Distributions de probabilité discrètes

Slides:



Advertisements
Présentations similaires
Introduction à l’analyse
Advertisements

Probabilistic Record Linkage (PRL). Base SAMU Base hôpital Base unique Enrichissement des bases locales Combiner plusieurs ensembles de données en un.
Séries statistiques à une variable
Les tests d’hypothèses (I)
As-tu l'heure? / Avez-vous l'heure?
Chapitre 5. Description numérique d’une variable statistique.
Comparaison d'une distribution observée à une distribution théorique
Introduction au e-commerce Intervenant Régis BACHER /01/2014 Présentation 1.
Page : 1 / 8 Conduite de projet Examen du 29 avril 2003 Durée : 3h30mn Le support de cours et les notes sont nécessaires La notation tiendra compte très.
Page : 1 / 8 Conduite de projet Examen du 3 juin 1988 Durée : 4 heures Le support de cours est toléré La notation tiendra compte très significativement.
4 Les Lois discrètes.
Notions de variable aléatoire et de probabilité d’un événement
Moyenne, écart type et incertitude de mesure.
Estimation de la survie comparaison des courbes de survie FRT C3.
variable aléatoire Discrète
2.5 Champ électrique produit par une distribution continue de charges.
Distributivité: Mode demploi Le développement La factorisation Exercices développement Exercices factorisation.
Exercice Trame Ethernet
CALENDRIER PLAYBOY 2020 Cliquez pour avancer.
15. 1 MILLION $ $ $ $ $ $ $ $ $ $ 04.
Présentation générale
Si le Diaporama ne s'ouvre pas en plein écran Faites F5 sur votre clavier.
Nombre de sujets nécessaires en recherche clinique
Des situations familières concernant les instruments produisant du hasard Présentation.
Problème Autre formulation :
Tableaux de distributions
Lectures Livre du cours :
Tableaux de distributions
LES NOMBRES PREMIERS ET COMPOSÉS
Lorsque la coloration disparait, on est à l'équivalence donc tout le diiode a été consommée. Donc n I 2 – xmax = 0 = nS 2 O 3 2- /- 2xmax on en déduit.
Mesurer l’intensité du courant électrique
Division de 2 nombres.
Les réseaux de neurones compétitifs
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
La statistique descriptive
L’étrange ballet de la planète MARS
Campus virtuel Agenda (formateurs et participants peuvent y inscrire qqch) Catalogue de cours Search Exercez-vous en vue de lexamen (didacticiel. A chaque.
La mole Mole.
Tournoi de Flyball Bouin-Plumoison 2008 Tournoi de Flyball
Maintenant que tu as compris, on va passer aux exercices Prends une feuille, un stylo, une règle.
Dépannage du 20 février Intra H04 no 4 On définit la distribution de probabilité d'une variable aléatoire X comme suit : a)Déterminer la valeur.
Rappel: V.A. discrètes: , Moyenne Variance Écart type.
MAGIE Réalisé par Mons. RITTER J-P Le 24 octobre 2004.
Terrain Espérance Terrains Cézeaux T4T4 T1T1 T5T5 Matchs ext DU 06/08 au 12/ Mer 08Lun 06Mar 07Jeu 09Ven 10 10H 13H 15H 17H 18H 22H Sam 11Dim 12.
SUJET D’ENTRAINEMENT n°4
Écart moyen et écart type
Certains droits réservés pour plus dinfos, cliquer sur licône.
Varia Lectures obligatoires dans manuel du cours: Chapitre 5
Les fondements constitutionnels
MAGIE Réalisé par Mons. RITTER J-P Le 24 octobre 2004.
Mes préférences cérébrales
DatePlénières Commissions BAYBRIOISDELLIGODDYNLAVRILLEUXLE PENPARGNEAUXRIQUETSAÏFITROSZCZYNSKI 05/11/2014 CONT (Bxls)* Titulaire 05/11/2014ENVI (Bxls)*
Probabilités et Statistiques
Arithmétique Classe 3e.
2ème secondaire.
Chapitre 1 Correction des exercices.
EVALUATION Où est la panne ?
NA-01 MAR 17 FEV 19H00 ST-PO NA-02 MER 18 FEV 18H30 ST-PO NA-03 SAM 21 FEV 12H ST-PO NA-05 DIM 22 FEV 12H00 SAL Predateur valleyfield 3 Seign soul 2 sens.
Les Chiffres Prêts?
Elles avaient envahi le jardin, mais derrière... 1.
Rappels de statistiques descriptives
Réunion du 17/12/03 Avancement du projet photofission.
Overview of Performances Course Oct 4th, 2006 Frédéric NICAISE.
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.
Chapitre 4 Variables aléatoires discrètes
TP2: Statistique & Probabilité Intervalle de confiance et test d’hypothèses.
Chapitre 2 Variables aléatoires 1. Variables aléatoires : définition Résultat d’une expérience dont l’issue est multiple (VARIABLE) et imprévisible (ALÉATOIRE)
Les Statistiques.
Transcription de la présentation:

Distributions de probabilité discrètes MQT-21919: Probabilités et statistique Chapitre 5 Distributions de probabilité discrètes

Exemple 1: On choisit au hasard deux chiffres différents et on considère la variable aléatoire X correspondant au plus petit des deux chiffres. Trouver la fonction de probabilité de X Trouver fonction de répartition de X Trouver P(3  X  6)

Réponse a) X = {0, 1, 2, 3, 4, 5, 6, 7, 8} b) On suppose que l’ordre n’est pas important donc le nombre de cas possibles est . Sous la même hypothèse, non ordonnés, nous déterminons le nombre de cas favorables. Par exemple pour xi=0, les cas favorables sont (01, 02, 03, 04, 05, 06, 07, 08, 09). Donc: 1 2 3 4 5 6 7 8 9 45 17 24 30 35 39 42 44

Réponse Déterminons P(3  X  6) ? Propriété 5: P(3  X  6) = P(2 < X  6) = F(6) – F(2) = 18/45 Directement: P(3  X  6) = P(X=3) + P(X=4) + P(X=5) + P(X=6) = (6/45) + (5/45) + (4/45) + (3/45) = 18/45

Exemple 2 Un cavalier désire analyser ses chances de succès lors d'un prochain concours hippique sur un terrain qui lui est nouveau. Il décide de recueillir des renseignements auprès des 20 cavaliers qui connaissent bien le terrain en question. Le gagnant du concours est le cavalier qui accumule le moins de points de pénalité. Le nombre de points de pénalité se répartit comme suit : n points pour le n-ième obstacle qui tombe (1 pour le 1er obstacle, 2 pour le 2ième obstacle, etc.). Ainsi, pour un cavalier qui fait tomber 3 obstacles, il accumule 6 points de pénalité. Il demande donc à chacun des 20 cavaliers son estimation de la difficulté du parcours en terme du nombre de points de pénalité. Il obtient le résultat suivant : Nb de pts acc. 0 1 3 6 10 15 21 Nb de cavalier ayant attribué un nb de pts de pén. 2 2 6 4 1 3 2

Exemple (suite) Notre cavalier estime que l'ensemble de ces renseignements est représentatif de sa performance lors du prochain concours hippique. On définit la variable aléatoire X comme étant le nombre de points accumulés. a) Déterminer la masse de probabilité de X, sa fonction de répartition. b) Quelle est la probabilité que notre cavalier se qualifie, c'est-à-dire qu'il accumule 18 points de pénalité ou moins ? c) Calculer la valeur espérée du nombre de points de pénalité pour notre cavalier. d) Calculer la déviation moyenne (écart type) du nombre de points accumulés autour de la valeur espérée. e) Quelle est la valeur modale du nombre de points accumulés ?

Solution exemple 2 a) Déterminer la masse de probabilité de X, sa fonction de répartition. X 1 3 6 10 15 21 P(X=x) 0,1 0,3 0,2 0,05 0,15 P(Xx) 0,5 0,7 0,75 0,9 b) Quelle est la probabilité que notre cavalier se qualifie, c'est-à-dire qu'il accumule 18 points de pénalité ou moins ? Réponse = 0,90 c) Calculer la valeur espérée du nombre de points de pénalité pour notre cavalier. Réponse = E(X) = 7,05 d) Calculer la déviation moyenne (écart type) du nombre de points accumulés autour de la valeur espérée. Réponse = Écart type = 6,57 e) Quelle est la valeur modale du nombre de points accumulés ? Réponse = 3