Atelier Probabilités et statistiques

Slides:



Advertisements
Présentations similaires
Intervalles de confiance
Advertisements

L’échantillonnage & Ses Fluctuations
Le but de cet exercice est de vérifier la 2ème loi de Newton:
CHAPITRE 7 Probabilités
Probabilités et statistiques au lycée
STATISTIQUE INFERENTIELLE L ’ESTIMATION
TESTS RELATIFS AUX CARACTERES QUANTITATIFS
Comparaison de deux moyennes observées
Inférence statistique
Comparaison de deux pourcentages observés
Les TESTS STATISTIQUES
Échantillonnage-Estimation
4 Les Lois discrètes.
5 La Loi de Laplace Gauss ou loi Normale
Moyenne, écart type et incertitude de mesure.
Les tests d’hypothèses
Statistique et probabilités au collège
Statistiques et probabilités en première
Nouveau programme rentrée 2012.
La loi normale et l’estimation de paramètres
AUTOUR DE LA LOI NORMALE
Programmes du cycle terminal
Statistiques et Probabilités au lycée
Autres LOIS de PROBABILITES
Septième étape : travailler avec des graphes probabilistes
Probabilités et statistiques
« 90% de nos trains arrivent à lheure! ». énoncé exercice : « Le retard sur un trajet train de 6h15 Marseille-Paris est en moyenne: 10mn avec écart type.
Applications des statistiques
1 - Construction d'un abaque Exemple
Objectif général Les compétences à développer : mettre en œuvre une recherche de façon autonome ; mener des raisonnements ; avoir une attitude critique.
Cours Corporate finance Eléments de théorie du portefeuille Le Medaf
Probabilités et Statistiques
Calcul Intégral Au XVIIIème siècle, les mathématiciens progressent dans deux domaines séparés : les problèmes des tangentes (et la longueur des arcs) et.
Des situations familières concernant les instruments produisant du hasard Présentation.
DEA Perception et Traitement de l’Information
Comprendre la variation dans les données: Notions de base
STATISTIQUES – PROBABILITÉS
Chapitre 6 Lois de probabilité.
Probabilités géométriques
Dépannage du 12 mars 2007.
Théorie… Inférence statistique: étude du comportement d’une population ou d’un caractère X des membres d’une population à partir d’un échantillon aléatoire.
PROBABILITÉS.
1 - Programme de Seconde (juin 2009) Statistique et probabilités
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
Théorème de la limite centrale l’inférence statistique
Probabilités et Statistiques
Probabilités et Statistiques Année 2009/2010
TD4 : « Lois usuelles de statistiques »
STATISTIQUES – PROBABILITÉS
Intervalles de confiance pour des proportions L’inférence statistique
Droites parallèles.
Probabilités (suite).
Vers une loi à densité. Masse en gEffectifFréquence % [600,800[1162,32 [800,900[3957,9 [900,1000[91818,36 [1000,1100[124824,96 [1100,1200[121824,36 [1200,1300[71514,3.
Présentation d'une nouvelle loi de probabilité La loi normale ou loi de Laplace-Gauss (1774) François GONET Septembre 2005 Lycée Paul Langevin.
Chapitre 3: Variables aléatoires réelles continues
Atelier Probabilités et statistiques
Probabilités et Statistiques
La loi normale ou loi de Laplace-Gauss
STATISTIQUES DESCRIPTIVES
Intervalles de fluctuation et de confiance. Dans une population, la proportion d’individus ayant un caractère donné est notée p Population.
1 Licence Stat-info CM3 a 2004 V1.2Christophe Genolini Problème des groupes Un amphi de 200 élèves : loi normale moyenne X et écart type s –Un élève :
Statistique Descriptive Les Paramètres de Tendance Centrale
LOIS COURANTES DE PROBABILITES
ECHANTILLONAGE ET ESTIMATION
Introduction aux statistiques Intervalles de confiance
Chapitre 3 Lois de probabilité 1. Lois discrètes 2. Loi de Bernoulli (ou loi alternative simple) variable de Bernoulli On appelle variable de Bernoulli.
UED SIM – Département OLCI Année Arts & Métiers ParisTech CER ANGERS Probabilités et statistiques Cours n° 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.
De la loi binomiale à la loi normale
Transcription de la présentation:

Atelier Probabilités et statistiques Animation Nouveau programme de Terminale Mai 2012

Quelques problèmes pour se motiver Comment vérifier qu’une chaîne de production vérifie un cahier des charges ? Peut-on déterminer la probabilité qu’un enfant porte des vêtements 3 mois dès la naissance ? Comment retrouver la trace des flux migratoires ?

Un outil: la loi normale N(0,1) Une variable aléatoire X suit la loi normale centrée réduite notée N(0,1) si, pour tous réels a et b tels que a ≤ b, on a : Densité de la loi normale

La loi normale N( ) Densité de la loi normale

La loi normale: exemple d’activité Le périmètre crânien en cm d’un enfant de 3 ans suit une la loi normale d’espérance 49cm et d’écart-type 1,6 cm. Quelle est la probabilité pour que le périmètre crânien d’un enfant de 3 ans soit inférieure à 48 cm ? Quelle est la probabilité pour que le périmètre crânien d’un enfant de 3 ans soit comprise entre 45,8 et 52,2 cm ?

La loi normale: exemple d’activité Le périmètre crânien en cm d’un enfant de 3 ans suit une la loi normale d’espérance 49cm et d’écart-type 1,6 cm. Quelle est la probabilité pour que le périmètre crânien d’un enfant de 3 ans soit comprise entre 45,8 et 52,2 cm ? Quelle est la probabilité pour que le périmètre crânien d’un enfant de 3 ans soit inférieure à 48 cm ?

La loi normale: exemple d’activité à modifier X suit une v.a. N(49;1,6²). Avec la calculatrice , on peut évaluer perimetrecranien.ggb 2. ou

Comment introduire la loi normale en Tale ?

Pour se rassurer: la planche de Galton

Retour à loi binomiale n tirages avec remise. p n tirages avec remise. X nombre de boules rouges distributionbinomiale.xls

La loi binomiale: visualisation Distribution d’une loi Binomiale Tableur Géogebra Planche de Galton

Distribution de B(38;0,6)

X suit la loi binomiale de moyenne E(X) = np=m et d’écart type . On pose alors = . E(Z) = 0 et σ(Z) = 1 sont indépendants de n et de p. Z est appelée binomiale centrée réduite.

Avec Z= . X prend des valeurs entières k dans [0 ; n ] Z prend des valeurs z régulièrement réparties sur et l’écart entre deux valeurs consécutives est . La représentation graphique de Z est donc un diagramme en bâtons qui dépend donc de p et de n

Pour comparer deux variables continues, et donc visualiser un histogramme, à chaque valeur de z on fait correspondre un rectangle vertical dont l’aire est égale à P(Z=z). La base est un segment de l’axe horizontal de longueur (écart entre deux valeurs consécutives prises par Z). La hauteur de ce rectangle est donc .

Ca marche ! Mais pourquoi ?

La loi normale (Tale)

Bernoulli De Moivre Laplace Un peu d’histoire… Bernoulli De Moivre Laplace (1654-1705) (1667-1754) (1749-1827) Point commun: Volonté de mesurer aussi précisément que possible les fluctuations d’une variable aléatoire binomiale autour de son espérance.

Ce que fit Bernoulli… Jacob Bernoulli (1654-1705) Il est l’un des premiers à aborder l’approche fréquentielle des probabilités. "Même pour le plus stupide des hommes, l’instinct naturel, et sans aucune instruction, ce qui est remarquable, le conduit à être convaincu que plus on fait d’observations, moins le danger de dévier de son but est grand ». Il établit la première version de la loi des grands nombres.

Un peu d’histoire… Abraham De Moivre (1667-1754) De Moivre est un protestant qui fut emprisonné suite à la révocation de l’Edit de Nantes. Puis, il émigre en Angleterre où il rencontre James Stirling. Formule dite de Stirling (à tort ?): C’est la première rencontre avec la loi normale. De Moivre, qui fréquenta Leibniz et Newton, utilise les techniques de calcul infinitésimal.

Un peu d’histoire… Abraham De Moivre (1667-1754) Il utilise l’aire sous la courbe de Et obtient que Si suit alors « environ 68% des observations sont au plus à un écart-type ». « environ 95% des observations sont au plus à deux écart-types ». Densitenormale.ggb

Un peu d’histoire… Abraham De Moivre Cette démonstration figure dans The doctrine of chances (1718). Il généralise ses résultats sans démonstration au cas où .

Pierre-Simon De Laplace (1749-1827) Un peu d’histoire… Pierre-Simon De Laplace (1749-1827) Il démontre que la moyenne arithmétique des erreurs d’observations commises lors de n mesures se comporte approximativement comme une "loi normale"; et l’approximation est d’autant plus précise que n est grand. C’est que l’on appelle aujourd’hui le théorème central-limite, dont le théorème de Moivre –Laplace est un cas particulier. Ce théorème rend la loi normale…centrale !

La loi normale Observation du théorème de Moivre-Laplace Distribution Fonction de répartition

Applications Prendre une décision à partir d’un échantillon. Estimer une proportion