Vous êtes sur la page 1sur 442

Introduction aux probabilités

et à la statistique

Jean Bérard

2

Avertissement

Ces notes sont en cours d’élaboration. Il se peut donc qu’y subsistent un certain nombre d’erreurs, d’incohérences, et/ou de passages inachevés.

Table des matières

Introduction

 

7

1

Le modèle probabiliste

 

13

1.1 Introduction

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

13

1.2 Le point de vue formel

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

1.3 Mais que représente exactement ce formalisme ?

 

16

1.3.1 Espace des possibles et choix du niveau de description .

.

.

.

16

1.3.2 Sens concret – sens formel

 

.

.

.

.

.

.

.

.

.

19

1.3.3 Signification concrète de la probabilité

 

23

1.4 Probabilité et événements

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

1.4.1 Probabilité d’un événement

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

1.4.2 Probabilité et opérations sur les événements

 

32

1.4.3 Quelques exemples de modèles probabilistes

35

1.5 Probabilités conditionnelles

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

40

1.5.1 Notions de dépendance et d’indépendance entre événements .

46

1.5.2 Effet de loupe et biais de sélection

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

54

1.5.3 Représentation en arbre des modèles probabilistes

 

60

1.6 Construire un modèle approprié

 

.

.

.

.

.

.

.

.

.

.

.

70

1.6.1 Quelques pistes

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

70

1.6.2 Compatibilité de deux modèles

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

72

1.6.3 De l’importance de décrire explicitement le modèle

 

73

1.7 Un exemple fondamental : la succession d’épreuves indépendantes

 

74

1.7.1 Une histoire de singe .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

83

1.7.2 Tout résultat est exceptionnel !

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

86

1.7.3 Succession indépendante ?

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

87

1.8 Coïncidences troublantes

 

.

.

.

.

.

.

.

.

.

.

.

89

1.8.1 C’est vraiment incroyable !

 

.

.

.

.

.

.

.

.

.

89

1.8.2 Ce que l’on observe est presque toujours improbable .

.

.

.

.

90

1.8.3 Des coïcidences surprenantes doivent se produire

 

.

.

.

.

.

.

.

90

1.8.4 Attention à l’interprétation

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

91

4

 

1.8.5 Quand s’étonner ?

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

91

1.8.6 Un magicien doué

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

93

1.9 Auto-évaluation

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

95

1.10 Exercices

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

96

2

Variables aléatoires

 

121

2.1 Introduction et définition

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

121

2.2 Loi d’une variable aléatoire

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

125

2.2.1 Le point de vue formel pour les variables aléatoires discrètes .

125

2.2.2 La loi dans l’interprétation fréquentielle de la probabilité –

notion de loi empirique .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

128

2.2.3 Fonction de répartition d’une loi discrète

 

131

2.2.4 Représentations graphiques

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

131

2.2.5 Quelques lois discrètes classiques

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

145

2.2.6 Variables aléatoires et lois continues

.

.

.

.

.

.

.

.

.

.

.

.

.

.

153

2.2.7 Exemples de lois continues

 

.

.

.

.

.

.

.

166

2.3 Loi jointe de plusieurs variables aléatoires, vecteurs aléatoires

 

170

2.3.1 Indépendance de variables aléatoires, cas discret

 

171

2.3.2 Vecteur aléatoire continu

 

.

.

.

.

.

.

.

.

.

172

2.3.3 Somme de variables aléatoires indépendantes

.

.

.

.

.

.

.

.

.

172

2.4 Opérations sur les lois de probabilité

 

175

2.5 Loi d’une fonction d’une variable aléatoire

 

176

2.6 Espérance et variance

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

177

2.6.1 Définition

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

177

2.6.2 Espérance et moyenne, loi empirique

 

180

2.6.3 Le raisonnement de Huygens *

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

181

2.6.4 L’utilité espérée * .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

181

2.6.5 L’espérance comme indicateur de position

 

182

2.6.6 Variance

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

192

2.6.7 L’inégalité de Markov

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

197

2.6.8 Opérations algébriques : linéarité de l’espérance

 

200

2.6.9 Opérations algébriques : espérance d’un produit

204

2.6.10 Espérance et variance des lois usuelles

 

.

.

.

.

.

.

.

.

.

.

.

.

.

210

2.6.11 Régression linéaire

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

215

2.7 Probabilité, loi et espérance conditionnelles

.

.

.

.

.

.

.

.

.

.

.

.

.

.

226

2.8 Conditionnement par une variable aléatoire de loi continue

 

229

2.9 Transformées de Laplace et de Fourier d’une loi de probabilité *

 

230

2.9.1 Fonction génératrice

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

230

2.9.2 Transformée de Laplace

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

231

2.9.3 Transformée de Fourier

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

232

5

2.9.4

Transformées des lois classiques

 

232

2.10 Quelques mots de théorie de l’information *

 

233

2.10.1 Entropie

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

233

2.10.2 Questionnaires

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

234

2.11 Quelques mots sur le hasard simulé

 

241

2.12 Les lois de Benford et de Zipf

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

241

2.12.1 La loi de Benford .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

241

2.12.2 Lois de Zipf-Mandelbrot et de Pareto

 

241

2.13 Auto-évaluation

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

242

2.14 Exercices

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

244

3 Loi des grands nombres

 

285

3.1 Introduction

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

285

3.2 Loi faible des grands nombres

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

285

3.2.1 Cadre et hypothèses

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

285

3.2.2 Enoncé

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

286

3.2.3 Preuve .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

287

3.2.4 Qu’est-ce qu’un grand nombre ?

 

288

3.2.5 Attention à l’approximation

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

295

3.2.6 Loi forte des grands nombres

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

295

3.2.7 Robustesse

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

303

3.2.8 L’hypothèse de répétition indépendante

.

.

.

.

.

.

.

.

.

.

.

.

304

3.2.9 L’existence de l’espérance

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

324

3.2.10 Position de la loi des grands nombres

 

329

3.3 Applications

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

332

3.3.1 L’assurance et la mutualisation du risque

.

.

.

.

.

.

.

.

.

.

.

333

3.3.2 Sondages

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

335

3.3.3 Mécanique statistique

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

335

3.3.4 Méthodes de Monte-Carlo

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

336

3.4 Inégalités de déviation

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

338

3.5 Convergence de la loi empirique

 

.

.

.

.

.

.

.

.

.

.

.

338

3.5.1 Convergence des histogrammes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

338

3.5.2 Le théorème de Glivenko-Cantelli

 

338

3.6 Auto-évaluation

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

339

3.7 Exercices

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

339

4 La courbe en cloche

 

341

4.1 Introduction

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

341

4.2 Les lois gaussiennes unidimensionnelles

 

341

4.3 Le théorème de la limite centrale

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

348

6

4.3.1 Cadre et énoncé

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

348

4.3.2 Des illustrations lorsque la loi de X 1 + ··· + X N est connue

explicitement

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

350

4.3.3 Des illustrations lorsque la loi de X 1 +···+X N n’est pas connue

explicitement

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

367

4.3.4 Deux erreurs fréquentes

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

369

4.3.5 Preuve du théorème de la limite centrale

 

374

4.3.6 Le théorème de la limite centrale et la loi des grands nombres

 

374

4.3.7 Attention à l’échelle

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

378

4.3.8 Quantification de la convergence dans le théorème de la limite

 

centrale

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

381

4.3.9 Robustesse du théorème de la limite centrale

.

.

.

.

.

.

.

.

.

382

4.3.10 Le théorème de la limite centrale et le caractère universel ( ?)

 

de la loi gaussienne

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

400

4.4 Des exemples concrets

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

402

4.4.1 Des exemples approximativement gaussiens

.

.

.

.

.

.

.

.

.

.

403

4.4.2 Des exemples non gaussiens, même approximativement

 

417

4.4.3 Phynances !

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

428

4.5 Quelques applications du TCL

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

434

4.5.1 Sondages

 

.