Cours de probabilites et statistiques´
A[B r¶eunion de A et B A ou B A\B intersection de A et B A et B Ac ou A compl¶ementaire de A ¶ev¶enement contraire de A A\B =; A et B disjoints A et B incompatibles 1 3 Probabilit¶e On se limite dans ce cours µa ¶etudier les univers d¶enombrables La probabilit¶e d’un ¶ev¶enement est une valeur num¶erique qui repr¶esente la
Probabilités et Statistiques: Quelques petits rappels
La probabilité objective d'un événement n'existe pas et n'est pas une grandeur mesurable Probabilité = mesure d'incertitude variant avec les circonstances et l'observateur => mesure subjective Contrainte: satisfaire aux axiomes du calcul des probabilités => permet de probabiliser des événements non reproductibles et non aléatoires
COMBINATOIRE PROBABILITES ET STATISTIQUES
et leur nombre se note An r = n (n − r) (11) Remarque Si n = r alors An r = Pn Exemple 8 Soient les 4 lettres a,b,c et d Alors: - abcd,bcda,acdb sont des permutations simples des 4 lettres - bd,cb,ca sont des arrangements simples de 2 lettres choisies parmi 4 Il y a P4 = 4 = 24 permutations des 4 lettres et A4 2 = 4
Math 04 : Probabilités et Statistiques
aux principes de base de la probabilité et statistique Support pédagogique 4 Il est mis à la disposition des étudiants un support pédagogique sur papier du Cours et des Travaux Dirigés (TD) Plateforme Elearning ( l’adresse vous sera transmise prochainement )
Résumé de sup : probabilités - PROBLEMES ET SOLUTIONS
Si A et B sont deux événements, CΩA est l’événement contraire de A, A∪B est la réunion de A et B, A∩B est l’intersection de A et B A et B sont incompatibles ssi A ∩B =∅ Si A ⊂ B, on dit que A implique B Un système complet d’événements est une famille (Ai)16i6n telle que ∀i 6= j, Ai ∩Aj =∅et [16i6n Ai =Ω 3
Chapitre 3 : Combinatoire, Probabilités
Cours et exercices : Philippe Leclère 1 Chapitre 3 : Combinatoire, Probabilités 1 Dénombrement 1 1 Introduction L’étude statistique nous conduit à étudier une population finie et parfaitement déterminée par rapport à un ou plusieurs paramètres Pour cela nous avons mis en
Statistique : Résumé de cours et méthodes 1 Vocabulaire
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c’est l’ensemble étudié Individu : c’est un élément de la population Effectif total : c’est le nombre total d’individus Caractère : c’est la propriété étudiée
Probabilités – Terminale S
Probabilités – Terminale S 2 b Probabilités sur un ensemble fini Définition : Soit ΩΩΩΩ = {a 1, a 2, , a n} un ensemble fini on définit une loi de probabilité sur ΩΩΩΩ si on choisit des nombres p 1, p 2, , p n tels que, pour
COURS DE STATISTIQUES
problèmes de statistique Probabilités = théorie permettant de modéliser des phénomènes aléatoires Statistiques = repose sur l’observation de données issues d’un phénomène concret ¾Le rôle des probabilités est nul en statistique descriptive, prépondérant en statistique inférentielle
LOIS DE PROBABILITÉ USUELLES
Si les v a indépendantes X et Y suivent les lois normale N(0;1) et du Khi-Deux ˜2(n), alors pX Y=n suit la loi de Student T (n) Si les v a indépendantes X et Y suivent les lois du Khi-Deux ˜2(m) et ˜2(n), alors mX nY suit la loi de Fisher F(m;n)
[PDF] rappel mecanique des fluides
[PDF] jacques damour résumé
[PDF] formulaire mécanique des fluides
[PDF] histoire générale de l'afrique tome 2 pdf
[PDF] histoire de l'afrique noire joseph ki-zerbo pdf
[PDF] naissance de l'agriculture en mésopotamie
[PDF] cours svt terminale s pdf geologie
[PDF] l'invention de l'agriculture c'est pas sorcier
[PDF] agriculture biologique
[PDF] cours simple de thermodynamique
[PDF] histoire de l'agriculture pdf
[PDF] fiche résumé thermodynamique
[PDF] évolution de l'agriculture
[PDF] résumé thermodynamique mpsi
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.