Académique Documents
Professionnel Documents
Culture Documents
– 0 ≤ P[A] ≤ 1
– P[∅] = 0 et P[S] = 1.
– A et B sont mutuellement exclusifs si et seulement si A ∩ B = ∅.
– A et B sont indépendants si et seulement si P[A ∩ B] = P[A] P[B].
S P
– Si A1 , A2 , A3 , ... sont mutuellement exclusifs, alors P[ i Ai ] = i P[Ai ].
– P[A] = 1 − P[A].
– Si A ⊂ B, alors P[A] ≤ P[B].
– P[A ∪ B] = P[A] + P[B] − P[A ∩ B].
– P[A ∪ B ∪ C] = P[A] + P[B] + P[C] − P[A ∩ B] − P[B ∩ C] − P[A ∩ C] + P[A ∩ B ∩ C].
– Dans le cas équiprobable (c’est-à-dire le cas où S est un ensemble fini et où chaque
élément de S a la même probabilité de se réaliser), on a P[A] = n(A)/n(S).
• Techniques de dénombrement:
- Permutations : ◦ il existe n! arrangements ordonnés de n éléments distincts;
n!
◦ il existe Prn = façons de choisir r objets parmi n objets
(n − r)!
en tenant compte de l’ordre.
n n!
- Combinaisons : ◦ il existe Crn = = façons de choisir r objets parmi
r r!(n − r)!
n objets sans tenir compte de l’ordre.
1
• Probabilités conditionnelles:
P[A ∩ B]
– P[A | B] = .
P[B]
– P[A ∩ B] = P[A] P[B | A] = P[B] P[A | B] (règle de multiplication)
– Si B1 , B2 , ..., Bk forment une partition de S, c’est-à-dire si B1 , B2 , ..., Bk sont mutuelle-
Sk
ment exclusifs et tels que Bi = S, alors
i=1
k
X
◦ P[A] = P[A|Bi ] P[Bi ]. (loi des probabilités totales)
i=1
P[A | Bj ] P[Bj ] P[A | Bj ] P[Bj ]
◦ P[Bj | A] = = Pk . (théorème de Bayes)
P[A] i=1 P[A|B i ] P[Bi ]
E[aX + b] = aE[X] + b
V [aX + b] = a2 V [X]
V (X + Y ) = V (X) + V (Y ) Seulement si X et Y sont indépendantes.
2
Lois usuelles
Espérance Variance
Lois discrètes Fonction de masse µ σ2
i.i.d. Pk
• Si X1 , . . . , Xk ∼ Bernoulli (p), alors X = i=1 Xi ∼ Binomiale(n, p).
i.i.d. Pk
• Si X1 , . . . , Xk ∼ Géométrique(p), alors X = i=1 Xi ∼ Pascal(r, p).
i.i.d. Pk
• Si X1 , . . . , Xk ∼ Exponentielle(λ), alors X = i=1 Xi ∼ Gamma(r, λ).
indep. Pk Pk
• Si X1 , . . . , Xk ∼ Poisson (λj ), alors X = i=1 Xi ∼ Poisson(λ) avec λ = j=1 λj .
indep. Pk Pk
• Si X1 , . . . , Xk ∼ Normale (µj , σj2 ), alors X = i=1 Xi ∼ Normale (µ, σ 2 ) avec µ = j=1 µj et
Pk
σ2 = 2
j=1 σj
3
Lois discrètes bidimensionnelles
p(x, y) = P ({X = x} ∩ {Y = y}) = P (X = x, Y = y)
• lois marginales
X
pX (x) = P (X = x) = p(x, y)
y
X
pY (y) = P (Y = y) = p(x, y)
x
• lois conditionnelles
p(x, y)
pX|Y =y (x) = P (X = x|Y = y) =
pY (y)
p(x, y)
pY |X=x (y) = P (Y = y|X = x) =
pX (x)
• Espérance conditionnelle
P
X
xxp(x, y)
E(X|Y = y) = xpX|Y =y (x) =
x
pY (y)
P
X yyp(x, y)
E(Y |X = x) = ypY |X=x (y) =
y
pX (x)
• Espérance de g(X, Y ) X
E[g(X, Y )] = g(x, y)p(x, y)
x,y
• Indépendance
X et Y sont indépendantes si et seulement si p(x, y) = pX (x)pY (y) pour tout (x, y).
• Covariance et Corrélation
4
5