Objectifs : Sensibiliser aux difficults de la modlisation de l'ala et montrer la ncessit d'introduire de
nouveaux outils thoriques pour aborder la manipulation de modles alatoires en hydrologie et dans les autres sciences de l'ingnieur.
Contenu I. Rappels de probabilits - Probabilits conditionnelles et formule de Bayes (3h CM + 3 h TD) II. Variables alatoires et lois usuelles, thormes limites (3h CM + 3 h TD) III. Statistique descriptive simple (3h CM + 1 h TD + 2 h TP) I V. Statistique double : corrlation, indpendance , rgression linaire (4 h CM + 2 h TD + 2h TP) V. Estimation, intervalles de confiance , tests dhypothses (8 h CM + 6 h TD + 2 h TP)
Volume horaire :
Rappels de probabilits Probabilits conditionnelles et formule de Bayes Dnombrement
CM
TD
TP*
Evaluation
Total
21 h
15 h
6h
2x3h
48 h
Bachelor 2 * Statistique descriptive + rgression linaire + applications de tests sous Excel
Probabilits et Statistique pour lingnieur
Cycle ingnieur des travaux
Sept. 2010 H. Moussa
Bibliographie
Plan du chapitre 1
Kreyszig E., Advanced Engineering mathematics. 9th
ediition, Willey college, 9me dition , 2010
Introduction Axiomes de probabilits Probabilits conditionnelles et thorme de Bayes Dnombrement et combinatoire
Thorie des probabilits : Pourquoi ? pour prendre en compte linfluence de la chance (l'alatoire ) dans la survenue dun vnement
Comment ? En fournissant des modles thoriques suivant des lois de probabilits ; modles qui seront tests par des mthodes statistiques .
Statistique mathmatique ( la statistique):
La statistique = ensemble de mthodes permettant d'analyser des donnes d'observations Attention: Une (les) statistique(s) = donne statistique Ex. : mesure de llasticit dune plaque mtallique; ge dune population
Population (limite ou de trs grande taille)
Individus appartenant la population chantillon : partie de la population Le bon chantillon est celui choisi de faon alatoire
Recensement = Interroger toute la population
Sondage = Interroger une partie de la population (un chantillon) Variable = caractristique dfinie sur la population quantitative (discrte ou continue) qualitative (nominale ou ordinale )
Hypothse de base : les donnes observes dcrivent un phnomne
de nature alatoire
Exprience alatoire : exprience dont le rsultat ne peut
pas tre prvu a priori
Analyse exploratoire des donnes dun chantillon
Espace fondamental () : ensemble des rsultats possibles
dune exprience alatoire
1. 2.
Comment reprsenter des donnes sous forme de graphes ?
Comment extraire et synthtiser numriquement linformation contenue dans ces donnes ? => notion de variable alatoire distribue selon une loi de probabilit
Statistique descriptive / analyse des donnes
vnement lmentaire () : un lment de l'espace
fondamental
Approche dcisionnelle
Comment utiliser linformation extraite d un chantillon pour faire des
prvisions gnralises toute la population ?
laboration de modles probabilistes
Tests et validation des modles
vnement alatoire : ensemble dlments lmentaires.
Un vnement peut tre VRAI ou FAUX suivant le rsultat de l'exprience alatoire. Ce sont des sous-ensembles de .
Statistique infrentielle 7
06/09/2010
Exemple 1 : exprience alatoire (e.a.) et espace
fondamental ( ) 1.
Exemple 2
E.a : Contrler la qualit dune lampe non. = {dfectueux, non
dfectueux}
2.
E.a : Lancer un d. = {1, 2, 3, 4, 5, 6}
3.
E.a : Mesurer llasticit dun fil de fer . = I o I est un intervalle
de IR+.
4.
E.a : Mesurer la teneur en cuivre du laiton. = ]50%, 100%[
5.
E.a : Compter le nombre daccidents de la route journalier
Ouagadougou. = I ou I est un intervalle de IR+
6.
E.a : Sondage dopinion sur les chances dlection dun candidat la
prsidence . ={ Pour, Contre, Indcis }
Exprience alatoire : on lance un d
Rsultat de lexprience : on obtient la face n..
Espace fondamental : = {ensemble des faces du d}
vnement lmentaire Lespace fondamental contient 6 vnements lmentaires. Ex.: {5} dsigne lvnement lmentaire correspondant au rsultat on obtient la face n 5 => Notations : {5}; ( = 5 ); (on obtient la face n 5 );
Evnement alatoire Ex. : A= (on obtient une face paire) = {2, 4, 6}; B= (on obtient une face impaire) = {1, 3, 5}; C= (on obtient une face suprieure 4) = {5, 6};
= {1, 2, 3, 4, 5, 6}
10
Remarques
Relations entre ensembles et probabilits (1)
Si lissue dune exprience alatoire, le rsultat se
ralise et si est lment de lvnement A ( A), on dit que ralise A Dans lexemple 2, si lvnement lmentaire {5} = (on obtient la face n5) se ralise alors les vnements B= {1, 3, 5} et C = {5, 6} se ralisent aussi. En particulier , lespace fondamental se ralise si certains vnements de se ralisent toujours. Une e.a. est souvent rpte plusieurs fois dans les mmes conditions. Chaque rptition est appele essai. 11
Notations Thorie des ensembles
Probabilits
{}
singleton de
vnement lmentaire
A A AB AB AB
A sous-ensemble de
vnement alatoire
appartient A
ralise A
A est contenu dans B
A implique B
runion de A et B
A ou B
intersection de A et B
A et B
complmentaire de A
ensemble vide
ensemble plein
AB= A et B disjoints
vnement contraire de A vnement impossible vnement certain A et B incompatibles 12
06/09/2010
Loi de probabilit : premire dfinition
Relations entre ensembles et probabilits (2)
A1, A2, A3, ...,An est un systme complet d'vnements , si les parties A1, A2, A3, ...,An de constituent une partition de . En particulier, A et A forment un systme complet. Exemple : e. a = lancer dune pice de monnaie; = {pile, face}; les vnements A = {pile} et A = { face} forment un systme complet de . En effet , AA = et AA = .
Def1: Dans un espace fondamental fini o tous les
vnements lmentaires sont quiprobables, la probabilit doccurrence P(A) dun vnement A est : P(A) =
Nombre d' lments de A card A
= Nombre d' lments de card
Remarque : Cette dfinition nest pas gnralisable car
lquiprobabilit nest pas toujours vrifie. Gnralisation : on utilise la notion de frquence relative la frquence doccurrence f dun vnement A , lissue de n essais dune exprience alatoire est :
Remarque : Tout comme les ensembles les vnements
peuvent tre reprsents par des diagrammes de Venn.
f= 13
Nombrede ralisations de A Nombrede ralisations de A
= Nombre d'essais n
Loi de probabilit : dfinition gnrale
Proprit 1
Soit un espace fondamental , tout vnement A de est associ
un nombre P(A) appel probabilit de A et dfini par les axiomes suivants : 0 P(A) 1, A , P() = 1 Si A et B sont incompatibles (A B = ) P(A B) = P(A) + P(B) Par extension, si les vnements A1, A2, A3, ...,An sont mutuellement exclusifs alors : P(A1 A2 A3 ... An ) = P(A1 ) + P(A2 ) +P(A3) + + P(An ) 1. 2. 3.
14
Rgle de complmentarit :
P(A) = 1 P(A) En particulier :
Lorsque ces 3 axiomes sont vrifis , on dit que P est une loi de probabilit sur ou que (, P) est un espace probabilis.
15
16
06/09/2010
Exemple 3
Proprit 2
On lance simultanment 5 pices de monnaie. Quelle est la
probabilit doccurrence de lvnement A = ( Face apparait au moins une fois) ?
Rgle daddition dvnements mutuellement
exclusifs :
Il y a 25 = 32 rsultats possibles => Card = 32
On suppose que est muni de lquiprobabilit
P(A A A ...A ) = 1 2 3 n P(A ) + P(A ) + P(A ) +...+ P(A ) 1 2 3 n
Lvnement contraire de A est : A = (Pile apparait 5 fois)
A est un vnement lmentaire de => P( A ) =1/32 Daprs la rgle de complmentarit, on trouve : P(A) = 1 P( A ) = 1 - ( 1/32 ) = 31/32
(avec Ai Aj = Si i j )
17
18
Exemple 4
Proprit 3
Le tableau ci-dessus prsente les probabilits quun certain nombre de
voitures se prsentent dans un garage un jour ouvr. Quelle est la probabilit pour quau moins de 21 voitures soient reues ? 10-20
21-30
31-40
+ de 40
0.20
0.35
0.25
0.12
P(A B) = P(A) + P(B) P(A B)
Soient les vnements :
Rgle daddition dvnements quelconques
A1 = ( 10-20) = ( le garage reoit entre 10 et 20 voitures)
A2 = ( 21-30) = ( le garage reoit entre 21 et 30 voitures) A3 = ( 31-40) = ( le garage reoit entre 31 et 40 voitures) A4 = ( + de 40) = ( le garage reoit plus de 40 voitures)
=> ces vnements sont mutuellement exclusifs
alors A = (le garage reoit au moins 21 voitures) = A2 A3 A4 Daprs la proprit 2, on a : P(A) = P(A 2 A 3 A 4 )
= P(A 2 ) + P(A 3 ) + P(A 4 )
= 0 . 35 + 0 . 25 + 012 = 0 . 72
A B 19
20
06/09/2010
Exemple 5
Probabilits conditionnelles
On lance un d non-pip, Quelle est la probabilit dobtenir un
nombre impair ou un nombre infrieur 4 ? Lespace fondamental associ lexprience alatoire est : = {1, 2, 3, 4, 5, 6}. Les vnements de sont quiprobables. Soient les vnements : A = ( on obtient un nombre impair) = {1, 3, 5} B = ( on obtient un nombre infrieur 4 ) = {1, 2, 3}
P(A B ) =
Alors A B = (on obtient un nombre impair infrieur 4) = {1, 3}
Daprs la proprit 3 : P(A B) = P(A) + P(B) P(A B) card A card + card card 3 3 2 = +
6 6 6 2 = 3 =
P(A
B)
Soient (, P) un espace probabilis, A et B 2 vnements
quelconques. On sintresse souvent la probabilit doccurrence de lvnement A sous la condition que lvnement B soit ralis. Cette quantit sappelle la probabilit conditionnelle de A si B : P(A I B) P(B)
(P(B) 0)
De mme, la probabilit conditionnelle de B si A est :
B card A B
card
P(B A ) =
P(A I B) P(A)
(P(A) 0) La probabilit conditionnelle possde les mmes proprits que la probabilit usuelle.
21
Exemple 6
22
Thorme de la multiplication
On lance 3 pices de monnaie les unes la suite des autres . Calculer la
probabilit conditionnelle pour que la premire pice affiche PILE sachant qu'il y a exactement 2 faces semblables. On considre = {FFF, FFP, FPF, FPP, PPP, PFP, PPF, PFF} muni de lquiprobabilit (F= face; P= pile)
Soient (, P) un espace probabilis, A et B 2
vnements de tels que P(A) 0et P(B) 0 alors
Soient les vnements :
A= ( la 1re pice affiche P) = { PPP, PFP, PPF, PFF} B = ( exactement 2 faces semblables) = { FFP, FPF, FPP, PFP, PPF , PFF} A B = (la 1re affiche P et exactement 2 faces semblables) = { PFP , PPF, PFF}
La probabilit pour que la premire pice affiche PILE sachant qu'il y a exactement 2 faces semblables : P(A B ) =
(Thorme des probabilits composes)
P(A I B) 3 / 8 1 = = P(B) 6/8 2 23
24
06/09/2010
Exemple 7
Evnements indpendants
On effectue un contrle de qualit dans un lot de vis. La probabilit quune vis
soit trop mince est 0.1; la probabilit quune vis soit trop courte sachant quelle est trop mince est 0.2. Quelle est la probabilit quune vis choisie alatoirement dans le lot soit la fois trop mince et trop courte ?
Soient les vnements :
A= (trop mince) B = (trop courte) On cherche la probabilit de lvnement A B = (trop mince et trop courte) . On a : P(A) = P (trop mince) = 0.1 P(B|A) = P(trop courte |trop mince) = 0.2 Daprs le thorme de la multiplication : P(A B)= P(B|A) P(A) = 0.2 x 0.1 =0.02 => Il y a 2% de chance quune vis choisie alatoirement soit la fois trop mince et trop courte 25
Soient A et B 2 vnements d un espace probabilis (, P) tels que :
P(A I B) = P(A)P(B) A et B sont appels vnements indpendants. Si P(A) 0 et P(B) 0 , alors P(A|B) = P(A) P(B|A) = P(B) La probabilit de ralisation A ne dpend pas de la ralisation ou de la non ralisation de lvnement B et inversement. Remarque : 2 vnements A et B non impossibles et incompatibles
sont toujours dpendants puisque P(A B) = 0 et P(A)P(B) 0.
Gnralisation : m vnements sont mutuellement indpendants si : P(A1 A2 A3 ... Am ) = P(A1 ) . P(A2 ) . P(A3) P(Am ) indpendance 2 2 mais rciproque fausse 26
Thorme de Bayes
Exemple 8 1. On lance deux ds. = {1,2,3,4,5,6} est muni de lquiprobabilit. Soient les vnements : A = (le premier d donne un nombre pair), B =( le deuxime d donne un nombre impair) et C = (les deux ds affichent un nombre pair) On a : P(A) = 0.5; P(B) = 0.5; P(C) = 0.25; P(AB) = 0.25; P(A C) = 0.25; P(B C) = 0. Montrer que A et B sont indpendants, A et C sont dpendants, B et C sont dpendants. On lance une pice deux fois de suite. = {FF ; FP ; PF ; PP} est muni de lquiprobabilit. Soient les vnements : D = "FACE au premier lancer " ; G = "FACE au second lancer". P(D) = 0.5 ; P(G) = 0.5 ; P(D G) = 0.25. Alors D et G sont indpendants car : P(G) * P(D) = 0.5 *05= 0.25 = P(G D) 2.
27
Thorme de Bayes A et B 2 vnements dun espace probabilis (, P)
On ralise une exprience alatoire en deux tapes : B vnement relatif la deuxime tape est ralis A vnement relatif la premire tape, alors :
P(A B ) =
P(B A )P(A) P(B)
Soit A1, A2, . . . , An une partition de ,
Loi des probabilits totales
P(B) = P(B A1) + P(B A2) + ::: + P(B An)
= P(B |A1) P(A1) + P(B |A2) P(A2) + ::: + P(B |An) P(An) B : Probabilits des causes (Thorme de Bayes)
P(A i B) =
P(A i B)P(B)
P(B A )P(A )
1 j n
28
06/09/2010
Tirage alatoire avec ou sans remise
Exemple 8
Exemple : Un lot contient 10 vis parmi lesquelles 3 sont dfectueuses .
Une usine produit des crans d'ordinateurs et le travail est rparti sur 3 chaines A, B, C. La chaine A assure 20% de la production et 5% des crans fabriqus sur la chaine A sont dfectueux. La chaine B assure 30% de la production et a un taux de 4% d'crans dfectueux. La chaine C assure 50% de la production et a un taux de 1% d'crans dfectueux. a) On choisit au hasard un cran. Calculer les probabilits qu'il soit : - dfectueux et produit par A - dfectueux et produit par B - dfectueux et produit par C. b) Calculer la probabilit pour qu'un cran dfectueux - provienne de A - provienne de B - provienne de C.
2 vis sont tirs alatoirement. Dterminer la probabilit pour quaucune des vis ne soit dfectueuse ? On considre les vnements A = la 1re vis est non dfectueuse , B = la 2me vis est non dfectueuse . On cherche P(A B).
Sous lhypothse dquiprobabilit, on a P(A) = 7/10 = 0.7. Mais P(B) dpend
du mode de tirage :
- Tirage alatoire avec remise : P(B) = 7/10;
les vnements A et B sont indpendants. Par consquent , P(A B) = P(A )x P(B) = 0.7 x 0.7 = 0. 49 soit 49 % - Tirage alatoire avec remise : P(B) dpendant de A P(A B) = P(B|A )x P(B) Or P(B|A ) = 6/9 = 2/3 Donc P(A B) = 2/3 x 0.7 = 0. 466 soit environ 47 %
29
30
Permutations
Permutations
Thorme 1 a)
Thorme 2
Le nombre de permutations de n objets tirs simultanment est n!
a)
n ! = 1 .2 .3 L n b)
Le nombre de permutation de n lments pris k k sans rptition
est : n! k n(n 1)(n 2)L(n k +1) =
Lorsque n objets peut tre diviss en c groupes diffrents alors, le
nombre de permutations de n objets tirs simultanment est :
(n k )
= An
(arrangement de k lments)
Exemple : il y a 6 (= 2x3) permutations
de 3 lettres abc prises 2 2 sans n! rptition : ab, ac, bc, ba, ca cb 1
n! n 1 ! n 2 ! n 3 !L n c !
b)
(n1, n2, n3, ..nc : nombre dobjets par groupe avec n1 + n2 +n3 +...+ nc = n)
Le nombre de permutation de n lments pris k k avec rptition
est : k
Exercice: Une urne contient 6 boules rouges et 4 boules noires. Quelle est La probabilit de tirer une boule rouge puis une boule noire ? P = 6! 4!/10! = 1/210
Exemple : il y a 9 (=3) permutations de 3 lettres abc prises 2 2 avec
rptition : ab, ac, bc, ba, ca cb, aa,bb,cc
=> Permutation : lordre des lments est important !
31
32
06/09/2010
Combinaisons Sans rptition : nombre de sous ensemble k lments tels que 2 ensembles ne contiennent pas les mme lments.
Cnk =
n! k!(n k )!
Avec rptition : nombre de sous ensemble k lments ; 2
ensembles peuvent contenir les mme lments.
Cnk+ k 1 =
(n + k 1)! k!(n 1)!
=> Combinaisons : lordre des lments nest pas important !
![[Cours 1ère année] Thérèse Phan - Probabilités et statistique 1(0, Ecole Centrale Paris).pdf](https://imgv2-2-f.scribdassets.com/img/document/381785047/149x198/eca51d26f6/1528979618?v=1)
![[Bernard_Goldfarb,_Catherine_Pardoux]_Introduction(z-lib.org).pdf](https://imgv2-1-f.scribdassets.com/img/document/442593974/149x198/fefc3dffa9/1578828114?v=1)
![[STAT-D-202][T]Transparents_officiels_de_Stat_II_pour_la_gestion_(2009_-_2010)](https://imgv2-2-f.scribdassets.com/img/document/50810445/149x198/5abf9befdd/1372161150?v=1)