PHENOMENE ALEATOIRE

GUEZGUEZ YAHYA

I - Element de Calcul de Probabilité
1 triplet de probabilité:

Le calcul des probabilité débute par la dénition d'un triplet de probabilités. (E, C, P ) Une probabilité se dénit sur un ensemble E auquel est associé un ensemble C de partie E vériant :
• E ∈C ¯ • si A ∈ C , A ∈ C • toute union intersection d'élement de C appartient à C
Vocabulaire : Les éléments de élémentaires. Les élements de

E

sont appelés sont  les résultats d'expérience  ou événement

C

sont des événements.

E ¯ A

est appelé événement certain. est l'événement contraire de A.

A et B sont incompatible lorsque A∩B =

leur union est

{ A1 ,A2 ,...,An } E.

est un système dévénement complet s'ils sont non vides, dijoints et

Les languages probabilistes et  courant se correspondesnt.

∩ ∪

de deux événement se traduit par et de deux événement se traduit par ou

Le dernier ingrédient du triplet est la probabilité P qui est une application de dans [ 0,1 ]. Elle vérie pour tout ensemble disjoint: P(E ) = 1 P(

C

j∈J Aj )

=

j ∈ J .P (Aj )
1

P ) un espace de probabilité et A un évnt de C tel que la probabilité de A = 0.P(A) P(B) Aj avec j ∈ J } P(Aj |B) = ◦ Indépendance: P(B|Aj ).P(Aj ) On dit deux évnt indépendant si Déf: P (B|A) = P (B) P (A|B) = P (A) Une dénition équivalente est : P(A ∩ B) = P(A). C.P(Aj ) P(B|Aj ).Probabilité conditionnelle: Déf: soit (E.P(B) 2 .P(Aj ) = P(B) P(B|Aj ). P(B|A) = P(A ∩ B) P(A) c'ést la probabilité conditionnelle de B par rapport à A. ◦ Formule de Bayes: P(A|B) = soit un système complet { P(B|A).RMQ : •P(∅) = 0 =⇒ P(A ∪ ∅) = P(A) + P(∅) ¯ ¯ ¯ •P(A) = 1 − P(A) =⇒ P(A ∪ A) = P(A) + P(A) = 1 •A ⊂ B =⇒ P(A) •P(A ∩ B) P(A) P(B) P(A ∪ B) II .

x −∞ fx (u)du 3. {w|X(w) RMQ : x} ∈ E On distingue les V. fX (x)dx P(x ≤ X ≤ x + dx) 3 . fx (u)du = 1 x2 }) 4.a continue et les V.III .Variable aléatoire Déf: 1/ Une variable aléatoire (V. fx (x) sont : fx (x) Fx (x) = +∞ −∞ x2 x1 0 pour tout x∈R 2. fx (u)du = Fx (x2 ) − Fx (x1 ) = P ({w|x1 ≤ X(w) = 5. discrèts: X(w) prend un nbre ni au dénombrable de valeur continues: X(w) ∈R prend un nbre inni de valeur 2/ La fonction de répartition de X est noté: Fx (x) = P ({w|X(w) RMQ : les deux propriètés de x}) Fx (x) sont: Fx (+∞) = 1 et Fx (−∞) = 0 si x1 x2 =⇒ Fx (x1 ) Fx (x2 ) 3/ Si la dérivé de Fx (x) existe alors: fx (x) = fx (x) est la densité de probabilité dFx (x) dx RMQ : les propriètés de 1.a) X est une fonction de Cette fonction doit vérié: E dans R.a discrèts.

1 Loi U niforme sur [a. p(k) = P (X = k) = avec n k n−k p q k n k = n! k!(n − k)! RMQ : n P (X = K) = (p + q)n = 1 k=0 4 . 3 Loi B inomiale : La loi Binomiale correspond à la probabilité que B soit réalisé K fois exactement. b] 0 sinon x a b a b 1 x 2 Loi N ormal ou gaussienne: f (x) b=1 fx (x) = 1 √ b 2π exp − (x−a) ∀b > 0 2b2 2 b=2 a x plus b est grand plus la largeur de la gaussienne est grand.b]: f (x) F (x) fx (x) = 1 b−a ∀ x ∈ [a.

y) = 0 . +∞) = 1 5 .A Déf: soit X une variable aléatoire et g(x) une fontion de R ds R ψ = g(x) est une nouvelle variable aléatoire. Y (w) ≤ y}) = P({X ≤ x. y) = P({w|X(w) ≤ x. Y (w) } =⇒ de répartition jointe de la v. P ) est un événement dont la probabilité dénit la fonction {w|X(w) x.Fonction d'une V. w E −→ R −→ R −→ X(w) −→ g(X(w)) = y(w) FY (y) Sa fonction de répartition est Moyenne d'une v.a(X. 2. Y (w)) FXY (x.couple de Variable aléatoire 1.4 Loi de P oisson : ∀k ∈ N p(k) = P (N = k) = e−λ avec λk k! λ>0 IV .a sur (E.a: On considère g(x) = (x − E[X])2 +∞ (X −∞ E[g(x)] = E[(X − E[X])2 ] = − E[X])2 ∗ fX (x)dx = σ 2 X V . FXY (x.Y) E −→ RxR w −→ (X(w). C. Y ≤ y}) Propiété: 1. FXY (−∞. −∞) = 0 FXY (+∞.a: La valeur moyenne de X notée: E[X] = +∞ −∞ x ∗ fX (x)dx Variance d'une v. Déf: soit X(w) et Y (w) une paire de v.

a. fXY (x. 2. y) = FX (x). Propriété: 1. y) ≥ 0 FXY (x. y)dy = fX (x) 3. M) P(M) . +∞) = FX (x) FXY (x.a indépendants si et seulement si : =⇒ P(A ∩ B) = P(A). y) FX (x) FY (y) : fonction de répartition jointe fonction de répartition marginales FXY (+∞. y) = fX (x). y) FXY (x. on a déni: P({Z ≤ z}|M) = 6 P({Z ≤ z}. y) = fXY (x. y) existe alor : fXY (x. Déf: X et Y deux v. y) ∂ 2 FXY (x. y)dx = fY (y) and fXY (x. B ∀(x.fY (y) M un événement. 4. v)dudv = 1 x −∞ fXY (u. y) ∂x∂y est la densité de probabilité du couple (x.FY (y) 4. v)dudv +∞ −∞ +∞ −∞ fXY (x. y) = et +∞ −∞ y −∞ +∞ −∞ fXY (u.a indépendant de l'axe réel.a individuelles. FXY (x. on appelle marginales les v. y) = FY (y) 2.P(B) =⇒ {X ∈ A} et {Y ∈ B} sont indépendant ∀ ensemble A.3. Indépendance: Soit deux événements indépendantes Soit deux v.y). dans l'etudes des couples de v. Déf: si la dérivée de and FXY (x. Distribution conditionnelle: soit fXY (x.

a indépendant sig: fY |X=x (y|x) thèoréme de Bayes pour les v.y) fX (x) densité de proba de Y conditionné à X=x 2. fY |X=x (y|x) = fXY (x.fX (x) fY (y) 7 . M) P(M) M est la fonction de répartition de Z conditionnelleà l'événementde Propriété: 1.FZ|M (z) = FZ|M (z) P({Z ≤ z}.a: = fY (y) fX|Y =y (x|y) = fY |X=x (y|x). si X et Y sont deux v.

Sign up to vote on this title
UsefulNot useful