Vous êtes sur la page 1sur 29

Probabilités et

Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes
Probabilités et Statistiques Variables continues

Lois Discrètes

Lois continues
Fabien Feschet Asymptotique

Université Clermont Auvergne

fabien.feschet@uca.fr

Bibliographie : Wikipédia, Probabilités Analyse des données et statistiques [Saporta], Biostatistiques vol
1 [Scherrer], Probability Theory and Mathematical Statistics [Fisz]
Probabilités et
Axiomatique de Kolmogorov Statistiques

Fabien Feschet

Introduction

Probabilités
Probabilité Variables discrètes
On appelle probabilité sur (Ω, C) (ou loi de probabilité) une Variables continues
application P de C dans [0, 1] vérifiant Lois Discrètes

Lois continues
− P(Ω) = 1 Asymptotique
− pour tout ensemble dénombrable d’évènements
X
incompatibles A1 , . . . , An , P(∪i Ai ) = P(Ai )
i

Espace probabilisé
On appelle espace probabilisé le triplet (Ω, C, P).
Probabilités et
Axiomatique de Kolmogorov Statistiques

Fabien Feschet
Propriétés Introduction

Probabilités

Variables discrètes
(a) P(∅) = 0 Variables continues

(b) P(Ā) = 1 − P(A) Lois Discrètes

Lois continues
(c) si A ⊂ B, P(A) ≤ P(B)
Asymptotique
(d) P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
X
(e) P(∪i Ai ) ≤ P(Ai )
i
(f ) si Ai → ∅ alors lim P(Ai ) = 0
i
(g ) Théorème des probabilités totales :
Pour un système complet d’évènements Bi ,
X
∀A P(A) = P(A ∩ Bi )
i
Probabilités et
Variable discrète Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues

Lois Discrètes
Définition Lois continues
Une variable aléatoire est dite discrète si elle a, avec une Asymptotique
probabilité 1, un nombre au plus dénombrable de valeurs non
nulles. Les points où c’est le cas sont appelés des points de
sauts et leur probabilité des sauts.
Probabilités et
Variable discrète Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Conséquence Variables continues

Une variable aléatoire réelle discrète X prend pour un Lois Discrètes

Lois continues
nombre au plus dénombrable de points xi une probabilité
Asymptotique
non nulle pi . On a
+∞
X
pi = 1
i=1

P(X = xi ) = pi
Probabilités et
Variable continue Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Définition Variables continues

Une variable aléatoire est dite continue s’il existe une Lois Discrètes

fonction f () telle que pour tout réel x on a Lois continues

Asymptotique
Z x
F (x) = f (x)dx
−∞

avec F () la fonction de répartition de la variable.


On appelle f () la fonction de densité de la variable.
Probabilités et
Loi discrète uniforme Statistiques

Fabien Feschet

Introduction

Probabilités

Définition Variables discrètes

X = {1, . . . , n} Variables continues

P(X = k) = n1 Lois Discrètes

Lois continues

Caractérisation Asymptotique

n+1
E [X ] =
2
n2 − 1
V (X ) =
12
Probabilités et
Loi (discrète) de Bernouilli Statistiques

Fabien Feschet

Introduction

Probabilités

Définition Variables discrètes

La loi de Bernouilli de paramètre p est la loi d’une variable Variables continues

Lois Discrètes
X ne pouvant prendre que les valeurs 0 ou 1 avec les
Lois continues
probabilités p et 1 − p respectivement.
Asymptotique

Caractérisation

E [X ] = p
V (X ) = p(1 − p)
Probabilités et
Loi (discrète) binomiale Statistiques

Fabien Feschet

Introduction
Définition Probabilités
X suit une loi binomiale B(n; p) si X est une somme de n Variables discrètes
variables de Bernouilli Xi de paramètre p. Variables continues

Lois Discrètes
Caractérisation Lois continues

Asymptotique

E [X ] = np
V (X ) = np(1 − p)

De l’explication du nom

P(X = k) = Cnk p k (1 − p)n−k


Probabilités et
Loi (discrète) binomiale Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues
Résultat utile Lois Discrètes
Si X suit une loi binomiale B(n; p) alors n-X suit une loi Lois continues

binomiale B(n; 1 − p). Asymptotique

Somme
Si X1 ∼ B(n1 ; p) et si X2 ∼ B(n2 ; p) et si elles sont
indépendantes alors X1 + X2 ∼ B(n1 + n2 ; p)
Probabilités et
Loi binomiale (densité) Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes
0.25

p=0.5 and n=20 Variables continues


p=0.7 and n=20
0.20

p=0.5 and n=40 Lois Discrètes

Lois continues
0.15

Asymptotique
0.10
0.05
0.00

0 10 20 30 40
Probabilités et
Loi binomiale (cdf) Statistiques

Fabien Feschet

Introduction
1.0

Probabilités

Variables discrètes
0.8

Variables continues

Lois Discrètes
0.6

Lois continues

Asymptotique
0.4
0.2

p=0.5 and N=20


p=0.7 and N=20
p=0.5 and N=40
0.0

0 10 20 30 40
Probabilités et
Loi (discrète) de Poisson Statistiques

Fabien Feschet

Introduction

Définition Probabilités

X suit une loi de poisson de paramètre λ, P(λ), si Variables discrètes

Variables continues

λx Lois Discrètes
P(X = x) = exp(−λ)
x! Lois continues

Asymptotique
avec x ∈ N.

Caractérisation

E [X ] = λ
V (X ) = λ
Probabilités et
Loi de Poisson (densité) Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues

Lois Discrètes

Lois continues

Asymptotique
Probabilités et
Loi de Poisson (cdf) Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues

Lois Discrètes

Lois continues

Asymptotique
Probabilités et
Loi (continue) uniforme Statistiques

Fabien Feschet

Introduction
Définition Probabilités
X suit une loi uniforme sur [0, a], si Variables discrètes

Variables continues
1
f (x) = sur [0, a] Lois Discrètes
a Lois continues

avec f la densité. Elle vaut 0 hors de l’intervalle. Asymptotique

Caractérisation

a
E [X ] =
2
a2
V (X ) =
12
Probabilités et
Loi (continue) exponentielle Statistiques

Fabien Feschet

Introduction

Définition Probabilités

X suit une loi exponentielle de paramètre λ si Variables discrètes

Variables continues

f (x) = λ exp(−λx) Lois Discrètes

Lois continues
avec x > 0. Asymptotique

Caractérisation

1
E [X ] =
λ
1
V (X ) = 2
λ
Probabilités et
Loi exponentielle (densité) Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues

Lois Discrètes

Lois continues

Asymptotique
Probabilités et
Loi exponentielle (cdf) Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues

Lois Discrètes

Lois continues

Asymptotique
Probabilités et
Loi (continue) gamma Statistiques

Fabien Feschet

Définition Introduction
X suit une loi gamma de paramètre r , notée γr si Probabilités

Variables discrètes
1
f (x) = exp(−x)x r −1 Variables continues
Γ(r ) Lois Discrètes

Lois continues

Asymptotique
Caractérisation

E [X ] = r
V (X ) = r

Somme
Si X ∼ γr et Y ∼ γs et si elles sont indépendantes alors
X + Y ∼ γr +s .
Probabilités et
Loi (continue) de Laplace-Gauss Statistiques

Fabien Feschet

Définition Introduction

X suit une loi de Laplace-Gauss de paramètres µ et σ, noté Probabilités

N (µ; σ) si Variables discrètes

Variables continues
 !
1 x −µ 2

1 Lois Discrètes
f (x) = √ exp − Lois continues
σ 2π 2 σ
Asymptotique

On reconnaı̂t la loi dite normale (dont le nom usuel est fort


mal choisi...)

Caractérisation

E [X ] = µ
V (X ) = σ 2
Probabilités et
Loi de Laplace-Gauss (densité) Statistiques

Fabien Feschet

Introduction

Probabilités
1.0
Variables discrètes
μ = 0, σ 2 = 0.2,
μ = 0, σ 2 = 1.0, Variables continues
0.8 μ = 0, σ 2 = 5.0, Lois Discrètes
μ = −2, σ 2 = 0.5, Lois continues

0.6 Asymptotique
φμ,σ (x)
2

0.4 -3 -2 -1

0.2

0.0
−5 −4 −3 −2 −1 0 1 2 3 4 5
x
Probabilités et
Loi de Laplace-Gauss (cdf) Statistiques

Fabien Feschet

Introduction

Probabilités
1.0
Variables discrètes
μ = 0, σ 2 = 0.2,
μ = 0, σ 2 = 1.0, Variables continues
0.8 μ = 0, σ 2 = 5.0, Lois Discrètes
μ = −2, σ 2 = 0.5, Lois continues

0.6 Asymptotique
Φμ,σ (x)
2

0.4 -3 -2 -1

0.2

0.0

−5 −4 −3 −2 −1 0 1 2 3 4 5
x
Probabilités et
Loi (continue) de Laplace-Gauss Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues
Centré-réduit Lois Discrètes
X −µ
Si X ∼ N (µ; σ) alors U = σ suit une loi N (0; 1). Lois continues

Asymptotique
Additivité
Si X1 ∼ N (µ1 ; σ1 ) et X2 ∼ N (µ2 ; σ2 ) et si elles sont
indépendantes
q alors X1 + X2 suit une loi de Laplace-Gauss
N (µ1 + µ2 ; σ12 + σ22 ).
Probabilités et
Convergence Statistiques

Fabien Feschet

Introduction

Probabilités
En probabilité... Variables discrètes
La suite (Xn ) converge en probabilité vers la constante a si Variables continues
pour tout ε et pour tout η arbitrairement petit il existe un Lois Discrètes

rang n0 tel que n > n0 entraine Lois continues

Asymptotique
P(| Xn − a |> ε) < η

... pour des variables aléatoires


On définit la convergence en probabilité vers une variable
aléatoire X de la suite (Xn ) par la convergence vers 0 de la
suite (Xn − X ).
Probabilités et
Convergence Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

En loi Variables continues

La suite (Xn ) converge en loi vers la variable X de fonction Lois Discrètes

de répartition F si en tout point de continuité de F , la suite Lois continues

(Fn ) des fonctions de répartition des Xn converge vers F . Asymptotique

... avec des densités


Si fn est la densité de la variable Xn et si f est la densité de
X , la convergence en loi de la suite des Xn vers X entraine
la converge, pour tout x, de la suite des fn (x) vers f (x).
Probabilités et
Convergence Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues

Loi de Poisson Lois Discrètes

Soit (Xn ) une suite de variable binomiales B(n; p) telles que Lois continues

n tende vers +∞, p tends vers 0 mais telle que le produit np Asymptotique

tende vers une constante λ. Alors la suite de variables


aléatoires (Xn ) converge en loi vers une variable de Poisson
P(λ).
Probabilités et
Convergence Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues

Lois binomiales Lois Discrètes

Soit (Xn ) une suite de variable binomiales B(n; p) alors la Lois continues

variable Asymptotique
X − np
p n
np(1 − p)
tend en loi vers une variable N (0; 1).
Probabilités et
Convergence Statistiques

Fabien Feschet

Introduction

Probabilités

Variables discrètes

Variables continues
Lois de Poisson Lois Discrètes
Soit (Xλ ) une suite de variable de loi de poisson P(λ) alors Lois continues
si λ tend vers +∞, la variable Asymptotique

Xλ − λ

λ
tend en loi vers une variable N (0; 1).

Vous aimerez peut-être aussi