CHAP. 0 Rappels Mathématiques : Ensembles et Analyse combinatoire 1- Ensembles. Un ensemble. est une collection d’objets. On le note généralement: A, B, E,Q.,... . ces objets sont appelés éléments. Un ensemble ayant un nombre fini éléments est dit fini. Son cardinal est le nombre de ces éléments. On le note: Card (A) ou Al. Exemple. Soit A= {1, 2, a,b, f} ;onaleA,fe AetCard A=5. Soit B=(-1, 0, 1,a} un autre ensemble, AUB et ACB désignent respectivement la réunion et I’intersection des ‘ensembles A et B. L’ensemble E = {1,2,a } est une partie de A; le complémentaire de E dans A, noté E, est E= {b,f} On définie également A\B={x€ A et x¢B}.Ona Pégalité A\B=A9 B.Noter la fin que Uet 9 sont distributives l'une par rapport & Lautre ,( ressemble & 2*(3+4)=(2*3) +(2*4) Propriétés: ACB => Card A < Card B; Card (AUB) = Card A + Card B ~ Card (ANB) Card (A\B ) = card A ~ card (AM B) | Exercices: 1- exprimer Card (AU BUC) 2- Montrer la loi de Morgan: AUB = ANB (et ANB = AUB) 5 la formule reste valable pour 3,4, ...ensembles. 3- Parmi 40 secrétaires, 8 connaissent le russe, 15 l’anglais et 9 I’allemand. D'autre part, 4 parlent anglais et I’allemand, 5 anglais et russe, 2 allemand et russe deux les trois langues. Combien de secrétaires ne connaissent aucune de ces 3 langues ? Produit cartésien. Soient E et F deux ensembles; le produit cartésien de ces deux ensembles est I’ensemble : ExF = {(a, b)/a ¢ E et be F} ; 1’élément (a,b) est dit couple. Ce(b,2); Vordre est important, Cependant (a, b} = {b, a} l'ordre m'intervient pas ici. Ona: Card (Ex F) = Card E. Card F. On définit de méme le produit cartésien d’un nombre fini d’ensembles : Ey xB, x..x E, eton a: Card(E, x E, x..x E,)=Card E,CardB,..CardE, .\n élément de E, x, XE, est dit un n-uplet Principe fondamental de analyse combinatoire : Taper une equation ici. ‘Siun choix total est réalisé & partir de N choix élémentaires, alors le nombre total des chor possibles est égal au produit des nombres des choix élémentaires » +2. Fonetions. Soient E et F deux ensembles. Une application de E dans F(on note f: E> F) est une correspondance qui a chaque élément de E associe un seul élément de F. Si f E> Fest une application et si A estune partie de £ alors f(A) est Vimage de AE si B estune partie de F , alors f-'(B) est image réciproque de B.Ona: f(A)= fixe Ay 5 f"B)= xe Elf) € B} La fonction caractéristique d'un ensemble Ac E ,notée 1,0up, est application 1: E > F définie par 1,(x)=1 si xe A etsi xe A. itsaion du symbole 5+ Onrepplle: 12+..1n="2*D on note Spe) peméme 3° p? = @+DGz+D Sa Se bee Sina ? =-Ln(l) + Ln(n +1) 3 Analyse combinatoire : Combinaison: Soit E ensemble fini tel que Card E=n; soit p un entier naturel avec < p Rvaa (X x) =(WEN/ XW) >x) (XK =x) ={w/X@) =x) @ R(r,p) Caractéristiques : E(X) = 5, v(x) =" Remaque: dans le cas de la loi binomiale, le nombre d’expériences a réaliser est fixé et le nombre de réalisations de l’événement succés est aléatoire, Pour la loi binomiale c’est l'inverse, le nombre de suceés souhaité est fixé et égal a r et le nombre d’exp. a réaliser pour obtenir le r°™* succés est alkatoire. Exemple. Un stock de piéces contient 10% de pices défectucuses. De ce stock, on a effectué des prélévements avec remise d’une piéce. Calculons la probabilité qu'il falle réaliser 10 tirages pour obtenir : - 2 piéces non défectueuses 7 piéces non défectucuses, ‘Solution, La probabilité d’obtenir une piéce non défectueuse est 0.9. Soit X le nombre de prélévements, pour obtenir 2 piéces non défectueuses. P(X = 10) = €3(0,9)7(0,1)* = 0,00000007 Soit Fle nbre de prélévements pour obtenir 7 piéces non detect. PCY = 7) = C5(0,9)7(0,1)? = 0,0402_ 5- loi hypergéométrique (ou loi des tirages sans remise) Une urne contient V boules (composées de : N, boules noi noires)]. Sot: p= “tcack PO = by = Seat y Notation : X + HN, n, p) Caractéristiques ; EQ) =np ; V(X) = npq = Remarque ; mémes caracteristiques que pour la Joi binomiale B(n,p) c.a.d du cas de tirages #2) n petit et N grand, on peut réaliser la loi binomiale independ. (avec remise), pour * (= 1: Loi de Poisson Crest une loi qui permet d’approcher la Joi binomiale lorsque les valeurs de p sont trés faibles des valeurs de n trés grandes. (2 50) c'est pourquoi, elle est parfois appelée loi des évén rares, , Déf. : on dit q’une suivantes sont réalisées X suit une loi de Poisson de paramétre 2 > 0 si le i) _X(Q)=N i) VkEN P= Kh =H Notation : X + P(A) ‘aractéristiques ; EQ) =A; vO) = Recette : lorsque I’on voudra ajuster une loi bino! que : le 1. xe1 Une fabrique dA= np = 100.001 =1 2 1 a) ese aoe = * a 27183 Verification : V(X) = npq = 100..0,01.0,99 = 0,99; E(X)=1 EQ)~V(x) = 0,0613 Exemple 2, {a probabilité pour qu'une machine produise une pice défectucuse est 0,01. La machine a produit 300 pigces. Donner la probabilité de reconnaitre 2 piéces défectueuses dans cette production. Soit Xnombre de pices défectucuses parmi les 300 piéces, X ~ B(300; 0,01) P(X = 2) = Co0(0,01)?(0,99)2 = 02244 P=001<01eIn>S0 B(n,p) + P(A = np = 300 x 0,01 = 3) P(t =2) =e 5 = 02241 ‘Simaintenant on cherche : P(X = 10) = C429(0,01)#°(0,99)? calculs Via la loi de Poisson, on a: 20 PO = 10) =e* 7 = 0.0008Chapitre IIT Variable aléatoire continue et Lois continues. dirons qu’il existe au voisinage de + une densité de probabilité. | 1. Introduction | Exemple 1 : | On prend un nombre réel x au hasard entre 0 et 1. Quelle est la probabilité que ce nombre soit egal a5? = = 0.785398163397 .... Il parait que la probabilité est nulle. Avoir la coincidence d’une infinité de décimales. Mais la probabilité de choisir un nombre proche de a ne I’est pas. Nous | Exemple 2: Si X est le temps de trajet que met un salarié pour se rendre de son domicile & son trav il. Selon. les conditions du trafic, il met entre 30 et 40 minutes, la probabilité que le temps de trajet soit égal a une valeur de donnée, par exemple 36 mn et 15 secondes est nulle. Par contre, on peut déterminer des résultats du genre : la probabilité que le salarié mette entre 35 mn et 40 mn, si la loi de probabilité est connue. 2: Variables aléatoires absolument continues. (v..a..a.¢.) - Une v.a. continue prend ses valeurs dans un intervalle réel. Une v. a. X peut étre définie par sa fonction de répartition (F(x) = p(X < x)), si F est partout continue et dérivable sauf en un nombre de points, X est dite v. a. a. c. dans la suite on dit “'v. a. continue” pour simplifier. Propriétés de O % ({a,5)) * Graphes : Se) “on CP) JS discontinue en aeté , F est continue (et la loi est absolument continue). Caract ues : 00-924 vx Exemple2. Loi exponentielle Une v.a suit une loi exponentielle de paramétre 8 >0 si la densité de proba. est définie par: (Oe* six20 ws i weed Notation : X-+€ (9) Graphes : Fs) : Ae @ rs bs Tage Caractéristiques : BU0=5 VO)=Fe (EV) = 0(4)) caract. loi. Exp. Remarques : - Utilisée pour représenter une durée de vie d’un matériel, durée de chémage, durée hospitalisation, ... (Phénoménes d’attente). ~ Trés liée a la loi de Poisson. 3- Loi normale C'est la loi d'une v.a. de densité : 1 CO carne: Avec m= E(X) et 0? =V(X) Cette loi est considérée comme Ia plus importante de toutes les | utilisée au niveau théorique, utilisée pour approcher d’autres loi analyser un grand nombres de phénoménes quotidien).La courbe symétrique par rapport a I'axe :x =m, le maximum de f atteint & x=m. Les Points dinflexion ont pour abscisse x = m—o,x=m+o. En faisant le changement de variable 7 de moyenne E(7)=0 et d’écart typeo(T) =1. La fonction de densité de T est : e f=? vee foo,t0[ —"" | on obtient une v.a. qui suit une loi normale Représentation graphique de f(t) :Approximation de Ja binomiale B(n,p): Nous avons vu précédemment que nous pouvions ajuster cette loi par la loi de Poisson lorsque Pest tres petit (voisin de 0,1) et si nous avons la condition E(X)~ V(X). Lorsque pest voisin de 0,5 et m est suffisamment grand (n 230) on ajuste Ia loi binomiale avec ume loi normale de caractéristiques W(np../npq). On peut ajuster pour des valeurs <30 mais il faut alors que npg 3. Reg. De peak ussi afer ber Pom ni zee par Wy, tm) Exemple On représente par X le résultat d’exploitation mensuel d'une entreprise. On. ‘suppose que X est ‘une variable aléatoire qui suit une loi normale de moyenne 100 et de variance 1600. Pour le mois prochain, donnons les proba, pour que ce résultat soit: Gi inférieur 4 100 inférieur 4 120 Gi) inférieur 4 60 (iv) supérieur 140 (¥) compris entre 60 et 120, OnaW (100, 40) T= thee a loi centrée réduite W (0,1) @ PX <100) = P(T<0)=0,5 Gi) POX >120) > 0,5 ; PCX <120) = PCT <0,5) = 0,6915 (ii) P(X<60) = PCT <-1) = 1-P(T <1)=1-0,8413 = 0,1587 (iv) P(X >140) = 1-PCT < 1) = 1-0,8413 = 0,1587 ©) P(60-0) lo TT posséde de nombreuses propriétés intéressantes. - T@)=@-)@-1) Si p est enticr positif strictement ; on a : T(p) = (p — 1)! - 1) =% (se déduit de rintégrate f°" e-t de , dit integrate de Gauss) : done : 3) 3p (1) ve r@-1@-F— Déf. Une v.a. X suit une Joi gamma de paramétres p > 0 et @ > 0 si c’est une v.a. positive dont la densité est de la forme : f@) Remarques : ) La somme de n v.a. indépendantes de meme loi exponentielle de parametre 2 YA).