Cours de Probabilités - Université de Limoges

La somme de r v a indépendantes suivant la loi géométrique G(p) suit la loi de Pascal de paramètres (r;p) Lois absolument continues distribution loi de probabilité E( X ) var( X ) fonction caract

LOIS DE PROBABILITE USUELLES´ - Université de Poitiers

Loi de Bernoulli 0 1 0 1 1 − p Fonction de r´epartition Une variable al´eatoire X de loi la loi de Bernoulli de param`etre p P r 0,1 s est presque suˆrement l’indicatrice de l’´ev´enement t X 1 u R´eciproquement, l’indicatrice d’un ´ev´enement A P Aa pour loi la loi de Bernoulli de param`etre p A q

Théorie des Probabilités - Stanford AI Lab

4 Convergences p s et en probabilité, loi des grands nombres 8 5 Fonctions caractéristiques, Transformées de Laplace 11 6 Convergence en loi, T C L 16 7 Conditionnement, espérance conditionnelle, lois de probabilité condition-nelles 21 8 Vecteurs gaussiens 31 9 Problèmes de synthèse 32 2

Chapitre 4 LES LOIS DES PROBABILITÉS

exprimer la loi des grands nombres telle que nous l™avons prØsentØe Depuis, la relation 4 4 est connue comme l™inØgalitØ de BienaymØ-Tchebychev ]] 4 2 2 La loi des grands nombres Appliquons à la variable z de la section prØcØdente, l™inØgalitØ de BienaymØ-Tchebychev 4 4 : proba[ z −z >tσz] < 1 t2 Avec z = p et σz = r p(1

Cours de Probabilités - Université de Limoges

On peut ainsi mettre en bijection l’ensemble des p combinaisons avec répétition des néléments de E aveclesapplicationsf: EN tellesque x 1 7 f(x 1) = k 1 x n7 f(x n) = k n vériﬁant Xn i=1 f(x i) = p Exemple : Dans un jeu de dominos, un domino est une 2-combinaison avec répétition de l’ensemble

Probabilité Conditionnement & indépendance Loi de probabilité

Fiche n° 1 : Probabilité conditionnement et indépendance, loi de probabilité Propriété intellectuelle de eZsciences Version 1 0 5 Retour Sommaire Dans le cas d’un contexte à plusieurs évènements, il vous sera souvent nécessaire d’utiliser

Probabilités – Terminale S

L’affectation des p i aux xi permet de définir une nouvelle loi de probabilité Cette loi notée P X, est appelée loi de probabilité de X Remarque : Soit X une variable aléatoire prenant les valeurs x1, x2, , xn avec les probabilités p 1, p 2, , p n On

Cours 3: Rappels de probabilités

A 3 Notions de base: probabilité Probabilité = fonction permettant de «mesurer» la chance de réalisation d’un évènement de P(Ω)(ou plus généralement d’une tribu A) Définition: Soit ( Ω,A) un espace probabilisable Une probabilité sur (Ω,A) est une application satisfaisant les 3 axiomes suivants :

Cours de probabilites et statistiques´

Universit¶e Claude Bernard Lyon 1 IREM de Lyon - D¶epartement de math¶ematiques Stage ATSM - Aou^t 2010 Cours de probabilites et statistiques´

[PDF] loi de Probabilité, tirage roues

[PDF] loi de probabilité-loi binomiale

[PDF] loi de séparation de l'église et de l'état

[PDF] loi de séparation de l'église et de l'état 1905 résumé

[PDF] loi de snell descartes demonstration

[PDF] loi de snell descartes pdf

[PDF] loi de stefan

[PDF] loi de talion :

[PDF] loi de titius bode

[PDF] loi de van't hoff thermodynamique

[PDF] Loi de Viennes

[PDF] loi de vitesse cinétique chimique

[PDF] loi de weibull fiabilité pdf

[PDF] loi de weibull maintenance

[PDF] Loi de Wien (1ere S)

Licence 2-S3 SI-MASS

Année 2013Cours de Probabilités

Pierre DUSART

Chapitre1Éléments d"analyse combinatoire

1.1 Quelques définitions

Disposition sans répétition : c"est une disposition où un élément peut apparaître 0 ou 1 fois.

Disposition avec répétition : un élément peut figurer plus d"une fois. Disposition ordonnée : l"ordre d"obtention d"un élément est important. Ex. les éléments constituant la plaque minéralogique d"un véhicule.

Disposition non-ordonnée : l"ordre d"obtention d"un élément n"est pas important, on n"en tient pas compte

dans la caractérisation de la disposition.

Ex. Les numéros issus d"un tirage du loto.

Exemple 1 : On considère un ensemble à deux élémentsfa;bg. Avec deux tirages sans répétition, on peut

obtenirfa;bgoufb;ag; Avec deux tirages avec répétition, on peut obtenirfa;ag,fa;bg,fb;agoufb;bg.

Cela correspond à un tirage avec remise.

Exemple 2 : Prenons un jeu de dé à 6 faces (éléments discernables) numérotées par =f1;2;3;4;5;6g.

Après 3 jets, nous obtenons la réalisationA= (2;5;1); nous réitérons les jets et nous obtenonsB=

(5;1;2).AetBsont équivalents si nous considérons que les dispositions sont non-ordonnées. En revanche,

ils ne sont pas équivalents si nous sommes dans le cadre d"une disposition ordonnée. La valeurFactorielle(n), notéen!est définie parn! = 12n=Qn i=1i. Par convention0! = 1. Nous pouvons également utiliser une définition récursive n! =n(n1)!

1.2 Arrangement avec répétition

Soit un ensemble composé denéléments : card( ) =n. Nous constituons un échantillonEde taillep (card(E) =p) à partir des éléments de . Si nous avons à choisirpéléments parmindans une disposition

ordonnée (les places sont distinctes) et avec répétition (on peut choisir le même élément plusieurs fois),

on dit qu"on a un arrangement depéléments parmin. Le nombre d"arrangement avec répétition estnp:

N.B. Dans ce cas, il est possible quep > n.

Réaliser un arrangement avec répétition des éléments de , c"est aussi définir une application d"un ensembleEàpéléments dans . L"ensemble des applications deEdans sera noté

Eet on a

E) = (#

)#E.

4CHAPITRE 1. ÉLÉMENTS D"ANALYSE COMBINATOIRE1.3 Arrangement sans répétition

Soit un ensemble avec card( ) =n. On constitue un échantillon de taillep(pn), la disposition est

ordonnée et sans répétition. On dit qu"on a un arrangement sans répétition depéléments parmin. Le

nombre deparrangements d"un ensemble ànéléments est : A pn=n!(np)!: Réaliser un arrangement sans répétition des éléments de , c"est déterminer unpuplet(x1;:::;xp) d"éléments de deux à deux distincts. C"est aussi définir une application injective d"un ensembleEàp

éléments dans

ànéléments.

1.4 Permutation sans répétition

C"est un arrangement sans répétition denéléments parmin. P n=Ann=n!(nn)!=n!

Réaliser une permutation des éléments de

, c"est réaliser un tirage exhaustif sans remise des éléments de en tenant compte de l"ordre du tirage. C"est aussi définir une bijection de ensemble sur lui-même.

L"ensemble des permutations d"un ensemble ànéléments s"appelle le groupe symétrique d"ordrenet se

noteSn. On a#Sn=n!.

1.5 Permutation avec répétition

On appelle permutation avec répétition depéléments oùnsont distincts (np), une disposition

ordonnée de l"ensemble de cespéléments où le premier figurep1fois, le secondp2fois, etc., tel que

1+p2++pn=p. Le nombre de permutation avec répétitions estp!p

1!p2!pn!

Démonstration : (Voir préalablement la définition d"une Combinaison sans répétition) Pour construire unp-uplet correspondant à une combinaison contenantp1foisx1,p2foisx2, ...,pnfois x n, il suffit : - de choisir lesp1emplacements desx1, parmip1+p2+:::+pnplaces disponibles, - de choisir lesp2emplacements desx2, parmi lesp2+:::+pnplaces restantes, - etc. - de choisir lespnemplacements desxn, parmi lespnplaces restantes.

Au total, il y a

C p1p

1+p2++pnCp2p

2++pnCpnpn=p!p

1!p2!pn!

Exemple [Nombre d"anagrammes du mot MATHÉMATIQUE] : nous voyons qu"en échangeant les deux

lettres A, le mot reste identique, et par contre en transposant les lettres É et E nous obtenons un mot

différent. (M :2;A :2;T :2;H :1;É :1;I :1;Q :1;U :1;E :1) :#Anagrammes= 12!=(2!2!2!) Exemple 2 : Nombre de quartets binaires de poids de Hamming égal à 2; Il y en a 6 =4!/(2!2!) : (0011),(0101),(0110),(1001),(1010),(1100). Cours Probabilités / Pierre DUSART51.6 Combinaison sans répétition

On considère un ensemble

constitué denéléments tous discernables. On forme un échantillon de taille

p. Si la disposition est non-ordonnée et sans répétition, on dit que l"on a une combinaison sans répétition

depéléments parmin. Le nombre de ces combinaisons se noteCpnoun p. C pn=n!p!(np)!

Propriétés :

1.C0n=Cnn= 1

2.Cpn=Cnpn(complémentaire)

3.Cpn=Cp

n1+Cp1 n1(triangle de Pascal)

4.Cpn=Ap

np!

Preuve queCpn=Cp

n1+Cp1 n1: C p n1+Cp1 n1=(n1)!p!(np1)!+(n1)!(p1)!(np)! (n1)!(np)p!(np)!+p(n1)!p!(np)! n(n1)!p!(np)!=Cpn

Proposition 1.6.1 (Formule du binôme)

(a+b)n=nX p=0C pnapbnp: Exercice : preuve de la formule du binôme par récurrence surn

Preuve :

(a+b)n+1= (a+b)(a+b)n = (a+b)nX p=0C pnapbnp nX p=0C pnap+1bnp+nX p=0C pnapbn+1p n+1X p 0=1C p01nap0bn+1p0+nX p=0C pnapbn+1p nX p=1C p1napbn+1p+Cnnan+1b0! C

0na0bn+1+nX

p=1C pnapbn+1p! =an+1+nX p=1(Cp1n+Cpn|{z} C p n+1)apbn+1p+bn+1 (a+b)n+1=n+1X p=0Cp n+1apbn+1p:

6CHAPITRE 1. ÉLÉMENTS D"ANALYSE COMBINATOIRE1.7 Combinaison avec répétition

C"est une disposition non-ordonnée depéléments, à choisir parminéléments discernables, avec répétition.

Le nombre de combinaisons avec répétitions denobjets prispàpest : K pn=Cp n+p1

Exemple : [jeu de domino] Les pièces sont constituées en disposant côte à côte deux éléments de l"ensemble

fblanc;1;2;3;4;5;6g. Si nous retournons un domino, nous changeons l"ordre des deux éléments, mais le

domino reste identique (C"est donc une disposition non-ordonnée). Nous avons une combinaison avec répétition de 2 éléments pris parmi les 7, et au total il y aK27= 28dominos dans un jeu. Toutepcombinaison avec répétition peut s"écrire : x

1:k1fois;:::;xn:knfois

avec0kipetPn i=1ki=p.

On peut ainsi mettre en bijection l"ensemble despcombinaisons avec répétition desnéléments deE

avec les applicationsf:E!Ntelles que x

17!f(x1) =k1

x n7!f(xn) =knvérifiantnX i=1f(xi) =p

Exemple : Dans un jeu de dominos, un domino est une 2-combinaison avec répétition de l"ensemble

E=fblanc;1;2;3;4;5;6g. Chaque domino peut être représenté par une application deEdansf0;1;2g

qui associe à chaque élément deEle nombre de fois où l"élément apparaît sur le domino. Ainsi le domino

[blanc,blanc], est représenté par l"applicationfdéfinie par f(blanc) = 2;f(1) = 0;f(2) = 0;f(3) = 0;f(4) = 0;f(5) = 0;f(6) = 0 et le domino [blanc, 1] par l"applicationfdéfinie par f(blanc) = 1;f(1) = 1;f(2) = 0;f(3) = 0;f(4) = 0;f(5) = 0;f(6) = 0:

On peut aussi mettre cet ensemble en bijection avec l"ensemble des manières de placerpobjets dansn

boîtes :boîte1in x 1xixn k 1kikn Mais placerpobjets dansnboîtes c"est aussi se donnern+p1objets et décider quen1d"entre eux seront des cloisons :

00|{z}

1j00|{z}

2jj00|{z}

k n:

Inversement, à toute façon de choisirn1objets qui seront des cloisons, on peut associer une et une

seule façon de placerpobjets dansnboîtes.

Il y a une bijection entre l"ensemble desp-combinaisons avec répétition de E et l"ensemble desp-uplets

croissants d"éléments deE, ou encore des applications croissantes (au sens large) def1;2;:::;pgdansE.

Propriété :Kpn=Kp1n+Kp

n1.

Preuve :Cp

n+p1=Cp1 n+p2+Cp n+p2

Chapitre2Probabilités

2.1 Espace probabilisé

2.1.1 Événement et ensemble fondamental

Une épreuve est une expérience dont l"issue n"est pas prévisible car répétée dans des conditions identiques,

elle peut donner lieu à des résultats différents ou aléatoires (expérience aléatoire). L"ensemble des résultats

possibles s"appelle l"ensemble fondamental(ou référentiel, univers des possibles) et sera noté

Unévénementest un ensemble de résultats (un sous-ensemble de l"univers) d"une expérience aléatoire.

Comme l"événement est une affirmation concernant le résultat d"une expérience, nous devons pouvoir

dire, pour tout résultat de l"univers, si l"événement se réalise ou non. Un événement donné, souvent défini

par une proposition, est identifié à la partie de l"univers pour laquelle il est réalisé.

On exige que la collectionCdes événements dispose de la structure d"une algèbre de Boole : 1.

2 C;; 2 C:

2. siA2 C;)A2 C;

3. siA;B2 C )A[B2 CetA\B2 C:

On peut préciser le calcul de probabilités d"un événementE. De manière simplifiée, la probabilité théorique

vaut

P(E) =nombre de cas favorablesnombre total de cas

Exemple 1 : Si on lance un dé à 6 faces, le référentiel est composé des six faces =f1;2;3;4;5;6g:

Exemple 2 : Si on lance trois fois une pièce, le référentiel est composé des23arrangements avec répétition

des 2 faces distinctes notéesPetF: =fPPP;PPF;PFP;PFF;FPP;FPF;FFP;FFFg:

Exemple 3 : Si on lance trois pièces identiques simultanément, le référentiel est composé des 3-combinaisons

avec répétition des 2 faces distinctes notéesPetF: =fPPP;PPF;FFP;FFFg:de cardinalK32.

Question : "On lance trois pièces de monnaie. Quelle est la probabilité que toutes trois retombent du

même côté, que ce soit pile ou face?"

Définition 1Deux événementsAetBsont dits incompatibles s"ils ne peuvent se réaliser simultanément

c"est-à-dire lorsque l"intersection des sous-ensemblesAetBest vide :A\B=;.

8CHAPITRE 2. PROBABILITÉS2.1.2 Axiomatique de Kolmogorov

A chaque événement, on associe un nombre positif compris entre 0 et 1, sa probabilité. La théorie moderne des probabilités repose sur l"axiomatique suivante :

Définition 2On appelle probabilité sur(

;C)(où est l"ensemble des événements etCune classe de parties de ), ou loi de probabilité, une applicationPdeCdans[0;1]telle que :

1. Pour tout événementE,0P(E)1.

2.P( ) = 1

3. pour tout ensemble dénombrable d"événements incompatiblesA1;A2;:::;An, on a

P([Ai) =XP(Ai):(-additivité deP)

Définition 3On appelle espace probabilisé le triplé( ;C;P)où est l"ensemble fondamental,Cest une collection de sous-ensembles de (la collection des événements), qui possède la structure précédente de -algèbre de Boole etP:C ![0;1]est une mesure de probabilité surC.

Propriétés élémentaires : de l"axiomatique de Kolmogorov, on peut déduire les propriétés suivantes :

1.P(;) = 0

2.P(A) = 1P(A)

3.P(A[B) =P(A) +P(B)P(A\B)

4.P(A)P(B)siAB(inégalité de Boole)

5.P([iAi)P

iP(Ai)(Il n"y a stricte égalité que si les événementsAisont deux à deux incompatibles.)

6. Si la suite(An)croît versA(c"est-à-dire8n;AnAn+1et[An=A) alorslimP(An) =P(A).

7. Continuité monotone séquentielle. SoientA1A2 An ;. Silimn!1An=;alors

lim n!1P(An) = 0

Démonstration :

1. SoitEun événement quelconque. CommeE[ ;=E,P(E[ ;) =P(E). D"autre part, on sait

queE\ ;=;(tout événement est incompatible avec l"événement impossible) et d"après le 3ème

axiome,P(E[ ;) =P(E) +P(;). Des deux égalités, on obtientP(;) = 0.

2.A[A=

etA\A=;P( ) =P(A[A) =P(A) +P(A) = 1d"oùP(A) = 1P(A)

3. On découpe selon une partition deA[B: on aP(A[B) =P(A\B)[(B\A)[(A\B). Ces

ensembles sont deux à deux incompatibles d"oùP(A[B) =P(A\B)+P(B\A)+P(A\B). De plus, P(A) =P(A\B)+P(A\B)etP(B) =P(B\A)+P(A\B), d"oùP(A\B) =P(A)P(A\B) etP(B\A) =P(B)P(A\B), valeurs que l"on remplace dans la première égalité obtenue.

4. D"après la propriété précédente et la positivité de la probabilité, on aP(A[B) =P(A) +P(B)

P(A\B)P(A) +P(B),

5. Formule précédente que l"on peut généraliser à un nombre quelconque d"événements :P([iAi)P

iP(Ai)avec égalité si des événements sont deux à deux incompatibles.

6. On poseB1=A1et8n2;Bn=AnnAn1. LesBisont disjoints et vérifient[n1Bn=[n1An

et8n1;[nk=1Bk=An:Par la propriété de-additivité,P n1P(Bn) =P([n1An)et8n 1;Pn k=1P(Bk) =P(An):Ainsilimn!1P(An) =P([nAn) =P(A).

7. On noteA=\An. CommeAnAn+1,A

n nA n+1. On poseB1=A

1etBn+1=A

n+1nA n. Ainsi nBn=[nA n=Aet[nk=1Bk=A n. Ainsilimn!1P(Aquotesdbs_dbs5.pdfusesText_9

[PDF] Cours de Probabilités - Université de Limoges

Licence 2-S3 SI-MASS

Année 2013Cours de Probabilités

Pierre DUSART

Chapitre1Éléments d"analyse combinatoire

1.1 Quelques définitions

Ex. Les numéros issus d"un tirage du loto.

Cela correspond à un tirage avec remise.

1.2 Arrangement avec répétition

N.B. Dans ce cas, il est possible quep > n.

Eet on a

E) = (#

4CHAPITRE 1. ÉLÉMENTS D"ANALYSE COMBINATOIRE1.3 Arrangement sans répétition

éléments dans

ànéléments.

1.4 Permutation sans répétition

Réaliser une permutation des éléments de

1.5 Permutation avec répétition

1+p2++pn=p. Le nombre de permutation avec répétitions estp!p

1!p2!pn!

Au total, il y a

1+p2++pnCp2p

2++pnCpnpn=p!p

1!p2!pn!

On considère un ensemble

Propriétés :

1.C0n=Cnn= 1

2.Cpn=Cnpn(complémentaire)

3.Cpn=Cp

4.Cpn=Ap

Preuve queCpn=Cp

Proposition 1.6.1 (Formule du binôme)

Preuve :

0na0bn+1+nX

6CHAPITRE 1. ÉLÉMENTS D"ANALYSE COMBINATOIRE1.7 Combinaison avec répétition

1:k1fois;:::;xn:knfois

17!f(x1) =k1

00|{z}

1j00|{z}

2jj00|{z}

Propriété :Kpn=Kp1n+Kp

Preuve :Cp

Chapitre2Probabilités

2.1 Espace probabilisé

2.1.1 Événement et ensemble fondamental

2 C;; 2 C:

2. siA2 C;)A2 C;

3. siA;B2 C )A[B2 CetA\B2 C:

P(E) =nombre de cas favorablesnombre total de cas

8CHAPITRE 2. PROBABILITÉS2.1.2 Axiomatique de Kolmogorov

Définition 2On appelle probabilité sur(

1. Pour tout événementE,0P(E)1.

3. pour tout ensemble dénombrable d"événements incompatiblesA1;A2;:::;An, on a

P([Ai) =XP(Ai):(-additivité deP)

1.P(;) = 0

2.P(A) = 1P(A)

3.P(A[B) =P(A) +P(B)P(A\B)

4.P(A)P(B)siAB(inégalité de Boole)

5.P([iAi)P

6. Si la suite(An)croît versA(c"est-à-dire8n;AnAn+1et[An=A) alorslimP(An) =P(A).

7. Continuité monotone séquentielle. SoientA1A2 An ;. Silimn!1An=;alors

Démonstration :

1. SoitEun événement quelconque. CommeE[ ;=E,P(E[ ;) =P(E). D"autre part, on sait

2.A[A=

3. On découpe selon une partition deA[B: on aP(A[B) =P(A\B)[(B\A)[(A\B). Ces

4. D"après la propriété précédente et la positivité de la probabilité, on aP(A[B) =P(A) +P(B)

P(A\B)P(A) +P(B),

5. Formule précédente que l"on peut généraliser à un nombre quelconque d"événements :P([iAi)P

6. On poseB1=A1et8n2;Bn=AnnAn1. LesBisont disjoints et vérifient[n1Bn=[n1An

7. On noteA=\An. CommeAnAn+1,A

1etBn+1=A