MAD4037 : Probabilités

Description et objectifs du cours

NYOBE Samuel

Institut Saint Jean

samuel.nyobe@facsciences-uy1.cm

Année académique 2023-2024

Description du Cours
Ce cours présente les concepts liés à la théorie de la probabilité
avec un accent sur la résolution des problèmes en informatique. Les
probabilités et les statistiques constituent une base importante
pour les domaines de l’informatique tels que :
L’apprentissage automatique
L’intelligence artificielle
Le traitement d’images
L’analyse des données, etc .

2/9
Description du Cours
Ce cours présente les concepts liés à la théorie de la probabilité
avec un accent sur la résolution des problèmes en informatique. Les
probabilités et les statistiques constituent une base importante
pour les domaines de l’informatique tels que :
L’apprentissage automatique
L’intelligence artificielle
Le traitement d’images
L’analyse des données, etc .

Définition (Probabilité)
Étude mathématique des règles qui régissent les évènements
aléatoires (l’issu est incertain si ce n’est que lorsqu’on l’observe).

Elle va alors donner le niveau de possibilité de réalisation de ces

évènements, en précisant par exemple que tel évènement est plus
porté à se réaliser qu’un autre. 2/9
Description du Cours

Définition (Statistique)
Application de la probabilité pour la collection, l’analyse et la
description des données aléatoires.

Elle est utilisée pour concevoir des expériences, décrire des

données, comme support de décision et même explorer les données
complexes(images, son, texte, etc...).

3/9
Description du Cours
Lien entre les probabilités et les statistiques

La probabilité dit comment on passe du monde réel (modèle)

aux observations (échantillon)
La statistique (inférentielle) décrit le passage des observations
au modèle sous-jacent
4/9
Objectifs du cours

À la fin de ce cours, chaque étudiant doit être capable de :

Comprendre et modéliser les aspects aléatoires d’expériences
plus ou moins simples afin de calculer les probabilités d’intérêt

5/9
Objectifs du cours

À la fin de ce cours, chaque étudiant doit être capable de :

Comprendre et modéliser les aspects aléatoires d’expériences
plus ou moins simples afin de calculer les probabilités d’intérêt
Décrire les phénomènes réels par le biais de variables
aléatoires appropriées (univariée et multivariée)

5/9
Objectifs du cours

À la fin de ce cours, chaque étudiant doit être capable de :

Comprendre et modéliser les aspects aléatoires d’expériences
plus ou moins simples afin de calculer les probabilités d’intérêt
Décrire les phénomènes réels par le biais de variables
aléatoires appropriées (univariée et multivariée)
Savoir étudier les propriétés de fonctions de variables aléatoires
et comment les appliquer dans le cadre de l’analyse statistique

5/9
Objectifs du cours

À la fin de ce cours, chaque étudiant doit être capable de :

Comprendre et modéliser les aspects aléatoires d’expériences
plus ou moins simples afin de calculer les probabilités d’intérêt
Décrire les phénomènes réels par le biais de variables
aléatoires appropriées (univariée et multivariée)
Savoir étudier les propriétés de fonctions de variables aléatoires
et comment les appliquer dans le cadre de l’analyse statistique
Savoir comment en pratique (sous R), les calculs de
probabilité peuvent s’effectuer

5/9
Plan du cours
1 Le modèle probabiliste
1 Définitions et rappels sur les ensembles
2 Probabilité sur un ensemble fini ou dénombrable
3 Analyse combinatoire
4 Probabilité conditionnelle
5 Indépendance
2 Variables aléatoires discrètes
1 Loi de probabilité
2 Fonction de répartition
3 Caractéristiques d’une variable aléatoire discrète
4 Quelques lois de probabilité discrètes usuelles
3 Variables aléatoires continues
1 Loi de probabilité
2 Fonction de répartition
3 Densité de probabilité
4 Caractéristiques d’une variable aléatoire absolument continue
5 Quelques lois de probabilité continues usuelles
6/9
Plan du cours

4 Fonction de variables aléatoires

1 Définition d’une fonction de variable aléatoire
2 Distribution d’une fonction d’une variable aléatoire
3 Caractérisation d’une fonction de variable aléatoire
5 Variables multivariées
1 Couple de variables aléatoires discrètes
2 Couple de variables aléatoires continue
3 Généralisation aux vecteurs aléatoires
4 Quelques lois usuelles multivariées
6 Échantillonnage
1 Échantillon d’une loi
2 Moyenne empirique
3 Variance empirique
4 Simulation d’une loi de probabilité
5 Limites de suite de variables aléatoires

7/9
Ouvrages utilisés

Statistique et probabilités - 6e édition, DUNOD de

Jean-Pierre Lecoutre, 2016
A Modern Introduction to Probability and Statistics
Understanding Why and How, Springer-Verlag, by Dekking,
Kraaikamp, Lopuhaa, and Meester, 2005.

8/9
Outils

Interpréteur R : http://www.r-project.org
Éditeur Rstudio : https://rstudio.com

9/9