STATISTIQUES ET PROBABILITÉS

Partie 2 (Probabilités)

Chapitre I

VARIABLES ALÉATOIRES DISCRÈTES

 EXERCICES DE RÉVISIONS: PROBABILITÉS-CHAPITRE I

Probabilités
En probabilité on étudie les chances qu’un événement aléatoire se produise.
Cette chance est quanti…ée par un nombre compris entre 0 et 1 : appelée probabilité, notée P .
Deux événements A et B sont dit disjoints ou incompatibles s’ils ne peuvent se réaliser ensemble:
Un ensemble complet d’événements est la réunion de tous les événements possibles Ai tels que Ai \ Aj =?:

La probabilité d’avoir A s’il est certain est P (A) 1; s’il est impossible P (A) 0:
Si tous les événements sont équiprobables, la probabilité d’avoir A est P (A) = Nombres de p ossibilités p our A
Nombres total de p ossibilités .
La probabilité de ne pas avoir A est P (A) 1 P (A).
P
La probabilité d’avoir A ou B s’ils sont disjoints est P (A [ B) = P (A) + P (B). [P ([Ai ) = P (Ai )]
i i
La probabilité d’avoir A et B s’ils sont indépendants est P (A \ B) = P (A)P (B). [P (\Ai ) = P (Ai )]
i i
La probabilité d’avoir A ou B s’ils ne sont pas disjoints est P (A [ B) = P (A) + P (B) P (A \ B):
La probabilité d’avoir A sans B s’ils ne sont pas disjoints est P (AnB) = P (A) P (A \ B).
La probabilité d’avoir A sachant B est P (A j B) = P P(A\B)
(B) .
La probabilité de ne pas avoir A sachant B est P (A j B) = 1 P (A j B).
La probabilité d’avoir A ou B sachant C est P (A [ B j C) = P (A j C) + P (B j C) P (A \ B j C).
La probabilité d’avoir A ou B (disjoints) sachant C est P (A [ B j C) = P (A j C) + P (B j C).
La probabilité d’avoir A sans B sachant C est P (AnB j C) = P (A j C) P (A \ B j C).
P
La probabilité d’avoir A si un ensemble complet d’événements disjoints Bi existe est P (A)= P (A \ Bi )
i
La probabilité d’avoir l’un des Bi de l’ensemble complet sachant A est P (Bi j A)= PPP(B i )P (AjBi )
(Bj )P (AjBj ) .
j

Variable Aléatoire Discrète à Valeurs Réelles

La probabilité d’une variable aléatoire X discrète
P (à valeurs réelles xi dénombrables) est notée pX (xi ):
Avec pX (xi ) = 1:
i P
L’Espérance Mathématique d’une variable aléatoire est: E(X) (X) = xi pX (xi ):
P i
L’Espérance Mathématique d’une fonction est: E(g(X)) = g(xi )pX (xi ):
i P
Le Moment Simple d’ordre r d’une variable aléatoire est: r (X) = E(X r ) = xri pX (xi ):
i
Le Moment Centré d’ordre r d’une variable aléatoire est: mr (X) = E [(X E(X))r ] = E [(X )r ] :
La Variance d’une variable aléatoire est: 2 (X) Var(X) = E (X )2 = E(X 2 ) E2 (X):
p
L’Écart-type d’une variable aléatoire est: (X) = Var(X):
X (X)
La Variable Centrée Réduite est: X = (X) :
3
E[(X ) ] E[(X )4 ]
Le Coe¢ cient d’Asymétrie est: 3 :
Le Coe¢ cient d’Aplatissement est: 4 3:
P
1
La Fonction Génératrice d’une variable aléatoire est: GX (t) = tk pX (k):
k=0
P1
La Fonction Génératrice des Moments d’une variable aléatoire est: GX (t) = etx pX (x):
P x=0
Une variable aléatoire X admet une espérance si la série x p (x ) est absolument convergente:
P 2i X i
Une variable aléatoire X admet une variance si la série xi pX (xi ) est aussi absolument convergente:
Une variable aléatoire X est dite centrée si E(X) = 0: Elle est dite réduite si Var(X) = 1:
Lois de Probabilités Particulières
Il arrive parfois qu’une probabilité suive une loi bien déterminée. Ci-dessous sont quelques unes.
Loi de Bernoulli (de paramètre 0 6 p 6 1): P (1) = p; P (0) = 1 p: (E(X) = p: Var(X) = p(1 p))
Loi Binomiale (de paramètres n et 0 6 p 6 1): P (k) = k!(nn! p)! pk (1 p)n k :
(E(X) = np: Var(X) = np(1 p))
k
Loi de Poisson (de paramètre > 0): P (k) = k! e : (E(X) = Var(X) = )
F. HAMMAD http://sites.google.com/site/exerev