Suite aléatoire

usuelles 1 Variables aléatoires Soit Ω l’univers d’une expérience aléatoire muni de la probabilité P . Définition 1.1 (Variable aléatoire) Une variable aléatoire définie sur Ω associe à chaque issue, une valeur numérique. Les variables aléatoires que nous étudierons sont des applications (des fonctions) de Ω dans R. Par exemple, au jeu de pile ou face, on peut décider qu’obtenir pile rapporte 1 e, alors qu’obtenir face fait perdre 1 e. On définit alors la variable aléatoire X par : X(pile) = 1 et

ni ε est l’erreur aléatoire, inconnue et centrée. Les variables Y, X1,X2,…,Xk et ε sont des vecteurs de n composantes. FP  x11     x 21   M  X 1 =  ; LLL;  xi1   M    x   n1   x1k     x2 k   M  ; Xk =   xik   M    x   nk   ε1    ε 2   M  ε =  εi   M    ε   n tou Te  y1     y2   M  Y =  ;  yi   M    y   n Le vecteur aléatoire Y est connu. Les vecteurs X1,X2,…,Xk sont connus et non aléatoires.  x1k   ε 1 

Exercices - Variables aléatoires discrètes : corrigé Variables discrètes finies - Exercices pratiques Exercice 1 - Loi d’un dé truqué - L2/ECS 1. X prend ses valeurs dans {1, . . . , 6}. Par hypothèse, il existe un réel a tel que P (X = k) = ka. Maintenant, puisque PX est une loi de probabilité, on a : 6 P (X = k) = 1 ⇐⇒ a k=1 6×7 = 1 =⇒ a = 1/21. 2 On a donc : k P (X = k) 1 2 3 4 5 6 1 21 2 21 3 21 4 21 5 21 6 21 On vérifie aisément en

variable aléatoire X dont on connaît l'espérance (ou la moyenne) m et l'écart-type s. Population Moyenne m connue. Ecart-type s connu. m Echantillons de taille n { m1 m2 m3 m4 m5 ... mi 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 qui,

(y − 1)2 = 2 c. (x − 1)2 + (y + 1)2 = 4 d. y = x + 3−1 2 3. On considère la suite de nombres complexes (Z n ) définie pour tout entier naturel n par Z 0 = 1 + i et Z n+1 = 1+i Z n . On note Mn le point du plan d’affixe 2 Zn . a. Pour tout entier naturel n, le point Mn appartient au cercle de centre O et de rayon 2. b. Pour tout entier naturel n, le triangle OMn Mn+1 est équilatéral. c. La suite (U n ) définie par U n = |Z n | est convergente. Z n+1 − Z n est π . d. Pour tout entier

d’étendre la notion de relation fonctionnelle répétable, à celle de corrélation où la relation entre x et y est entachée d’une certaine dispersion due à la 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

CHAPITRE 3 PROBABILITÉS ET STATISTIQUES 1 Rappels sur les probabilités et conditionnement 1. Rappels sur l’équiprobabilité G Le résultat d’une expérience aléatoire est une issue ou une éventualité. L’ensemble de ces issues est E. événement est une partie de E. événement A et B sont disjoints ou incompatibles si A B ≠ ∅ et A B = ∅. B = E. On G Un G Les G Les événements A et B sont contraires si A note B = A . G L’univers E est probabilisé si à chaque événement élémentaire {x} on associe

3) A et B sont deux événements indépendants de  Ω  si p( A ∩ B ) = p(A).p(B)  Variable aléatoire   ( Ω , P   ( Ω ),p) est un espace probabilisé fini  Soit X une variable aléatoire définie sur  Ω   On note X( Ω ) L’ensemble image de  Ω par X   { } X( Ω ) =   x1 , x 2 , x 3 ,..., x p −1 , x p  ;  p ∈ ∗   On appelle loi de probabilité de X l’application  p X : Ω → [ 0, 1] x → p(X=x i )       Conséquence  Si X une variable aléatoire définie sur  Ω  tel que   { } X( Ω ) =   x1 , x 2 , x 3 ,..., x p −1

Tirage 4 : 0.36, 0.5, 1.5, 0.19, 0.3, 0.23, 0.5, 0.56, 0.27, 0.98 -> moyenne : 0.54 Les échantillons obtenus par tirage aléatoire simple étant très petits, le hasard peut donner des estimations très différentes les unes des autres et parfois très éloignées du résultats réel, même lorsqu’une seule valeur diffère. On parlera de variance élevée (cf chapitre sur l’échantillonnage aléatoire simple). Ce phénomène de variabilité est beaucoup moins important pour des échantillons de grande taille. Une autre

utilisant la calculatrice (Menu STAT, CALC, REG) Cov( x; y ) , et qui V ( x) 2 ∑ ( y − ( ax i =1 i i =n i + b)) . Page 1/7 jgcuaz@hotmail.com 3) Probabilités L’univers Ω est l’ensemble des résultats possibles d’une expérience aléatoire. Un événement A est une partie de Ω Pour tout événement A, 0 ≤ p ( A ) ≤ 1 . p ( ∅ ) = 0 (événement impossible) et p ( Ω ) = 1 (événement certain) La somme des probabilités des événements élémentaires vaut 1 La probabilité d’un événement est égale