Variable dépendante

sein d’un fluide 1. MARCHE ALEATOIRE DE BERNOULLI 1.1. MODELE PROBABILISTE 1.1.1. Marche aléatoire sur ℤ Préalable : Une variable aléatoire X prenant les deux valeurs 0 et 1 avec les probabilités respectives 1 − �� et �� suit la loi de Bernoulli de paramètre ��. Soient ��1 , … , ���� des variables aléatoires indépendantes de Bernoulli de paramètre commun ��. La variable aléatoire ���� = ��1 + ⋯ + ���� , représente le nombre de 1 obtenus parmi les ��1 , … , ���� ; elle suit la loi binomiale de

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

indépendants. Indication : On jette deux dés à 6 faces. Posons A l’événement «le résultat du premier dé est pair», B l’événement «le résultat du second dé est pair» et C l’événement «la somme des deux dés est paire». Voir alors si A ∩ C et B ∩ C sont dépendants ou indépendants.   IP(B) = 0, 95, IP(A/B) = 0, 96, . Alors IP(B c /A) est égale à 7. Soient A et B deux événements tels que  IP(Ac /B c ) = 0, 98 9 . 0, 2. 10 1. 0, 0011. 8. Soient X et Y deux VAR. Alors IE(X + Y ) = IE(X) + IE(Y

procède selon une méthode qui s’apparente à la démarche déductive. Connaissant la loi d’une variable ou d’un vecteur aléatoire, on sait calculer les valeurs exactes des paramètres qui la caractérisent, comme l’espérance ou la variance, et déterminer les lois de nouvelles variables ou vecteurs aléatoires fonction de la variable ou des vecteurs aléatoires donnés ainsi que les limites de suites de variables et de vecteurs aléatoires. La théorie statistique procède selon une démarche radicalement différente

également utile aux étudiants de mathématiques des premières années. Nous avons choisi de garder pour certains concepts le vocabulaire usuel même lorsqu’il n’est pas très bien choisi et représente un héritage malheureux des siècles précédents (la « variable » aléatoire !). En outre la terminologie n’est pas complètement fixée. Nous avons systématiquement indiqué les variantes les plus courantes. En tout état de cause, si l’utilisateur trouve insolite l’utilisation d’un mot dans tel ou tel manuel, il

données numériques relatives à tel ou tel phénomène aléatoire et d’exploiter cette information pour établir toutes relations de causalité par l’analyse et l’interprétation. Un phénomène aléatoire est un phénomène comportant des variables aléatoires, c’est à dire des variables liées au hasard et dont les valeurs ne peuvent en conséquence être connues d’avance. (Exemple : le nombre de points marqué par un dé) On distingue : • La statistique descriptive ou statistique de constatation, qui concerne les

Statistique Plan : Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4 : Dénombrement et analyse combinatoire : Calcul de probabilité : Variable aléatoire discrète : Loi de probabilité discrète Chapitre 1 : Analyse combinatoire et dénombrement I . Intuition On va travailler sur des ensembles mathématique ( a,b,c,d ) ; ( 1,2,3,4 ) on note souvent un ensemble , cet ensemble fini est composé de N élément, on dit alors que cardinal de (  ) = N ( nombre total d’élément dans l’ensemble  ). L’objectif

5. Devoirs Partie 1 Introduction et Modèle Statistique CHAPITRE 1 Introduction Considérons un problème de Fiabilité où l’on étudie la durée de vie X d’un matériel. Il est raisonnable d’admettre que celle-ci est aléatoire et X est alors une variable aléatoire (v.a.) de fonction de répartition (f.d.r.) F . Supposons que l’on soit précisément intéressé par l’évaluation de la probabilité que le matériel soit en marche après un temps t0 de fonctionnement, c’est à dire évaluer ¯ F (t0 ) = P (X >

P003-008R-9782100549412.fm Page III Jeudi, 18. novembre 2010 11:59 11 Table des matières Avant-propos IX 1. Distributions statistiques à un caractère © Dunod. La photocopie non autorisée est un délit. I. 1 Définitions 1 A. Population, individu, échantillon B. Variables 2 1 II. Représentations graphiques A. Distributions statistiqueset représentations graphiques B. Le diagramme « branche et feuille » 3 4 10 III. Les indicateurs statistiques A. Conditions de Yule B. Les indicateurs de tendance centrale et de

source separation, Invertible mixture, Blind parameter estimation, Interval analysis, Derivative of random signal, Separability, Blind identifiability Notations P(Ω) : ensemble des parties de l’ensemble Ω. R = R ∪ {−∞, +∞} . V : ensemble des variables aléatoires. RR : ensemble des signaux déterministes défini sur R à valeur dans R. S : ensemble des signaux aléatoires. S : ensemble des signaux aléatoires stationnaires, ergodiques et lisses. n I n (ou Is ) : ensemble des n signaux aléatoires