Eléments de la Théorie des Probabilités

Slides:



Advertisements
Présentations similaires
Seconde 8 Module 15 M. FELT 1. Module 15: Probabilité  Objectif:  Loi des grands nombres  Algorithmique 2.
Advertisements

Nouveau programme de 3ème Probabilités Document de travail – Académie de Rouen
Chapitre 5. Modèles probabilistes continus Variable aléatoire continue et loi de probabilité continue Loi uniforme Loi exponentielle Loi normale Loi normale.
Cours COMPOSANTES DES VECTEURS Dimitri Zuchowski et Marc-Élie Lapointe.
Concepts pour le contrôle de flux
Calcul de probabilités
PROBABILITÉS.
Application des lois de probabilité -Variable aléatoire discrète-
Utilisation des Gammes La chaîne numérique en Productique
La ProbabilitÉ.
Chapitre 2 : Principe de la dynamique
Dimitri Zuchowski et Marc-Élie Lapointe
Faculté de Sciences Sociales de Strasbourg – L1S – 2017 Séance 3
Division de la Planification et de la Recherche en Collecte
Algorithme et programmation
1.3 COORDONNÉES DES POINTS
Lois fondamentales de l'algèbre de Boole
Premier objectif : définir un acide et une base :
Probabilités.
Couche limite atmosphérique
I Définition chapitre 1 Les Matrices.
Chapitre 13 : Echantillonnage
chapitre 1 : Généralités sur les Fonctions.
Dimitri Zuchowski et Marc-Élie Lapointe
Principes de programmation (suite)
Simuler des probabilités
2°9 lycée Beauregard à Montbrison
Fonctions logiques et algèbre booléenne
Hasard et Probabilités, P. Thompson
Plans d’expériences: Plans factoriels
Les Plans d’expériences: Plans Factoriels
Exercice 1 : On donne le tableau de valeurs suivant :
Codification et Représentation de l’information
2.2 Probabilité conditionnelle
Eléments de la Théorie des Probabilités
La méthode du simplexe. 1) Algorithme du simplexe  Cet algorithme permet de déterminer la solution optimale, si elle existe, d’un problème de programmation.
Notion De Gestion De Bases De Données
3.5 Lois continues 1 cours 16.
Troisième Chapitre 9: Les Probabilités
1.2 dénombrement cours 2.
Méthodologie scientifique
Mon budget. Mon budget Mon budget : Mes ressources v Je reçois de l’argent de poche, ou en cadeau des proches et des amis à l’occasion de mon anniversaire.
LES PROBABILITÉS Par : R . BOULAHBAL 2016 Free Powerpoint Templates.
LOG770 Annexe A Éléments de probabilité
Diagrammes UML 420-KE2-LG.
Master Réseaux et Systèmes Distribués (RSD) Algorithmique des systèmes
Les changements d’état de l’eau
« Dessine-moi un vecteur »
A. Zemmari SDRP & MA Modèles et Approches Formels pour les Systèmes Distribués -Algorithmes distribués probabilistes.
Cycle, Cocycle, Arbre et Arborescence
Statistique descriptive Bivariée
Lois de Probabilité Discrètes
Lois de Probabilité Discrètes
Élections locales probabilistes
Solution de Traçabilité AgroAlimentaire
STAT D103 Esteban Callejas Perez H.4.145
Présentation 4 : Sondage stratifié
Championnat de France individuel
Qu’est-ce qu’un dossier?
Opérateurs et fonctions arithmétiques Opérateurs de relation Opérateurs logiques Cours 02.
LE TORSEUR STATIQUE 1) Définition 2) Notation 3) Deux cas particuliers
Ahmed katif La lumière et les couleurs La dispersion de la lumière -l’arc- en- ciel est un phénomène naturel qu’on observe parfois dans le ciel ? Comment.
six-cent-quatre-vingt-trois
Quelques propriétés de l’air et ses constituants
Elections locales probabilistes
deux-cent-soixante-cinq
Sera vu dans un prochain cours.
« L’EXPLORATION DU MONDE DE LA MATIERE »
sept-cent-cinquante-huit
بسم الله الرحمن الرحيم. mise en situation difficulté : Vous voulez transmettre une information un ami qui se trouve très loin de toi et ne peut vous entendre,
Transcription de la présentation:

Eléments de la Théorie des Probabilités STAT S102 Esteban Callejas Perez ecalleja@ulb.ac.be H.4.244

Permutations de 𝑛 objets: Dans un ensemble avec 𝑛 éléments, nous sommes intéressées en savoir combien des arrangements est ce qu’on peut faire quand l’ordre est important. 𝑃 𝑛 =𝑛× 𝑛−1 × 𝑛−2 ×⋯×2×1 𝑃 𝑛 =𝑛! Arrangement de 𝑛 objets 𝑝 à 𝑝: Dans un ensemble avec 𝑛 éléments, nous sommes intéressées en savoir combien arrangements de 𝑝 unités est ce qu’on peut faire si l’ordre est important. 𝐴 𝑛 𝑝 = 𝑛! 𝑛−𝑝 ! 𝐴 𝑛 𝑝 =𝑛 𝑛−1 𝑛−2 ⋯ 𝑛−𝑝+1 Arrangement de 𝑛 objets 𝑝 à 𝑝 (avec répétition): Dans un ensemble avec 𝑛 éléments, nous sommes intéressées en savoir combien arrangements de 𝑝 unités est ce qu’on peut faire si l’ordre est important ET on peut aussi répéter des éléments. 𝐴′ 𝑛 𝑝 =𝑛𝑛𝑛⋯𝑛 𝐴′ 𝑛 𝑝 = 𝑛 𝑝

Combinaisons de 𝑛 objets 𝑝 à 𝑝: Dans un ensemble avec 𝑛 éléments, nous sommes intéressées en savoir combien des arrangements de 𝑝 unités est ce qu’on peut faire quand l’ordre n’importe pas. 𝐶 𝑛 𝑝 = 𝐴 𝑛 𝑝 𝑝! 𝐶 𝑛 𝑝 = 𝑛! 𝑝! 𝑛−𝑝 ! 𝐶 𝑛 𝑝 = 𝑛 𝑝

L’Ensemble Fondamental Ω d’une expérience aléatoire: Est l’ensemble de tous les résultats possibles de cette expérience aléatoire. Un Evénement E d’une expérience aléatoire: Est un des résultats possibles de l’expérience aléatoire. Evénement élémentaire: ne contient qu’un seul élément de Ω. Evénement certain: événement qui se réalise toujours. Evénement Impossible: événement qui ne se réalise jamais (∅). ℱ est l’ensemble de tous les événements associés à une expérience aléatoire Si Ω est fini, ℱ correspond à l’ensemble des parties de Ω,désigné par 𝒫 Ω . Si Ω est infini, ℱ contient tous les événements élémentaires, l’événement certain (Ω) et l’événement impossible (∅), ainsi que tous les événements qu’on peut obtenir par les opérations suivants:

Soient 𝐸, 𝐸 1 , 𝐸 2 , ⋯ des événements de ℱ. Egalité: Deux événements 𝐸 1 et 𝐸 2 sont égaux ( 𝐸 1 = 𝐸 2 ) s’ils correspondent au même sous-ensemble de Ω. Implication: La réalisation de 𝐸 1 implique automatiquement celle de 𝐸 2 ( 𝐸 1 ⊂ 𝐸 2 ). Intersection: Les réalisations 𝐸 1 et 𝐸 2 se réalisent conjointement ( 𝐸 1 ∩ 𝐸 2 ). Si 𝐸 1 ∩ 𝐸 2 =∅ alors 𝐸 1 et 𝐸 2 sont mutuellement exclusifs.

Union: Ou moins un de deux événements 𝐸 1 ou 𝐸 2 se réalise ( 𝐸 1 ∪ 𝐸 2 ). Exclusion: L’élément 𝐸 1 se réalise sans que l’élément 𝐸 2 se réalise ( 𝐸 1 \ 𝐸 2 ). Négation (complémentarité): L’élément 𝐸 ne se réalise pas ( 𝐸 =Ω\E).

Définition axiomatique de la Probabilité Soit Ω l’ensemble fondamental associée a une expérience aléatoire, et ℱ la famille des événements construite à partir de Ω. La probabilité 𝑃 ⋅ est une fonction: ℱ ⟼ ℝ 𝐸 → 𝑃 𝐸 Qui satisfait aux trois axiomes suivants: Axiome 1: 𝑃 𝐸 ≥0 pour tout 𝐸∈ℱ. Axiome 2: 𝑃 Ω =1. Axiome 3: Si 𝐸 1 , 𝐸 2 , 𝐸 3 , ⋯ sont mutuellement exclusifs ( 𝐸 𝑖 ∩ 𝐸 𝑗 =∅, ∀𝑖≠𝑗), alors: 𝑃 𝐸 1 ∪ 𝐸 2 ∪ 𝐸 3 ∪⋯ =𝑃 𝐸 1 +𝑃 𝐸 2 +𝑃 𝐸 3 +⋯

Proprieté 1: Si un événement 𝐸 est partitionné en 𝑚 événements 𝐸 1 , 𝐸 2 , ⋯, 𝐸 𝑚 (𝐸= 𝐸 1 ∪ 𝐸 2 ∪⋯∪ 𝐸 𝑚 et 𝐸 𝑖 ∩ 𝐸 𝑗 ≠∅ ∀𝑖≠𝑗), alors: 𝑃 𝐸 =𝑃 𝐸 1 +𝑃 𝐸 1 +⋯+𝑃 𝐸 𝑚 Proprieté 2: Si la réalisation de l’événement 𝐸 1 implique automatiquement la réalisation de l’événement 𝐸 2 ( 𝐸 1 ∩ 𝐸 2 ) , alors: 𝑃 𝐸 1 ≤𝑃 𝐸 2 Proprieté 3: 𝑃 𝐸 ≤1 pour tout événement 𝐸.

Proprieté 4: La probabilité de l’événement complémentaire a 𝐸 (𝑃 𝐸 ) est égale a 1 moins la probabilité de l’événement 𝐸. 𝑃 𝐸 =1−𝑃 𝐸 Proprieté 5: Le complementaire de Ω est ∅. 𝑃 ∅ =1−𝑃 Ω =1−1=0 Proprieté 6: Si 𝐸 1 et 𝐸 2 sont deux événements quelconques: 𝑃 𝐸 1 \ E 2 = 𝑃 𝐸 1 −𝑃 𝐸 1 ∩ 𝐸 2 𝑃 𝐸 2 \ E 1 = 𝑃 𝐸 2 −𝑃 𝐸 2 ∩ 𝐸 1

Loi d’addition: Si 𝐴 et 𝐵 sont deux événements quelconques (A,𝐵∈ℱ): 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵 Si 𝐴 et 𝐵 sont mutuellement exclusifs (𝐴∪𝐵=∅), alors: 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 Probabilité conditionnelle: Si 𝐴 et 𝐵 sont deux événements tells que 𝑃 𝐴 ≠0 et 𝑃 𝐵 ≠0, alors: 𝑃 𝐴 𝐵 = 𝑃 𝐴∩𝐵 𝑃 𝐵 et 𝑃 𝐵 𝐴 = 𝑃 𝐴∩𝐵 𝑃 𝐴 où 𝑃 𝐴 𝐵 probabilité que 𝐴 se realise étant donné que 𝐵 est réalisé. 𝑃 𝐵 𝐴 probabilité que 𝐴 se realise étant donné que 𝐵 est réalisé. Remarque: 𝑃 𝐵|𝐵 = 𝑃 𝐵∩𝐵 𝑃 𝐵 = 𝑃 𝐵 𝑃 𝐵 =1

Loi de multiplication: Si 𝐴 et 𝐵 sont deux événements tels que 𝑃 𝐴 ≠0 et 𝑃 𝐵 ≠0, alors: 𝑃 𝐵 𝐴 = 𝑃 𝐴∩𝐵 𝑃 𝐴 ⇒ 𝑃 𝐴∩𝐵 =𝑃 𝐴 ⋅𝑃 𝐵|𝐴 𝑃 𝐴 𝐵 = 𝑃 𝐴∩𝐵 𝑃 𝐵 ⇒ 𝑃 𝐴∩𝐵 =𝑃 𝐵 ⋅𝑃 𝐴|𝐵 En général: 𝑃 𝐴∩𝐵∩𝐶 =𝑃 𝐴 ⋅𝑃 𝐵|𝐴 ⋅𝑃 𝐶|𝐴∩𝐵 Indépendance (stochastique): Si 𝐴 et 𝐵 sont deux événements tells que 𝑃 𝐴 ≠0 et 𝑃 𝐵 ≠0, alors: 𝐴 est indépendant de 𝐵 si et seulement si 𝑃 𝐴|𝐵 =𝑃 𝐴 . 𝐵 est indépendant de 𝐴 si et seulement si 𝑃 𝐵|𝐴 =𝑃 𝐵 . En général: Deux événements 𝐴 et 𝐵 sont indépendants si et seulement si: 𝑃 𝐴∩𝐵 =𝑃 𝐴 ⋅𝑃 𝐵

Indépendance (stochastique): Si 𝐴, 𝐵 et 𝐶 sont trois événements tels que 𝑃 𝐴 ≠0, 𝑃 𝐵 ≠0 et 𝑃 𝐶 ≠0, alors: Les événements 𝐴, 𝐵 et 𝐶 sont (stochastiquement) indépendants si et seulement si: 𝑃 𝐴∩𝐵 = 𝑃 𝐴 ⋅𝑃 𝐵 𝑃 𝐴∩𝐶 = 𝑃 𝐴 ⋅𝑃 𝐶 𝑃 𝐵∩𝐶 = 𝑃 𝐵 ⋅𝑃 𝐶 𝑃 𝐴∩𝐵∩𝐶 = 𝑃 𝐴 ⋅𝑃 𝐵 ⋅𝑃 𝐶

Théorème des probabilités totales: Si 𝐸 1 , 𝐸 2 ,⋯,𝐸_𝑚 constitue une partition de Ω ( 𝐸 1 ∪ 𝐸 2 ∪⋯∪ 𝐸 𝑚 et 𝐸 𝑖 ∩ 𝐸 𝑗 =∅ \foral 𝑖≠𝑗), et si 𝐴 est un événement quelconque de ℱ, alors: 𝑃 𝐴 = 𝑃 𝐴∩ 𝐸 1 +𝑃 𝐴∩ 𝐸 2 +⋯+𝑃 𝐴∩ 𝐸 𝑚 = 𝑃 𝐸 1 𝑃 𝐴| 𝐸 1 +𝑃 𝐸 2 𝑃 𝐴| 𝐸 2 +⋯+𝑃 𝐸 𝑚 𝑃 𝐴| 𝐸 𝑚 = 𝑗=1 𝑚 𝑃 𝐸 𝑗 𝑃 𝐴| 𝐸 𝑗