Scribd Logo
Upload

Welcome to Scribd!

  • Cours Probabilité 2019 (Page1 À 105)

    Uploaded by

    nzetkwetpierre
    10 views105 pages

    Original Title

    Cours Probabilité 2019 (page1 à 105)

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    10 views105 pages

    Cours Probabilité 2019 (Page1 À 105)

    Uploaded by

    nzetkwetpierre

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 105
    Pourquoi étudier la théorie des probabilités ? La connaissance statistique dev ient absolument indispensablle au savant, a l'administratewr, au juriste, au médecin, 4 homme politique, l'ingénieur et au technicien. Le caraetere d’universalité de la statistique se confirme chaque jour davantage. L’aléatoire ( c'est-a-dire Ia variable liée au hasard) appartient en effet aussi bien aux mi cro-univers qu’aux macro-univers qui préoccupent la science mod eme. La plupart des décisions intervenant dans I’économie, les affaires, la science et la vie quotidienne, impliquent des risques, done une évaluatiom des probabilités. Celles-ci sont plus faciles concevoir et a illustrer dans les jeux de hasard parce qu'il est possible d'assigner des probabilités objectives aux divers événements auxquels ils donnent lieu. Cependant, la raison essenticlle qui conduit a 1 étude des probabilités est qu'elle nous aide a prendre des décisions avisées lorsque se préscatent des situations de risque ou @Fncertitude, qu’il s’agisse d’Economie, d'affaires, de science ou tout simplement de la vie quotidicnne. En effet, Phomme a toujours utilisé ses facul tés d’analyse logique pour rraieux comnaitre le monde physique et aujourd’hui, il entreprend, de les exercer dans univers de Traction :des techniques ont &1é reconnues comme particuligrement utiles que résume la référence de plus en plus fréquente dans les milieux de l'admainistration, de l'économie, ou des atfuires . aux notions de statistique de « calcul economique », oa de recherche opérationnelle Daas Ja mesure méme oti la vocation des études économiques et de gestion est de préparex les jeunes a devenir des hommes d'action, il est naturel que les facultés des sciences économiques et les écoles de gestion se soient préoccupés dene pas tenir leurs étudiants & T'Ecart de cette évolution. Un enseignement des techniques de prise de décisions a caractére mathématique, a été crée. Les probabilités font partie de ce puissant outil d’analyse maathématique que constitue la statistique. 1] importe toutefois, ayant prononcé ce terme die bien s’entendre sur son sens. A. vrai dire, en effet, la disciplime statistique comporte deux aspects bien distinets : 1- L’un correspondant & ce qu’on peut appeler la « statistique descriptive », revient & mettre en ordre les résul tats dun certain nombre d’olbservations et résumer ces résultats par quelques caractéristiques : cet 4 aspect auquel on se référe lorsqu’ome Evoque « les statistiques » au pluriel dans les expressions comme « statistiques démographiques », « Jes statistiques d’accidents » ow encore dans une phrase corrame : « il ne faut pas se fier aux statistiques » Cette statistique descriptive est pratiquement indéperndante de toute notion de probabilité ; elle vise résumer quantitativement 'imformation recueillie sur un univers concret au moyen d'une investigation exhavistive, telle une population humaine étudiée a wavexs un recensement général. Seon but n’est pas d’expliquer mais au contraire de décrire: avec des outils appropriés dle dégager l’essentiel, de réailiser des synthéses, en utilisant un langage quantitatif c’est- d-dire celui du chiffre La statistique descriptive permet souvent a elle setale de tirer des observations recueillies un certain nombre de conclusions susce ptibles de guider l'action. 2. Mais lorsque la statistique descriptive ne conduit aus &i des conclusions suffisamment précises, on peut recousrir au second aspect de la statistique : celui-ci, qui correspond a ce que 'on convient en général d’appeler « la statistique inductive », consiste dans « Vinterprétation des faits observes par référence des modéles probabilistes. » : il s‘agit ici, en d’autres termes, de vérifier que, « touat se passe comme si» le phénoméne observé obéissait & une certaine loi de probabilité, afin utiliser ensuite les propriétés mathém atiques de cette loi pour préciser la signification et la portée des observations recueillies. La ¢ statistique induct.ive » reposant essentiellement sur le calcul des probabil ités, les quelques pages qui suitvent n’ont pas la prétention le donner un exposé cohérennt et précis du calcul des probabilités ; elles sont sculemaent destinges & rassembler les définitions grdce auxq-uelles la description de la méthode de taccordement des: données observées a un modéle probabiliste est possible. Le calcul des probabilités a pour objet I’étude des rnécanismes aléatoires et des propriétés que possédeat les produits de ces mécan ismes. Fondé sur la notion de probabilité, il se développe a partir de deux axiomes fondamentaux : les axiomes des probabilités totales et composées. Essentiellement zibstrait et solidement bati sur une construct caicul des probabilités_n’en demeure pas moins for tement imprégné par Iétud.e des univers statistiques, ofsjet méme de la statistique descriptive. La probabilité qu'un mécanisme aléatoire conduise & |’apparition de tel événement est trés analogue, du point de vue formel, Ja fréquence des individus qui, dans un univers donné, présente tel caractére. La notion intuitive de la probabilité est d°ailleurs bien celle d’une sorte de fréquence potentielle : la probabilité d’un événement est la fréquence d’apparition de cet événement sur vm nombre infiniment grand ci épreuves identiques indépendantes. La statistique descriptive est un auxiliaire précieux du calcul des probabilités : les notions de population, de fréquence, de caractére pxéparent a celle d’ ensemble fondamental, d’événerment et de probabilité ; la variable aléatoire plus claire & qui est familier de la variable statistique ; 'espérance matlxmatique semble le prolon gement naturel de la moyenne statistique. La statistique descriptive, par les problémes qu’elle pose et les limites qu’elle rencontre, est précisémerat un tremplin au calcul des probabilités, on mathématique étrangére & toute préoccupation concréte immédiate. le En premiére année, nous avorss étudié la statistique descriptive, c’est-a-dire les métiaodes qui permettent d’ordonner les Observations statistiques em distribution, de les représenter graphiquement, de les résumer par des caractéristiques de tendance centrale et de dispersion, ou s'il ya des séries complexes, par des indices statistiques, L’efficacité de ces rméthodes purement descriptives ne doit pas étre sous-estimée : elles permettent les rapprocheme nts et les comparaisons et peuvent maettre en lumiére certaines panticularités importantes qui, autrement, seraient restées ignorées. D ans la plupart des cas, ces techniques élémentaires seront s uffisantes pour éclairer la prise des décisions au sein de l’entreprise. Un pas important reste A franchir : c'est, dans certains; cas favorables, la représentation des phénoménes observés par cles modéles probabilistes, de s « lois statistiques »qui permnettent de calculer la probabilité d’van événement déterming. Orr pourra ainsi résoudre de mouveaux problémes : estimations ou contréles sur échantillon. La définition de ces « lois “théoriques »repose sur la notion de probabilité. C’est pourquoi avant d’étudier le cata logue des -Prineipales lois utilisées pour décrire les phénoménes statistiques, nous consacrerons une partie de ce cours a une introduction élémentaire au calcul des probabilités. De nos jours le calcul de robabilités est exposé A partir d'une théorie axiomatiq-ue faisant largement appel au langage ces ensembles. Le calcul des probabilités a aussi son vocabulaire que nous introduirons ‘uparavant. Dans ce qui va suivre, nous commencerons par observer le certain en ap prenant & c&nombrer tous les cas possibles, puisque ce dénombrement est nécessaire pour calleuler la probabilité. Ensuite, nous verrons quelques théorémes fomdamentaux du calcul des pro-babilités. Un apergu sur les notions cle variable aléatoire et de loi de probabilité poursuivra ce «ours. La tatistiques peuvent Gtre déerits par probabilistes ou lois de probaabilité. Naturellement, lorsque cette représentation est possible, elle fournit une description beaucoup plus riche du phénoméne que le simple calcul des Caractéristiques de tendance centrale et de dispersion. Elle permet notamment de calleuler la probabilité de certains évén.cments et, par conséquent, de préciser dans une certaine rnesure la représentation que I’on peut se faire de Pavenir. Tl convient done de connaitre les modéles probabilistes les plus courants de fagon & pouvoir rechercher dans ce catalogue celui qui est susceptible de convenir a la description d'un pphénoméne aléatoire déterminé. Le lecteur ne doit pas s’étonner de importance donnée eux calculs manuels notamment quand is‘agit de méthodes de simplification. Qu’il sache que les machines a calculer électro niques et les ordinateurs ne « pensent pas » et par suite leur utilisation en vue d'un résultat dorané ou de 1a solution d’un probléme posé postule une maitrise des connaissances et des méthodes qui les concernent. II faut aussi perdre I'illusion que la machine fait tout dés qu’elle est programmée. En statistique particuli¢rement les données paramétriques peuvent étre peu nombreuses au regard des données numeriques et par suite le travail d’introduction des données: num: peut étre non seulement considérable mais encore tributaire d’erreurs humaines PLAN DU COURS De nos jours, le calcul des probabilités est exposé 4 partir d’une axiomatique faisamt appel au Jangage des ensembles. Le premier chapitre donnera quelques éléments de la théorrie des ensembles. Pour rester plus proche du concret, nous iratroduirons le calcul des pro babilités a partir d’exemples empruntés aux jeux de hasard, en nous référant au concept d’éwénements élémentaires équiprobab Tes. C’est pourquoi, aprés la théorie des ensembles nous -présentons au chapitre 2 ,les figures combinatoires classiques : arrangements, permutations, combinaisons ,avec ou sans répétition. On développe quelques techniques permetttant de déterminer sans dénombr ement direct, le nombre de rEsultats possibles d’ une experience particuliére, ou encore le nombre d’éléments d'un ensemble particulier. De telles techniques regoivent le nom d’analyse combinatoire . Aucune connaissance mathématique préalable n'est nécessaire Ala cornpréhension de ce chapitre. C” est peut tre paradoxalement, ce qui le rend rclativement difficile. La probabilité est une notion dont la présentation est délicate. Elle est envisagée dans le chapitre 3 en deux étapes : d’une part, nous étudierons lanotion intuitive de probabilité dans le cas d'un systéme d’événements équiprobables en nombre fini puis nous verrons Ia formulation axiomatique de la probabilité considérée comme une mesure attachée d diverses parties de J eusembie tondamental, Ln effet, la notion de probaabilite a abord été introduite dams le cas oii on pouvait définix un systéme d’événements <équiprobables. Mais prog ressivement il a fallu I’étendre pour décrire des épreuves: plus complexes oit aucune comsidération de symétrie, ne permettait d’affecter des valeurs numériques au degré de vraisemblance des divers résultats possibles. On a done été conduit laborer une axiomatique du calcul des probabilités : le probabilité d’un événementt est un nombre attaché a ect évérnement, et les probabilités atteichées aux événements d'une méme famille d’événement probabilisés satisfont a certaines «conditions de cette axiomatique Les variables aléatoires font objet du chapitre 4 : déffnition axiomatique d’une variable aléatoire considérée comme une application d’un ensernble probabilisé sur la droite réelle, puis sur R". Les notions de variables aléatoires indépendantes, de distributions rnarginales et conditicnnelles de caractéristiques synthétiques des variables aléatoires a plusieurs dimensions ne serons pas abordées, ici: Le chapitre 5 constitue ume sorte de catalogue des lois de probabilités usuelles, étudiges du point de vue de leurs proprriétés, de leurs comportements asymptotiques et de leurss conditions de validité. Nous ne traiterons pas des convergences stechastiques et de la loi des serands nombres, ainsi que des nombres au hasard. ‘Avant de terminer cet avant- propos, il m’est agréable exprimer mes plus grands: remerciements a tous ceux qui m’ont aidé a batir ce cours par leurs encouragemenits. leurs amicales critiques, leurs suggestions et leurs conseils. Ames amis DO ANGO SIMPPLICIO et el hadj TOUNKOUROU qui ont bien voulu lire et xelire le manuscrit et me fournir maintes oceasions de l’améliorer, aux étudiants de la deuxiéme année de la faculté de Groit et des sciences économiques de l’université Omar Bongo ct des éléves de I"école sup érieure de commerce et de management de Libreville, qui m’ ont permis de modifier certains passages grace 4 leur questions pertinentes lors du déroulemment du cours. Que tous trouvent ici, expression de ma tres véritable et trés sincére gratitude: Jean Romain MIHINDOU Mikass Docteur d'état es- jemces économiques, enseignaint. CHAPITRE 1 : LA THIEORIE DES ENSEMBLES Ce chapitre est consacré aux notions élémentaires et aux concepts généraux de Ia théorie des ensembles, dont on a besoin pour un probabilités . II est difficile de donner une véritable définition d’un ensemble. La plupart des auteurs admettent que c'est une « notion premiére »> des mathématiques, suppeasée connue et sur laquelle s'échafaude le reste de cette science. Des exemples permettrons de cemer suffisamment cette notion traduction rnodeme a la théorie du calcul des CHAPITRE 2 : ELEMENTS D’ ANALYSE COMB INATOIRE La connaissance des résultats généraux de l'analyse combinatoire est utile a étude du calcul des probabilités. C’est pourquoi ce deuxiéme chapitze est consacré aux figures A On représente les négations de p ¢ A, A C Bet A= B par respectivement , PEA ACB AB On particularise un ensemble donné soit en dénombrant ses éléments soit en établissant des propriétés caractérisant ses éléments. Par exemple : A=(1,3,5, 7,9}. Signific que A est l'ensemble vonstitué des nombres 1,3, 5, 7,9 et B= fx: x est un nomibre premier, x< 15} Signifie que B est ensemble des mombres premiers inférieurs & 15. Sauf indication contraire, on suppose que les ensembles considérés sont des sous-ensembles @un ensemble qu’on appelle l'ensemble universel, et que l'on désigne E ici. On utilise &galement la notation pour désigner l'ensemble vide ou nul, c’est-a-dire ensemble qui ne contient aucun élément. On considére que cet ensemble est sous-ensemble de tout autre ensemble queleonque A, p CACE. Exemple : les ensembles A ct B considerés ci-dessous peuvent également étre écrits sous la forme : A= {x : x est un nombre impair, x< 10} et B est l'ensemble B = {2, 3, 5, 7, 11, 13}. Observe que 9 € A mais que 9 € Bet que 11 €B mais que 11 € A; par contre 3 €Bet6€A,6€B, On utilise les symboles spéciaux suivants N= Lensemble des entiers naturel s 1, 2, 3, Z semble des entiers relatifs : -2, -1, 0, 1,2, ... R= L'ensemble des nombres réels. DesortequeNcZcR. Exemple 3 = les intervalles de la droite réclle, définis ci-dessous, interviennent trés souvent en mathématiques, a et b sont des nombres réels tels que a avec PA) robabilité que l’événement A se réalise n= nomnbre de cas faveorables a la réalisation de I’événement A N= nombre total d’événements équiprobables Cette définition permet d”établir des énoneés probabilistes 4 priori sur les piéces de monnaie ou les dés bien équilibrés, sur les jeux de cartes de série : Autrement cit, sans jeter une piéce de monnaie, sams lancer un dé, sans tirer une carte. La fréquence relative ou probabilité empirique est fowrnie par le rapport entre le nombre de fois ot. un événernent se produit et le nombre total de résultats effectifs om d’observations. A mesure qu’augmente le nombre d’essais, d’eéipreuves ou d’expériences (lancer d’un dé par exemple) La fréquence relative tend vers une Limite qui est égaik a la probabili 16 classique. La probabilité subjective se rapporte au degré de Confiance avec lequel un indivielu attend issue favorable d’un événemaent, quelles que soient Jes présomptions sur lesquelles il se fonde Mais quel est 'inconvénient de chacun de ces types cle probabilités ? L’approche Classique ( 4 priori) de La probabilité ne -peut s’appliquer qu’aux jeux de hasard-le Jet d’une pie ce de monnaie bien équilibrée, le lancer d’un dé loyal, le tirage d’une carte dun paquet ordirmire-parce que nous pouvons déterminer priori, sans expérimeratation, la probabilité qu’un certain événement se produise. Cette méthode ne convient pas aux preblémes réels qui se posent dans le monde Uc economic ou des affaires parce qu'il est souvent impossible d ‘assigner des probabilités & priori a tel ou tel événement. L? approche empirique permet de surmonter ce inconvénicrat en utilisant Ia stéquence relati.ve des événements passés en tant que -tesure de Ia probabilit é. La difficulté est, par contre, est alors que la fréquence relative varie avec le nombre d’essai s ou d’expériences. La probabilité est un nombre compris entre 0 et 1. Plus ce nombre est voisin de 0, moins Tevénement a de chances de se procluire. Par contre. plus la probabilité est proche de 1, plus T'événement a de chances de se produire. Si P(A)=0, I"événement est impossible : il ne peut se produire. Si P(A)=I, ’événememt est certain, Illustrons cela par exemple ; une tombola est émise, Elle comporte 1000 (mille) billets. Parmi ceux-ci, on tixe un scul billet gagnant. La probabilité pour une perso-me n’ayant pas acheté de 0. billet, de gagner le lot est, d’aprés la définition adoptée plus haut est égale a 0/100 s La pro babilité d’un évémement impossitsic est donc nulle. C’est la probabilité attachée @ la partie: « vide » de Pensemble des événements. Suppo sons qu’ une personne ait acheté tous les billets. Sa probabilité de gagner le lot est égale 4 1000/1000=1. Un événement certain a done une probabilité égale a 1.c’est la probabilité attachée a l’ensemble des événements lui-méme. Entre ces deux extrémes, il ya toutes la gamme des événements qui sont simplement possibles. Une probabilité est donc toujours comprise entre 0 et 1. OsPs 1 Remarque : la somme des probabilités de tous les événements possibles mutuellement incompatibles est égale 4 1 Désignnons par A’ la pro babilité de non-xéalisation de l’événemaent A (probabilité d’échec) : P(A)+P(A’1 xemple 1 : pile (P) out face (F) sont les deux éventualités également possibles a issue du

    You might also like