Amphi 3
Conditionnement par rapport
`a une v.a. continue1Motivations2Probabilit´es conditionnelles par rapport`a un´ev`enement3Conditionnement par rapport`a une v.a. discr`ete4Conditionnement par rapport`a une v.a. continue5Esp´erance conditionnelle et projection orthogonale
Amphi 3
Conditionnement par rapport
`a une v.a. continueLois conditionnelles dans le cas continu Soit(X;Y)2R2un couple de variables al´eatoires de densit´efX;Y admettant pour densit´es marginalesfXetfY.D
´efinitionPour toutx2Rtel quefX(x)6=0, ladensit´e conditionnelledeY sachant[X=x]est la fonctionfX=xY:R!R+d´efinie par fX=xY=fX;Y(x;y)f
X(x):Parall
`ele avec les couples discrets: on peut faire l"analogue avec la loi deYsachant[X=xi]: P [X=xi](Y=yj) =P([X=xi]\[Y=yj])P(X=xi)=pijp i:;j2J:Amphi 3
Conditionnement par rapport
`a une v.a. continueEsp´erance conditionnelle dans le cas continuD
´efinitionSupposons queE(jYj)<+1.L"esp´erance conditionnelledeY`a "l"´ev´enement[X=x]" est le r´eel :
EX=x(Y) =Z
R yfX=xY(y)dy: L"esp ´erance conditionnelledeYsachantXest lavariable al´eatoirer´eelle
EX(Y) =E(YjX) =h(X)
avech:R!Rla fonction d´efinie parh(x) =EX=x(Y);x2R.Th ´eor`eme de l"esp´erance totale(comme dans le cas discret).SiE(Y)existe :
E(Y) =E(EX(Y)) =E(E(YjX)):
Amphi 3
Conditionnement par rapport
`a une v.a. continueEsp´erance conditionnelle dans le cas continu
Exemple :soit un couple al´eatoire(X;Y)de densit´e fX;Y(x;y) =1x
exy=x11f[0;+1[[0;+1[g(x;y):On veut calculerE(Y)?
Calculons tout d"abord la densit
´e conditionnelle
fX=xY(y) =fX;Y(x;y)f
quotesdbs_dbs23.pdfusesText_29[PDF] Exemples de calcul - CNAP
[PDF] ti-83 calculatrice graphique manuel d 'utilisation - Maths Langella
[PDF] Chap2 : L 'Energie mécanique
[PDF] grille de sélection des travailleurs qualifiés
[PDF] Rappels de seconde : vocabulaire
[PDF] Correction Déterminer un âge en utilisant la - SVT en Terminale S
[PDF] ECE : Détermination de l 'indice de réfraction de l 'eau - Sciences
[PDF] Noyau et nuage électronique
[PDF] Sous-adressage et CIDR - DEPARTEMENT INFORMATIQUE IUT Aix
[PDF] Seconde - Distance entre deux points du plan - Parfenoff
[PDF] Mesurer des distances avec wwwmapsgooglefr
[PDF] MESURE DU RETARD ET DE LA CELERITE D 'UNE ONDE
[PDF] 1 Calculs statistiques dans Excel: moyenne et écart type Entrée des
[PDF] 31 calculer des effectifs cumulés