Chapitre 2 Variables aléatoires 1. Variables aléatoires : définition Résultat d’une expérience dont l’issue est multiple (VARIABLE) et imprévisible (ALÉATOIRE)

Slides:



Advertisements
Présentations similaires
CHAPITRE 7 Probabilités
Advertisements

Notions de variable aléatoire et de probabilité d’un événement
variable aléatoire Discrète
UFR dOdontologie de Clermont-Ferrand U.I.P.S. PREMIER STAGE ACTIF EXPERIMENTAL DE T1 Evaluation par les stagiaires et par les maîtres de stage.
2. Expériences aléatoires et modélisation
Distributions de probabilité discrètes
Probabilités Série n°1.
Simulation d’un processus de Poisson
Introduction: DEFINITION
STATISTIQUES DESCRIPTIVES
Micro-intro aux stats.
Séance 8 30 novembre 2005 N. Yamaguchi
Probabilités (suite).
Thème: statistiques et probabilités Séquence 6: Probabilités (Partie 1) Capacités : Déterminer la probabilité d’événements dans des situations d’équiprobabilité.
Chapitre 4 Variables aléatoires discrètes
Rappel de statistiques
BIOSTATISTIQUES Définitions.
GESTION DE PORTEFEUILLE 3bis Catherine Bruneau RISQUE & PROBABILITE.
1 M2 Biomatériaux- Cours n°3 1 - Rappels du cours n°1 et La statistique inférentielle Fluctuation d’échantillonnage, Théorème central limite Estimation.
Cours de Biostatistiques 14 avril 2012 Noémi ARDITI Delphine COUDRAY.
Chapitre 3 Lois de probabilité 1. Lois discrètes 2. Loi de Bernoulli (ou loi alternative simple) variable de Bernoulli On appelle variable de Bernoulli.
TP2: Statistique & Probabilité Intervalle de confiance et test d’hypothèses.
UED SIM – Département OLCI Année Arts & Métiers ParisTech CER ANGERS Probabilités et statistiques Cours n° 2.
1 Biostatistique et lecture critique d’articles médicaux Pr A Venot UFR SMBH Université Paris 13.
MSN 21 Représenter des figures planes à l’aide de croquis (triangle, carré, rectangle, cercle) Le croquis est à considérer comme support de réflexion Reconnaître.
Quatrième 4 Chapitre 9: Résolution de problèmes Équations M. FELT 1.
SCIENCE 9 Sciences et Technologie… Nokia Morph Phone Bombardier concepte Ordinateur concepte jouets.
Maths en Jean : Nager dans le brouillard. Présentation du sujet Une personne part du bord de la plage et nage 500 mètres en ligne droite dans une direction.
Plans d'expérience Méthode Taguchy Analyse de la variance Anavar.
1 M2 Biomatériaux- Cours n°4 1 - Rappels du cours n°1 et 2 et Introduction au principe des test statistiques.
Seconde 8 Module 15 M. FELT 1. Module 15: Probabilité  Objectif:  Loi des grands nombres  Algorithmique 2.
Chapitre 4 Statistique descriptive 1. Echantillonnage statistique population On appelle population, un ensemble d’individus auquel on s’intéresse échantillon.
1 M1 MQSE 1 - L’outil statistique pour tirer des conclusions dans un monde de variabilité 2 - Utiliser la statistique: se confronter au hasard 3 - La statistique:
Initiation aux bases de données et à la programmation événementielle Outil de création des tables Support de TD rédigé par Bernard COFFIN Université Paris.
CEA DSM Dapnia P. KANIKI - Compréhension des phénomènes mis en jeu lors d’imprégnations29/08/ Compréhension des phénomènes mis en jeu lors de l’imprégnation.
Etude commerciale de Probabilités dans un système de file d’attente ABBAS Thomas CHUNG Fabien KLOTZ Raphaël.
Chapitre 6 Les tests d ’ hypoth è se 2 – Les tests du  2 (chi 2)
TP1: Statistique application chapitre 2. Le tableau suivant reprend le taux d'intérêt (en %) payé par 20 banques sur les dépôts d'épargne de leurs clients.
Réalisé par : Sébastien Lachance MATHS 3 E SECONDAIRE LesPROBABILITÉS.
1 Plan du cours Introduction Notions de mécanique : force, énergie, travail, puissance… Température et chaleur Systèmes, transformations et échanges thermodynamiques.
1 M1 MQSE Cours n°2 1 - Rappels du cours n°1 2 - La statistique: un outil pour décrire.
RadioProtection Cirkus Le portail de la RP pratique et opérationnelle Statistique et corrections des mesures Marc AMMERICH.
Chapitre 5 Interprétation des données d’enquête 1.
ENCG de Fès DU Finance et Ingénierie Bancaire Décisions d'investissement et de financement Chapitre 2 - Evaluation et choix d'investissements en situation.
Évaluation – Panorama 16 À l’étude…. Unité 16.1 Tu dois être capable de déterminer le caractère étudié d’une recherche de données :  qualitatif  quantitatif.
GESTION DE PORTEFEUILLE chapitre n° 6 Risque diversifié et risque diversifiable Le MEDAF.
La spécialité mathématique en TS. Les mathématiques sont une science qui se construit elle-même grâce à la démonstration. Axiomes et définitions Théorèmes.
Mesures de tendance centrale et mesures de dispersion.
Étude des émissions diffuses avec l’expérience H.E.S.S. Tania Garrigoux.
Les Statistiques.
Réalisé par : Sébastien Lachance MATHS 3 E SECONDAIRE LesSTATISTIQUES.
II. Les variables quantitatives
Médias éducatifs : modèles théoriques des médias et représentations d’étudiants et d’enseignants Un levier pour comprendre et faire évoluer les pratiques.
Régression linéaire (STT-2400) Section 3 Préliminaires, Partie II, La loi multinormale Version: 8 février 2007.
Chapitre 5 Interprétation des données d’enquête 1.
Reprise du cours ( ) Chapitre 5 : interprétation des données d’enquêtes hasard  prudence  incertitude et imprécision formules : marge et fourchette.
La factorisation Formule. Résoudre une équation de la forme ax 2 + bx + c = 0 1 ère Partie Présentation de la formule 2- On ajoute un terme constant et.
Apprentissages géométriques
Rapports et proportions
Chapitre 4: Variation dans le temps  Les données : audience totale en milliers (tableau 4.1, p. 47, extrait) o Origine : enquête sur les habitudes d’écoute.
PROBABILITES 1. Des Statistiques aux Probabilités D1. Expérience aléatoire.
Inter académiques Orléans 2007 Analyse d'activités pouvant donner lieu à développement dans et hors la classe. Durée : 1h30 ● Problématique ● Présentation.
Application des lois de probabilité -Variable aléatoire discrète-
Techniques quantitatives Cours 5
Chapitre 13 : Echantillonnage
Simuler des probabilités
Approximation de Pi par la méthode de Monte Carlo
3.5 Lois continues 1 cours 16.
A. Zemmari SDRP & MA Modèles et Approches Formels pour les Systèmes Distribués -Algorithmes distribués probabilistes.
spécialité mathématiques Première
Transcription de la présentation:

Chapitre 2 Variables aléatoires 1

Variables aléatoires : définition Résultat d’une expérience dont l’issue est multiple (VARIABLE) et imprévisible (ALÉATOIRE) X : tirage pièce de monnaie, X « pile » « face » VARIABLE Et, avant jet de pièce, il est impossible de prévoir si « pile » ou « face » ALÉATOIRE 2

Exemple: on considère au hasard un(e) étudiant(e) de l’amphi v.a. X : « taille de l’étudiant(e) » Tirages successifs de X: 1,80; 1,56; 1,91; 1,69, … On pourrait faire la même chose avec un caractère non quantitatif Ex: couleur des cheveux de l’étudiant(e) 3

Variable aléatoire Deux types de variables aléatoires: Variables aléatoires discrètes ne prend que des valeurs discrètes (numériques ou non) Variables aléatoires continues peut prendre toutes les valeurs dans un intervalle donné 4

Variable aléatoire discrète S’oppose aux variables aléatoires continues qui caractérisent les mesures qui peuvent avoir tout plein de chiffres après la virgule  Variables qualitatives  couleur des cheveux  niveau de satisfaction  type de cellule  sexe,…  Variables quantitatives discrètes  nombre de cas de grippe dans une famille de 5 personnes  nombre de jeunes dans une portée 5

Exemple : on lance une pièce deux fois v.a. X: « nb de faces obtenues » ={FF, FP, PF, PP}; Valeurs possibles pour X={0, 1, 2} v.a. discrète 6

Variable aléatoire discrète: loi de probabilité Décrit simplement la probabilité de chaque résultat possible pour X. La somme de toutes les probabilités vaut 1 Souvent résumé sous forme d’un tableau ou d’un diagramme en bâton. Exemple: nombre de fois face obtenu après deux lancés Valeurs possibles de X (x i ) 012 P(X=x i )1/41/21/4 X probabilité

Variable aléatoire discrète Fonction de répartition distribution des probabilités cumulées associée à la v.a. X Définition mathématique: F(x) = P(X<x) Sur l’exemple des deux lancés de pièces 3 valeurs possibles: 0 (p=0.25), 1(p=0.5) et 2(p=0.25) Que vaut F(1.5)? (par exemple) X<1.5  X=0 ou X=1 Donc P(X<1.5) = P(X=0)+P(X=1)=0.75 Représentation graphique: x F(x)

Variable aléatoire discrète Espérance: définition C’est la valeur moyenne de X 9

Exemple : espérance de X : « nb de faces après deux lancés » E(X) = (2x x x0.25) = 1 1 fois face en moyenne 10

Variable aléatoire discrète Espérance: propriétés X et Y, 2 variables aléatoires discrètes définies sur le même univers Ω E(X±Y) = E(X) ± E(Y) E(aX) = aE(X) E(a + X) = a + E(X) Soit Z= X-E(X), E(Z)=E[X-E(X)]=E(X)-E[E(X)]=E(X)-E(X)=0 une v.a. est dite centrée si son espérance est nulle 11

Variable aléatoire discrète La variance: une mesure de dispersion Deux situations: on tire un nombre au hasard Exp1: entre 0 et 10 Exp2: entre 4 et 6 Il est clair que dans l’exp2 les résultats sont moins dispersés  Mesure de la dispersion? Moyennes : Exp1 = 5, Exp2 = 5 (ne répond pas au problème) | | | | | | | | | | | | | | Distance à la moyenne  Les résultats de l’exp1 sont globalement plus éloignés de la moyenne On peut calculer la moyenne de la distance à la moyenne: Exp1 = 2.73; Exp2 =

Variable aléatoire discrète Variance: définition Mesure la dispersion de la loi autour de sa moyenne AVEC On prend la moyenne du carré de la distance à la moyenne pour des commodités mathématiques 13

Exemple: variance du nombre de faces obtenues après deux lancés V(X)= 0.25x[2-1] x[1-1] x[0-1] 2 = 0.5 V(X) = [0.25x x x0 2 ] -1 2 = 0.5 ou 14

Variable aléatoire discrète Variance: propriétés X et Y, 2 variables discrètes définies sur le même univers Ω V(X+Y) = V(X) + V(Y) si X et Y indépendantes V(aX) = a 2 V(X) V(a + X) = V(X) car V(a) = 0 Soit Z= X/√V(X), on montre que V(Z)=1 Une v.a. est dite réduite si sa variance est égale à 1 15