Variable indépendante

Variables Aléatoires Discrètes Issam Elhattab École Nationale de Commerce et de Gestion - Casablanca Université Hassan II - Mohammedia 2011 - 2012 I. Elhattab (ENCG) Variables Discrètes 2011 - 2012 1 / 27 Sommaire 1 Définition de variable aléatoire (v.a.) 2 Loi d’une v.a. discrète 3 Fonction de répartition 4 Moments d’une v.a. discrète 5 Quelques lois usuelles discrètes I. Elhattab (ENCG) Variables Discrètes 2011 - 2012 2 / 27 Définition

. . . 22 6 Les variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 6.1 Dénition d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Probabilité d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Les diérents types de variables aléatoire . . . . . . . .

nombre de variables indépendantes, ne semble plus adéquat lorsque des événements rares ou extrêmes deviennent normes, comme lors de la crise des Subprimes. A ce titre, la Value-at-Risk, qui peut se définir comme le quantile déterminant la plus grande perte que peut subir un portefeuille avec une probabilité d'occurrence déterminé, permet de mesurer ce risque extrême. La théorie des valeurs extrêmes (TVE), étudiée dans le cadre de la recherche d'évènements rares d'une suite de variable s aléatoires

autre événement est déjà réalisé. Cette probabilité est notée P(A/B) et se lit « probabilité de A sachant B réalisé. » Dans le cas des probabilités conditionnelles, deux types d’événements s’opposent : Les événements indépendants Les événements dépendants Les événements indépendants ne sont pas concernés directement par la formulation des probabilités conditionnelles puisque la réalisation de l’un n’a pas d’effets sur la réalisation de l’autre : la réalisation de l’événement A est identique quelle

valeurs dans (E , β), le terme Ω, F, P, (Xt )t∈T constitué par (Ω, F, P) qui est un espace de probabilité et d’une famille (Xt )t∈T de variables aléatoires définies sur (Ω, F, P) à valeurs (E , B). L’espace (Ω, F, P) est appelé espace de base et (E , B) est dit espace de phase ou espace des états du processus. Exemple 1.1: On considère N lancers indépendants d’un dé à six faces non pipé. On souhaite modéliser le résultat global de l’expérience par un processus stochastique. - T = {1, · · ·

Analyse en composantes principales Rappel théorique L'analyse en composantes principales (ACP) est une technique multivariée dite d’interdépendance, car il n’y a pas de variable dépendante ou indépendante d’identifiée au préalable. Une autre caractéristique importante de l'ACP est qu’il n’y a pas d’hypothèse nulle à tester ou à vérifier. Les techniques d’analyse factorielle, telles que l'ACP, visent trois objectifs principaux: Étape 1: Déterminer l’approche selon le type de problème

arrivés prennent leur vol et les autres sont dédommagés financièrement. On considère que les passagers sont mutuellement indépendants et on évalue la probabilité de désistement de chacun d’eux à 0.1. On note n le nombre de réservations prises par la compagnie pour un vol donné et sn le nombre de passagers se présentant à l’embarquement pour ce vol. On appelle Sn la variable aléatoire modélisant les valeurs sn. On se propose de chercher la valeur maximale de n telle que : P(Sn 150) 0,99, de

Echantillonnage Module 1 – Variables et lois d’échantillonnage Introduction générale La notion de base en statistique est celle de population : ensemble d’individus (ou objets ou unités statistiques) pouvant être décrits par un ensemble de variables (ou propriétés ou caractéristiques) communes. La variabilité d’une population signifie que les variables décrivant les individus peuvent prendre des valeurs différentes d’un individu à l’autre. L’analyse statistique est l’étude de cette variabilité

Markov I Définition 9.1 Une chaîne de Markov est une suite de variables aléatoires (Xn , n ∈ N) qui permet de modéliser l’évolution dynamique d’un système aléatoire : Xn représente l’état du système à l’instant n. Propriété de Markov Propriété 9.2 L’évolution future du système ne dépend du passé qu’à travers de sa valeur actuelle. Autrement dit, conditionnement à Xn , (X0 , . . . , Xn ) et (Xn+k , k ∈ N) sont indépendantes. Les applications des chaînes de Markov sont très nombreuses :

téléphoniques, grandes surfaces, revendeurs indépendants. 4ou 5 parties : 1. Notoriété et image de marque 2. Attentes produits et services 3. Méthode : Utiliser la méthode Kano Minimum 30 réponses sérieuses. Thèmes a aborder, focus group, Les methodes combinées On cherche a minimiser le couts alors on tente de reduire le taille de l’échantillon. En mkg b to b , on travaille sur la méthode des fractions sondée variables. On introduit dans les resultats une pondération