Documente Academic
Documente Profesional
Documente Cultură
Said, El Melhaoui
2 Exprience Alatoire et Univers dventualits
Facult des Sciences Juridiques, conomiques et Sociales Oujda
http://said-el-melhaoui.e-monsite.com 3 vnements
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 1 / 17 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 2 / 17
Introduction Introduction
lorigine lexistence de lincertain: ignorance totale, partielle ou En conomie, il sagit de ltre humain, dont le comportement est
artificiel (tirage au sort) incertain: rationnel? Partiellement rationnel? Connaissances
"Lducation, cest lhomme qui progresse de la certitude limites
ignorante lincertitude rflchie" Issac Newton (1643-1727) qui avait perdu beaucoup
Don Clarks Scrapbook dargent dans le krach de South Sea Company, dclarait
quil pouvait "prvoir le mouvements des plantes" mais
Exemple: ractions et comportements des ennemis, des pas "la folie des hommes"
adverssaires, de la nature!...
"La guerre et le jeu enseignent ces calculs des
probabilits qui font saisir les chances sans suser les
attendre toutes"
A., France, Le jardin dEpicure
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 3 / 17 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 4 / 17
Introduction Introduction
Le hasard induit lincertitude qui ncessite la connaissance des linfrence statistique : Dduction de lobservation dun
probabilits: qui sont la mesure du degr de certitude chantillon tir au hasard dune population la nature de cette
(vraisemblance) de la ralisation dun vnement dernire (vrit moindre cot, prvision...)
Thorie des probabilits : branche des mathmatiques Le calcul des probabilits (lois de probabilits) se fait par un
consacre la mesure de lincertitude et du hasard raisonnement invers : Dduction dune population connue des
Un peu dhistoire des Probabilits rsultats sappliquant un chantillon tir de cette population
Naissance: Jeux de hasard : paris, cartes, Problmes des partis... Les probabilits se calculent priori (avant lexprience); elles
Fondateurs: Pascal (1623), Fermat (1601) sont hypothtiques
Avance : la J. Bernoulli (1654-1705), Laplace (1749-1827), . . .
Succs au XX sicle: Justification de linfrence statistique Les frquences descriptives de lchantillon se calculent
posteriori (aprs lexprience); des traces dune vrit cherche
La distance entre les probabilits et les frquences renseigne sur
la vraisemblance des hypothses
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 5 / 17 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 6 / 17
Exprience Alatoire et Univers dventualits Exprience Alatoire et Univers dventualits
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 7 / 17 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 8 / 17
Exprience Alatoire et Univers dventualits vnements
P() = {{1}, {2}, ..., {6}, {1, 2}, ...{1, 6}, {1, 2, 3}, ..., }
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 9 / 17 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 10 / 17
vnements vnements
Oprations sur les vnements: la conjonction Oprations sur les vnements: la disjonction
La conjonction (intersection) des vnements A et B est lvnement La disjonction (union) des vnements A et B est lvnement qui se
qui se ralise quand les deux vnements sont raliss : ralise si au moins lun des deux vnements sest raliss :
A B = A et B = { | A et B} A B = A ou B = { | A ou B}
AB
A B
AB
N. B. A et B sont dits vnements incompatibles ssi ils ne peuvent
se raliser en mme temps: A B = A B
Exemple Jet du d : si A = {2, 4, 6}, D = {1, 2, 5} alors
A B A D = {2, 4, 6, 1, 5}
Oprations sur les vnements: lvnement contraire Oprations sur les vnements: limplication
Lvnement contraire de A est lvnement qui se ralise quand A On dit que lvnement A implique B ssi la ralisation de A implique la
ne se ralise pas: ralisation de B: A B.
= { |
A / A}
B
A
A
A
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 13 / 17 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 14 / 17
vnements vnements
Oprations sur les vnements: la diffrence Oprations sur les vnements: la partition
La diffrence de A et B est lvnement qui se ralise si A se ralise Une classe dvnements {E1 , . . . , Em } est dite partition de ssi
et B ne se ralise pas: [
m
A B = { | A et
/ B} = A B Ei Ej = i 6= j et Ei =
i=1
A
AB
AB A2 A3
A1 Am
A B
A E1 E2 E3 Em E1 Em
N. B. A, la classe dvnements {A1 = A E1 , . . . , Am = A Em } est
B AB une partition de A:
[
m
Ai Aj = i 6= j et Ai = A
i=1
Exemple si A = {2, 4, 6}, H = {1, 2, 3, 4, } alors H A = {1, 3}
implique G (FSJESO)
S., El Melhaoui lments de Probabilits 03/2016 15 / 17 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 16 / 17
vnements
On suppose que est fini, et que tous les ventualits ont la mme
4 Mesure de Probabilit
chance dtre ralis :hypothse dquiprobabilit
5 Rgles de comptage
Dfinition. S,. Laplace(1749)
6 Probabilits conditionnelles
La probabilit dun vnement A est la proportion des ventualits
favorables parmi toutes les ventualits possibles:
Mesure de Probabilit dans le cas gnral Cas particulier : Probabilit sous lhypothse dquiprobabilit
card(A)
Dfinition axiomatise des probabilits
X
En particulier si A = {w1 , . . . , wm } alors P(A) = P(wi ) Sous
Soit un espace dexprience, une application numrique P dfinie sur i=1
P() est appele mesure de probabilit si elle satisfait les trois lhypothse dquiprobabilit on retrouve
conditions: card(A)
X card(A)
(i) P(A) 0, A P(); P(A) = P(wi ) = card(A) P(w1 ) =
card()
P() = 1;
(ii) i=1
(iii) {Ai }1im classe dvnements incompatibles ona card()
[ X
P( A ) = P(Ai ).
X
En effet P() = P(wi ) = card() P(w1 ) = 1
i
i i i=1
P(w1 ) = 1/card()
Lespace (, P(), P) est dit espace probabilis
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 20 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 21 / 44
Mesure de Probabilit Mesure de Probabilit
P(2) = P(4) = P(6) = 2P(1) = 2P(3) = 2P(5) Remarque. Si lespace est continu alors P(A) = 0 ; A = en effet
si = [a, b] et c [a, b]:
P(2) = P(4) = P(6) = 2/9 et P(1) = P(3) = P(5) = 1/9 1
=0
P(c) =
"Il faut utiliser les modles, non y croire." Henri Theil +
Le point est de poids ngligeable dans un segment!
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 22 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 23 / 44
Mesure de Probabilit Mesure de Probabilit
Proprit 2 Corollaire 2
1 Si A et B sont incompatibles alors La mesure de probabilit est sous additive
AB
A B
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 24 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 25 / 44
Rgles de comptage Rgles de comptage
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 26 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 27 / 44
Rgles de comptage Rgles de comptage
Rgles de comptage: tirages successifs avec remise (suite) Rgle de comptage: tirages successifs sans remise
Solution Le premier tirage peut se faire de N faons diffrentes B. Tirages successifs sans remise de n units dune population
Pour chaque rsultat du premier tirage, le 2ime tirage se fait son contenant N units (n N): aprs chaque tirage on ne remet pas
tour de N faons diffrentes, donc les deux tirages se font de lunit a place
N N = N 2 faons diffrentes, Chaque rsultat est une slection ordonne et sans rptition de n
Ainsi les n tirages se font donc de N n faons diffrentes units: Arrangement
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 28 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 29 / 44
Rgles de comptage Rgles de comptage
Rgles de comptage: tirages successifs Sans remise (suite) Rgle de comptage: tirages simultans
Solution Le premier tirage peut se faire de N faons diffrentes C. Tirages simultans de n units dune population contenant N
Pour chaque rsultat du premier tirage, le 2ime tirage se fait son units (n N): tirages en mme temps des units
tour de N 1 faons diffrentes, donc les deux tirages se font de Chaque rsultat est une slection non ordonne et sans rptition de
N (N 1) = N!/(N 2)! faons diffrentes, n units: combinaison
Ainsi les n tirages se font donc de
N (N 1) . . . (N n + 1) = N!/(N n)! faons diffrentes
Problme: Nombre de rsultats possibles? Nombre dchantillons
Rsultat
possibles (non ordonns sans rptition)
Le nombre de tirages successifs sans remise de n units parmi N est
le nombre des arrangements:
N!
card() = AnN =
(N n)!
N!
N.B. AN
N = = N!, cest le nombre des permutations
(N N)!
possibles de N units
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 30 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 31 / 44
Rgles de comptage Rgles de comptage
Solution: Chaque combinaison peut produire n! arrangements des n Exemple. Dans une population constitu de 10 enfants, 6 filles et 4
units parmi N: garons. On slectionne 3 personnes. Quelle est la probabilit davoir
AnN = n! CNn trois filles?
63
Tirages successifs avec remise P(A) = 3 = 9.6%
Rsultat 10
C63
Le nombre des tirages simultans de n units parmi N est le nombre Tirages simultan P(A) = 3 = 16.66%
des combinaisons: C10
A3
AnN N! Tirages successifs sans remise P(A) = 36 = 16.66%
card() = CNn = = A10
n! n!(N n)! N.B. Pour le calcul de la probabilit dun vnements dont lordre nest
pas pris en considration le tirage successifs sans remise est
N. B. CN1 = N, CNN = 1, CNn = CNNn
quivalent au tirage simultan (utiliser les combinaisons)
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 32 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 33 / 44
Probabilits conditionnelles Probabilits conditionnelles
Exemple. Pour un jet dun d soit les vnements Exemple. Pour un jet dun d soit les vnements
A: "obtention dun nombre impair" A: "obtention dun nombre impair"
B "obtention dun nombre infrieur 3 B "obtention dun nombre infrieur 3
Q1 Quelle est la probabilit de ralisation de A? Q1 Quelle est la probabilit de ralisation de A?
R1 A = {1, 3, 5} et = {1, 2, 3, 4, 5, 6} donc P(A) = 3/6 = 50% R1 A = {1, 3, 5} et = {1, 2, 3, 4, 5, 6} donc P(A) = 3/6 = 50%
Q2 Supposant quon sache que B sest ralis. La probabilit de la Q2 Supposant quon sache que B sest ralis. La probabilit de la
ralisation de A dans ce cas est dite la probabilit de A sachant ralisation de A dans ce cas est dite la probabilit de A sachant
B note P(A|B) B note P(A|B)
Quelle est la valeur de cette probabilit? Quelle est la valeur de cette probabilit?
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 34 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 34 / 44
Probabilits conditionnelles Probabilits conditionnelles
Dfinition Proprits
Soit A et B deux vnement possibles. On dit que A est indpendant 1 "A est indpendant de B" "B est indpendant de A"
de B si
P(A|B) = P(A) P(A|B) = P(A) P(B|A) = P(B)
R Remarquons que = {(P, P), (P, F ), (F , P), (F , F )} Preuve. (A Ei )i est une partition de A ainsi
F1 = {(F , P), (F , F )} F2 = {(P, F ), (F , F )}
FF = F1 F2 = {(F , F )}
X X
P(A) = P(A Ei ) = P(Ei ) P(A|Ei )
ainsi P(F1 ) = P(F2 ) = 2/4 = 1/2 et P(F1 F2 ) = 1/4 i i
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 39 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 40 / 44
Probabilits conditionnelles Calcul Bayesien Probabilits conditionnelles Calcul Bayesien
P(rien) = 0.7 P(peu) = 0.2 P(bcp) = 0.1 Question 1. Quelle est la probabilit davoir un potentiel lev?
Question 2. Si le rsultat du test est que le potentiel est lev, quelle
Pour plus dinformation sur le site on fait un test sismique: la probabilit de ne rien trouver (le risque dune mauvaise dcision)?
3 rsultats sont possibles, le potentiel du terrain est :
S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 41 / 44 S., El Melhaoui (FSJESO) lments de Probabilits 03/2016 42 / 44
Probabilits conditionnelles Calcul Bayesien Probabilits conditionnelles Calcul Bayesien
Rponse la question 2.
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 1 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 2 / 33
Dfinition Dfinition
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 3 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 4 / 33
Dfinition Dfinition
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 5 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 6 / 33
Dfinition Dfinition
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 7 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 8 / 33
Variables alatoires discrtes Lois de probabilit discrtes Variables alatoires discrtes Fonction de rpartition
Dfintion Dfinition
Lensemble des couples (x, px ) o x X et px = P(X = x) forme la La fonction de rpartition F (t), associe X est la fonction qui
loi (distribution) de probabilit de X chaque t R associe
F (t) = P(X t)
Exemple A. La loi de X est donne par le tableau
Exemple A. Les valeurs de F pour les valeurs x sont les cumules, F
x 0 1 2 3 est une fct en escalier
px 0,14 0,39 0,36 0,11 x 0 1 2 3
px 0,14 0,39 0,36 0,11
F (x) 0,14 0,53 0,89 1
F (t) = 0, t < 0;
F (t) = 0, 14, 0 t < 1;
F (t) = 0, 53, 1 t < 2;
F (t) = 0, 89, 2 t < 3
F (t) = 1, t 3.
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 9 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 10 / 33
Variables alatoires discrtes Fonction de rpartition Variables alatoires discrtes Esprance mathmatique
Dfinition
Figure: Graphe de la fonction de rpartition F
Lesprance mathmatique de la v.a. X, note E(X), est la moyenne
des valeurs possibles de X pondres par leurs probabilits respectifs.
X
E(X) = x px
x
Remarques
1 E(X) est dite aussi la moyenne de X et est alors note
2 Gnralement, pour r N le moment dordre r de X est
X
r = E(Xr ) = x r px
x
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 11 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 12 / 33
Variables alatoires discrtes Variance Variables alatoires discrtes Variance
V (X) = E[(X )2 ] = (x )2 px
X
En particulier la variance nest que le moment centr dordre 2
x
V (X) = 2
Remarques
1 Pour calculer la variance on utilise souvent la formule de Koenig Exemple A.
Lesprance de X est
V (X) = E(X2 ) [E(X)]2
= E(X ) = 0 0, 14 + 1 0, 39 + 2 0, 36 + 3 0, 11 = 1, 44
V (X) est dite lcart-type de X La variance de X est 2 = V (X ) =
p
2 (X) =
3 La variance et lcart-type sont toujours positives 02 0, 14 + 12 0, 39 + 22 0, 36 + 32 0, 11 1, 442 0, 75
Lcart-type de X est = V (X ) = 0, 75 0, 87
p
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 13 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 14 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles Variables alatoires discrtes Quelques lois discrtes usuelles
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 15 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 16 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles Variables alatoires discrtes Quelques lois discrtes usuelles
Exemples:
1 Lance dune piece de monnaie :
avoir pile=S = (X = 1) Dfinition
avoir face=E = (X = 0)
Une v.a. suit la loi de Bernoulli de paramtre p ]0, 1[, si et seulement
si son support est X = {0, 1} et
P(X = 1) = 1/2 et P(X = 0) = 1/2
X suit la loi de Bernoulli de paramtre 1/2 P(X = 1) = p et P(X = 0) = q = 1 p
2 Une question dichotomique dont la rponse est oui ou non
On note X B(p)
oui=S = (X = 1)
non=E = (X = 0)
avec par exemple P(S) = 0, 57
X suit la loi de Bernoulli de paramtre 0, 57
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 17 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 18 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles Variables alatoires discrtes Quelques lois discrtes usuelles
Exemple 1. Lanc dune pice de monnaie equilibre: N. B. Notons X1 , X2 , . . . , Xn les n variables de Bernoulli associes aux
expriences de Bernoulli. X est le nombre des succs (la somme des
E(X ) = p = 0.5 uns)
X = X1 + X2 . . . + Xn
V (X ) = p (1 p) = 0.5 0.5 = 0.25
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 19 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 20 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles Variables alatoires discrtes Quelques lois discrtes usuelles
Dfinition
Exemples: Une v.a. suit la loi binomiale de paramtres n N et p ]0, 1[, si et
seulement si son support est X = {0, 1, . . . , n} et
1 Lance dune piece de monnaie 10 fois :
X = nombre de piles obtenues k X , P(X = k ) = Cnk pk (1 p)nk
X suit la loi binomiale de paramtre n = 10 et p = 1/2
2 Une machine produit en srie des pices de mme type dont 5% On note X B(n, p)
sont dfectueuses. On prend un lot de 30 pices
X = nombre des pices dfectueuses dans le lot N. B. La formule du binme de Newton assure que
X suit la loi binomiale de paramtres n = 30 et p = 0.05 n n
X X
P(X = k ) = Cnk pk (1 p)nk = (p + 1 p)n = 1
k =0 k =0
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 21 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 22 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles Variables alatoires discrtes Quelques lois discrtes usuelles
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 23 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 24 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles Variables alatoires discrtes Quelques lois discrtes usuelles
Exemple:
Exprience : Rptons autant de fois ; dans les 1 Lance dune piece de monnaie autant de fois jusqua lobtention
mmes conditions ; une exprience de Bernoulli de paramtre p du pile :
jusqua lobtention du premier succs X = nombre de lancers prcdant le premier pile
Variable gomtrique : v.a. X gale au nombre dchecs X suit la loi gomtrique de paramtre p = 0.5
prcdant le 1er succs. 2 Dans le marketing tlphonique la probabilit de russir obtenir
Le support de X est X = {0, 1, . . . , n, . . .} = N et un rendez vous face face est 0.25
X = nombre des appels effectus avant le premier appel
k X , P(X = k ) = p q k concrtis par un rendez vous
X suit la loi gomtrique de paramtre p = 0.25
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 25 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 26 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles Variables alatoires discrtes Quelques lois discrtes usuelles
Dfinition
Une v.a. suit la loi gomtrique de paramtres p ]0, 1[, si et
seulement si son support est X = N et
Esprance de X est E[X] = q/p
k
k X , P(X = k ) = p q
Variance de X est V (X) = q/p2
On note X G(p)
N.B. Y = X + 1 est dit aussi gomtrique avec
Remarques.
E[X] = q/p + 1 = 1/p
1 La formule de la somme dune suite gomtrique assure que
+ + V (X) = q/p2
X X 1 qn
P(X = k ) = p q k = p lim = p/(1 q) = 1
n7 1q
k =0 k =0
La loi de Poisson dcrit le comportement de la v.a. X= nombre Exemple: Une agence de location de vhicules estime que la
dvnements se produisant dans un laps de temps fix demande journalire X suit une loi de poisson de moyenne
conditions que E(X) = = 4, 5:
1. ces vnements se produisent avec une moyenne fini fix
4, 5k
>0 k N P(X = k ) = e4,5
k!
2. loccurrence dun vnement est indpendant du temps coul
depuis lvnement prcdent Ainsi
4, 50
Le support de X est X = N et P(X = 0) = e4,5 = 1, 1%
0!
k 4, 51
k X , P(X = k ) = e P(X = 1) = e4,5 = 5%...
k! 1!
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 29 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 30 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles Variables alatoires discrtes Quelques lois discrtes usuelles
Dfinition
Une v.a. suit la loi Poisson de paramtres ]0, +[, si et seulement
si son support est X = N et Esprance de X est E[X] =
S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 31 / 33 S., El Melhaoui (FSJESO) Variables Alatoires 04/2016 32 / 33
Variables alatoires discrtes Quelques lois discrtes usuelles
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 1 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 2 / 32
Vecteurs alatoires (Couple de variables) La loi jointe dun couple de v.a. Vecteurs alatoires (Couple de variables) La loi jointe dun couple de v.a.
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 3 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 4 / 32
Vecteurs alatoires (Couple de variables) La loi jointe dun couple de v.a. Vecteurs alatoires (Couple de variables) La loi jointe dun couple de v.a.
Soient X et Y deux v.a.discrtes, de supports respectives X et Exemple A. On lance une pice truque 3 fois. Soit X le nombre
Y La loi du couple (X , Y ) est dfinie par lensemble des de Face obtenu dans les deux premiers jets et Y le nombre de
probabilits : Face obtenu dans les deux derniers jets. Donnons la loi jointe de
(X , Y ) et les lois marginales et conditionnelles ...
P(X = x, Y = y ) avec x X , y Y
Le tableau de contingence est
Dans le cas o les variables prennent un petit nombre de valeurs, X /Y 0 1 2 Px
on crit en gnral la loi du couple sous la forme dun tableau de 0 1/8 1/8 0 2/8
contingence (tableau double entre) 1 1/8 2/8 1/8 4/8
2 0 1/8 1/8 2/8
Py 2/8 4/8 2/8 1
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 5 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 6 / 32
Vecteurs alatoires (Couple de variables) Distributions marginales et distributions conditionnelles Vecteurs alatoires (Couple de variables) Distributions marginales et distributions conditionnelles
Cas de variables discrtes: Distributions marginales Cas de variables discrtes: Distributions conditionnelles
P(X = x, Y = y )
X
P(X = x) = P(X = x, Y = y ). P(Y = y |X = x) =
y P(X = x)
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 7 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 8 / 32
Vecteurs alatoires (Couple de variables) Distributions marginales et distributions conditionnelles Vecteurs alatoires (Couple de variables) Distributions marginales et distributions conditionnelles
Z +
X2 = V [X ] = x 2 fX (x)dx 2X
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 9 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 10 / 32
Vecteurs alatoires (Couple de variables) Distributions marginales et distributions conditionnelles Vecteurs alatoires (Couple de variables) Variables alatoires indpendantes
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 11 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 12 / 32
Vecteurs alatoires (Couple de variables) Variables alatoires indpendantes Vecteurs alatoires (Couple de variables) Variables alatoires indpendantes
f (x, y ) = fX (x) fY (y )
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 13 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 14 / 32
Vecteurs alatoires (Couple de variables) Variables alatoires indpendantes Vecteurs alatoires (Couple de variables) Variables alatoires indpendantes
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 15 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 16 / 32
Vecteurs alatoires (Couple de variables) Variables alatoires indpendantes Thormes dadditions Proprits des oprateurs esprance et variance
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 17 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 18 / 32
Thormes dadditions Distribution daddition des v.a. indpendantes Thormes dadditions Distribution daddition des v.a. indpendantes
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 19 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 20 / 32
Thormes dadditions Distribution daddition des v.a. indpendantes Thormes asymptotiques Loi des grands nombres
2 La probabilit que la production satisfait la demande est Preuve: On suppose que X admet une densit de probabilit f , alors
on a lingalit
X 400 450 400
P(X 450) = P Z +
3125 3125 E(X ) = xf (x)dx
50 0
= P Z Z +
55.9 f (x)dx
= FZ (0.894)
81%. = P(X ).
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 21 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 22 / 32
Thormes asymptotiques Loi des grands nombres Thormes asymptotiques Loi des grands nombres
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 23 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 24 / 32
Thormes asymptotiques Loi des grands nombres Thormes asymptotiques Loi des grands nombres
X np X np
p N (0, 1) p P()
np(1 p) np(1 p)
N. B. Lapplication en pratique (en dimension finie) est valable lorsque N. B. La conditions dapplication en pratique est :
lune des deux conditions suivantes est vrifie :
n 20 et np 0.10
1 n 20, np 10 et nq 10
2 npq 10
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 27 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 28 / 32
Thormes asymptotiques Thormes dapproximation en loi Thormes asymptotiques Thormes dapproximation en loi
X
p N (0, 1)
)
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 29 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 30 / 32
Thormes asymptotiques Thormes dapproximation en loi Thormes asymptotiques Thormes dapproximation en loi
S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 31 / 32 S., El Melhaoui (FSJESO) Variables Alatoires 04/2015 32 / 32