Suite aléatoire

l’Identique 3.0 non transposé. Table des matières Table des matières iii 1 Expériences aléatoires et probabilités 1 2 Conditionnement et indépendance 11 3 Variables aléatoires discrètes 3.1 Loi, fonction de répartition, espérance et 3.2 Lois discrètes classiques . . . . . . . . . 3.3 Variable fonction d’une autre variable . 3.4 Couples de variables aléatoires . . . . . . . . . 25 25 32 36 41 4 Variables aléatoires absolument continues 4.1 Densité, fonction de répartition et moments . . . . . .

Notion du processus stochastique et fonctions aléatoires AKadrani Institut National de Statistiques et Economie Appliquée (INSEA) Rabat, Avril 2013 Chapitre 1 Processus stochastique et fonctions aléatoires Introduction Un système naturel physique évoluant dans le temps et assujeti au hasard peut être représenté par une fonction X (t, w ) où t ∈ T (T est souvent le temps) et w ∈ Ω où (Ω, F, P) est un espace probabilisé. Deux façons pour représenter ce système: 1 Une famille

2- Deux résultats de décomposition 3- Evènements indépendants 4- Exercices III- Variables aléatoires : généralités 1- Définitions 2- Variables aléatoires discrètes, variables aléatoires à densité 3- Couples de variables aléatoires 4- Variables aléatoires indépendantes 5- Exercices IV- Caractéristiques numériques des variables aléatoires 1- Espérance 2- Variance, covariance 3- Exercices V- Variables aléatoires usuelles 1- Loi de Bernoulli (p) 2- Loi binomiale (n, p) 3- Loi uniforme 4- Loi exponentielle

noires ?  2. Si on tire exactement une boule noire, on perd un point. Si on tire zéro ou deux boules noires, on gagne zéro point. Si on tire trois boules noires, on gagne trois points.      a) Déterminer la loi de probabilité de la variable aléatoire X qui à tout tirage associe le gain réalisé ?      b) Calculer l'espérance mathématique de X. La règle du jeu est-elle favorable au joueur ?  EXERCICE 2 Un pion se déplace par sauts successifs sur la droite  munie du repère (O;)

D : une composition florale prélevée au hasard est défectueuse P(D) = 0,025 On prélève au hasard 12 compositions florales (assimilé à un tirage avec remise) X est la variable aléatoire, qui, à tout prélèvement ainsi défini associe le nombre de compositions qui sont défectueuses. 1. On effectue un prélèvement 12 fois de suite, les épreuves sont indépendantes 2 à 2 et il y a 2 issues : La composition est défectueuse p = 0,025 ou elle ne l’est pas q = 0,975 Donc X suit la loi binomiale de paramètres

Nous pouvons accepter l’hypothèse du directeur car dans ce lot, la fréquence de plantes résistantes 0,88 appartient à l’intervalle de fluctuation. 2. On considère la variable aléatoire X qui, à tout prélèvement de 100 sachets, associe le nombre de sachets donnant des plantes résistantes. On admet que la variable aléatoire X suit la loi binomiale de paramètres n = 100 et p = 0, 92. Sciences et technologies de l’industrie et du développement durable Sciences et technologies de laboratoire spécialité

Statistiques inductives 1 Probabilité Probabilité d’un évènement A : fréquence d’obtention de A sur tous les évènements possibles à chance égale au cours d’une expérience aléatoire. Si on répète l’expérience aléatoire un grand nombre de fois, on obtient n(A) fois l’évènement A. on obtient la fréquence relative de A telle que . D’où : Propriétés : o o o o 0 < probabilité < 1 P (évènement certain) = 1 et P (évènement improbable) = 0 Additivité des probabilités pour 2 évènements exclusifs :

probabiliste et variable aléatoire I. Éléments de calcul des probabilités A. Notion de probabilité B. Probabilités conditionnelles TABLE DES MATIÈRES • V II. Variables aléatoires à une dimension A. Définitions 142 B. Loi de probabilité d’une variable aléatoire C. Loi d’une fonction de variable aléatoire Couple de variables aléatoires A. Fonction de répartition d’un couple aléatoire B. Loi d’un couple aléatoire discret C. Loi d’un couple de variables aléatoires continues 142 144 149

lorsque h tend vers 0 , o ( h ) est négligeable par rapport à h . EXEMPLES 2u2 - u3 = o ( u ) 1 - cos u = o ( u ) sin u ≠ o ( u ) 1.1.2. Espérances mathématiques conditionnelles Soit { B1 , B2 , . . .} une partition de l’univers et X une variable aléatoire discrète de distribution pn = p ( X = xn ) . alors d’après le théorème des probabilités composées on a p n = ∑ p( X = x n B k ) p( B k ) pour tout n ∈ N k De même si X est continue de densité f ( x ) on obtient  f ( x ) = ∑ f ( x B k ) p( B

égale d'être sélectionnée. 1 Les méthodes aléatoires (probabilistes) L'échantillonnage probabiliste entraîne la sélection d'un échantillon à partir d'une population, sélection qui repose sur le principe de la randomisation (la sélection au hasard ou aléatoire) ou la chance. Il est plus complexe, prend plus de temps et est habituellement plus coûteux que l'échantillonnage non probabiliste. 1. L’échantillonnage aléatoire simple Principe : Il consiste à choisir des