Variable aléatoire

répétition ?? Sans répétition ?? Possibilité de répétition La répétition : ? ? ?? Vocabulaire :  Une expérience aléatoire est une expérience qui dépend du hasard : le résultat ne peut donc être déterminé a priori. l’expérience. On le note ? (appelé aussi l’univers des cas possibles).  L’univers de l’expérience aléatoire est l’ensemble des issues (ou résultats) possibles de  Un évènement est une partie de Ω. L’ensemble vide est appelé évènement impossible.

eu/sites/TRA-CO/AS/AE/SIMMetz Plan du cours 1. Introduction 2. Bases des probabilités 3. Variables aléatoires (discrètes et continues) 4. Vecteurs aléatoires 5. Convergences en loi 6. Estimation 7. Test 8. Analyse de la variance 3 1) Introduction Probabilités Modèle 4 Statistiques Réalité Probabilité Estimation Hypothèses Echantillon Test Risques 1) Introduction Définition. 5 1) Introduction Une expérience aléatoire se décrit mathématiquement par la donnée d’un espace Ω dont les points

variabilité des conditions d’expérience : on écrira y = f HxL + ! , où ! est une variable aléatoire. Chapitre 7 : La régression linéaire 107 1. La droite des moindres carrés 1.1. Nuage des individus Le problème est d’étudier l’influence d’une variable quantitative X sur une autre variable quantitative Y . La première est souvent appelée variable explicative (ou encore exogène) et la seconde est appelée variable expliquée (ou encore endogène). Pour résoudre ce problème, on a réalisé une expérimentation

Ouest L. Ferrara, 20122012-13 Exemples : - Etude d’une ppopulation p par p sondage g ((élections,, enquêtes q d’opinion auprès des ménages et des industriels…) - Explication de phénomènes macro-économiques et microéconomiques q - Prévision év s o (variables (va ab es macro, ac o, tau taux de cchange, a ge, actifs act s financiers, …) - Prise de décision de politique économique par le ggouvernement et la banque q centrale U. Paris Ouest L. Ferrara, 20122012-13 2 Modèles 2. M dèl économétriques é ét

admet que chaque tondeuse qui sort des usines a une probabilité de 7 % d’être non conforme. On note X la variable aléatoire qui indique le nombre de tondeuses conformes dans un lot de 250 tondeuses prises au hasard dans le stock. On admet que le nombre de tondeuses fabriquées est suffisamment grand pour assimiler ce tirage à un tirage avec remise. 1. Justifier que la variable aléatoire X suit une loi binomiale dont on déterminera les paramètres. 2. Calculer la probabilité de l’évènement E :

On dira qu’un échantillon est représentatif s’il a, pour le caractère étudié, la même structure que la population. Les méthodes ci-dessous permettent d’obtenir de tels échantillons. 1.3 Méthodes d'échantillonnage a) L'échantillonnage aléatoire Un échantillon aléatoire (EA) est un échantillon choisi de telle sorte que chaque unité de la population ait une probabilité connue, non nulle, d'être sélectionnée dans l'échantillon. Très souvent, en pratique, chaque unité de la population a la même probabilité

Théorème de Bayes 4 • Variables aléatoires réelles 4.1 4.2 4.3 4.4 4.5 4.6 4.7 Généralités sur les variables aléatoires Fonction de répartition Densité de probabilité Discontinuités d’une fonction de répartition et lois discrètes Loi de probabilité d’une variable aléatoire Y fonction d’une variable aléatoire X Indépendance de deux variables aléatoires Moments d’une variable aléatoire 5 • Lois de probabilité discrètes 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 Définition d’une variable discrète Loi de Dirac

avec un certain risque a priori. Dans tout ce chapitre, les notions seront abordées grâce à des exemples. Pour chaque test, on appliquera le cheminement suivant : Construction du test de validité d’hypothèse. • Étape 1 : détermination de la variable aléatoire de décision et de ses paramètres, • Étape 2 : choix des deux hypothèses : l’hypothèse nulle Ho et l’hypothèse alternative Hl , • Étape 3 : l’hypothèse nulle étant considérée comme vraie et compte tenu de l’hypothèse alternative, détermination

définie une variable aléatoire X dont on connaît l'espérance (ou la moyenne)  et l'écart-type . Population Moyenne  connue. Ecart-type  connu.  Echantillons de taille n { 1 2 3 4 5 ... i On s'intéresse aux échantillons de taille n. Auront-ils tous la même moyenne ? Non, certains peuvent être constitués d'éléments atypiques et avoir une moyenne très différente de celle de la population (surtout si l'échantillon est de petite taille). Notons X la variable aléatoire

Conditionnement par un événement de probabilité non nulle. Notation ( ). Indépendance de deux événements. Notions de lois à densité. Loi à densité sur un intervalle. Loi Uniforme sur [ ; ]. Espérance d’une variable aléatoire suivant une loi uniforme. Lois Exponentielles. Espérance d’une variable aléatoire suivant une loi exponentielle. Loi Normale centrée réduite, Théorème de Moivre-Laplace (admis). Loi Normale ( , ). CAPACITES ATTENDUES • Construire un arbre pondéré en lien avec une situation donnée