Résumé Proba Chap I Et II
Transcript of Résumé Proba Chap I Et II
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 1/10
1. Résumé du Probabilité
1 Lois continues
1.1 Formules Générales
– Soit f est densité d’une loi , Z R
f (x)dx = 1:
– Soit F la fonction de répartition d’une loi , alors
F X (t) =
tZ 1
f (x)dx
– La relation entre la probabilité et la fonction de répartition est :
P (X t) = F (t)
P (a X b) = F (b) F (a)
P (X > t) = 1 P (X t) = 1 F (t)
– L’Espérence d’une loi est :
E (X ) =
Z R
x:f (x)dx
E () = / 2 R
E (X ) = E (X )
E [h(X )] =
Z R
h(x):f (x)dx
1
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 2/10
1 Lois continues 2
– La variance d’une loi :
V ar(X ) = E [(X
E (X ))2]
=Z R
(xE (X ))2:f (x)dx
= E (X 2)E (X )2
V ar() = 0 et V ar(X ) = 2V ar(X )
1.2 Loi Uniforme : U [a;b]
1. La densité de cette loi est :
f (x) =
( 1
b a si x 2 [a; b]
0 Sinon
2. La fonction de répartition de la loi uniforme est :
F X (t) = t a
b a si t 2 [a; b]
3. L’Espérence et la Variance :
E (X ) = b + a
2 et V ar(X ) =
(b a)2
12
1.3 Loi Exponentielle : "()
1. La densité de cette loi est :
f (x) =
e si x 00 Sinon
2. La fonction de répartition de la loi uniforme est :
F X (t) = 1 et si t 0
3. L’Espérence et la Variance :
E (X ) = 1
et V ar(X ) =
1
2
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 3/10
1 Lois continues 3
1.4 Loi Normale : N (m; )
1. L’Espérence et la Variance :
E (X ) = m (m = La moyenne) et V ar(X ) = 2 ( = ecart-type)
1.5 Loi Normale Centrée Réduite : N (0; 1)
1. Soit X un variable aléatoire qui suit une loi normale N (m; ) c’est àdire :
L(X ) = N (m; ) ; E (X ) = m ; V ar(X ) = 2
Dans le cas des grandes valeurs, on fait un changement de variable, tel
que :
Y = X m
Alors, puisque Y c’est une combinaison linéaire de X, donc Y suit aussiune loi normal :
L(Y ) = N
E (Y );p
V ar(X )
Calculons E (Y ), V ar(Y ):
2. L’Espérence et la Variance :
Pour l’Espérence :
E (Y ) = E
X m
= E
X
m
= E
X
+ E
m
=
1
E (X ) m
=
m
m
= 0
De même pour la Variance, et on trouve …nalement :
E (Y ) = 0 et V ar(Y ) = 2 = 1
AlorsL(Y ) = N (0; 1)
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 4/10
1 Lois continues 4
3. Pour calculer P (a Y b) tel que L(Y ) = N (0; 1), on utilise la tablede la loi Normale Centrée Réduite :
P (a Y b) = (b) (a)
4. Pour calculer (t), on a :
(t) = 1 (t)
Exemple : (1:56) = 1 (1:56) = 1 0; 9406 = 0.0594
1.6 Loi Khi-deux (de n degret de liberté) : 2n
Soit X 1 , X 2, X 3,.......,X n des variables aléatoires tel que
L(X i) = N (0; 1)
Alors le variable aléatoire X tel que
X =nXi=1
X i2
Suit une loi de Khi-deux de n degret de libérté :
L(X ) = 2n
1. La densité de la loi de Khi-deux :
f (x) = C n xn
21 e
x
2 avec C n =cte
2. L’Espérence et la Variance :
E (X ) = n et V ar(X ) = 2n
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 5/10
1 Lois continues 5
1.7 Loi Student (de n degret de liberté) : n
Soit X , Y deux variables aléatoires tel que
L(X ) = N (0; 1) et L(Y ) = 2n
Alors le variable aléatoire T tel que
T = X r
Y
n
Suit une loi de Student de n degret de libérté :
L(Y ) = n
1. La densité de la loi de Khi-deux :
f (x) = C n
1 +
x2
n
n + 1
2avec C n =cte
2. L’Espérence et la Variance :
E (X ) = 0 si n > 1
et V ar(X ) = n
n 2 si n > 2
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 6/10
2 Echantillonnage & Intervalle de Con…ance : 6
1.8 Schéma d’approximation des lois
2 Echantillonnage & Intervalle de Con…ance :
2.1 Echantillonnage :
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 7/10
2 Echantillonnage & Intervalle de Con…ance : 7
Avec
X =
1
n
n
Xi=1
X i et S 2
=
1
n 1
n
Xi=1
(X i m)2
et F =
K
n
X : La moyenne Ampirique ; S 2 : Variance Corrigé; F = Fréquence.
2.2 Estimateurs :
Caractére Estimateur Loi de l’Estimateur
m = moyenne bm = X =
1
nPn
i=1 X i L(X ) = N (m;
n)2 = variance b2 = S 2 = 1
n1
Pn
i=1 (X i m) 2 L(nS 2
2 ) = 2
n1
p = proportion b p = F = K n
L(F ) = N (n;q
p(1 p)n
Dans le calcule de S 2 :
1. Si on m on l’utilise elle même. Donc :
S 2 = 1
n 1
nXi=1
(X i m) 2
2. Si m est inconnue donc on travaille avec son Estimateur X: C’est àdire :
S 2 = 1
n 1
nXi=1
X i X
2
2.3 Intervalles de Con…ance de risque :
I.C de la moyenne :
1. Si est connue =)
I:C (moyenne) =
x U 1
2
p
n
; x + U 1
2
p
n
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 8/10
2 Echantillonnage & Intervalle de Con…ance : 8
avec U 1
2on l’obtient du Table Fractile de N (0; 1):
Exemple : On a la con…ance 95% , donc le risque = 5% = 0:05
Alors U 1
2 = U 0:975 = 1:962. Si est inconnue =)
I:C (moyenne) =
x tn1(1
2).
sp
n
; x + tn1(1
2).
sp
n
avec tn1(1
2 ) on l’obtient du Table Fractile de Student:
Exemple : On a un echantillon de taille n = 11; la con…ance 95% , doncn 1 = 10 et le risque = 5% = 0:05
Alors tn1(1 2 ) = t10(0:975) = 2:228
I.C de la Variance / Ecart-type :
1. Pour la Variance :
I:C (Variance) =
"(n 1)s2
K 1
2
; (n 1)s2
K 2
#2. Pour l’Ecart-type :
I:C (Ecart-type) = "s (n 1)s2
K 1
2
; s (n 1)s2
K 2 #
3. avec K 1
2et K
2on l’obtient du Table Fractile de Khi deux de
n 1 degret de liberté
Exemple : On travaillera avec le même exemple de taille n = 11:
I.C de la Proportion :
1. On aura donc :
I:C (Proportion) = "f U 1
2r f (1 f )
n ; f + U 1
2r f (1 f )
n#
avec U 1
2on l’obtient du Table Fractile de N (0; 1):
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 9/10
2 Echantillonnage & Intervalle de Con…ance : 9
Dans le cas d’une population de taille connue N (exhaustif = avec remise) :
1. On prendra juste l’exemple de la proportion et c’est le même que lamoyenne :
On multiplie les
r f (1 f )
n ;
sp n
et p
n par
r N n
N 1Donc, on aura
I:C (Proportion) =
f U 1
2
qf (1f )
n
qN nN 1
; f + U 1
2
qf (1f )
n
qN nN 1
avec U 1
2on l’obtient du Table Fractile de N (0; 1) .
2.4 Taille de l’echantillon :
Taille de l’echantillon de la moyenne :
1. Si est connue =)n
U 1
2
e
2
avec U 1
2on l’obtient du Table Fractile de N (0; 1) et e l’erreur
donnée.
2. Si est inconnue =)
n
U 1
2
s
e
2
ou n U 1
2
2e
2
avec U 1
2on l’obtient du Table Fractile de N (0; 1) et e l’erreur
donnée.
Taille de l’echantillon de la proportion :
1. Taille de population non connue ( Non exhaustif)
n U 1
22 : f (1 f )e2
avec U 1
2on l’obtient du Table Fractile de N (0; 1) et e l’erreur
donnée.
7/23/2019 Résumé Proba Chap I Et II
http://slidepdf.com/reader/full/resume-proba-chap-i-et-ii 10/10
2 Echantillonnage & Intervalle de Con…ance : 10
2. Taille de population connue N (exhaustif)
La taille de l’échantillon sera n0; On calcule d’abord n avec la relation
suivante :
n = Sa valeur dans ( Moyenne , Proportion)
Puis on calcule n0 :
n0 = N N 1n
+ 1