Variable

Il est facile de représenter graphiquement la répartition des observations suivant une variable qualitative, ordinale ou quantitative codée par valeurs entières. Il existe de nombreuses méthodes, disponibles sur la plupart des tableurs comme Excel, et les erreurs sont dues fréquemment à des choix malheureux. 1.1 Généralités. Diagrammes de base. Dans le cas général des données qualitatives, la variable qualitative est constituée de « modalités » dont le codage peut être effectué par des caractères

binomiale de paramètres (n, p), alors : E[X] = np & Var(X) = np(1 − p) = npq. Autrement dit, la somme de 2 variables binomiales indépendantes et de même paramètre p suit elle aussi une loi binomiale de paramètre p (voir le corrigé de l’exercice 2.9). Le lien Bernoulli-Binomiale rend ces formules élémentaires : l’espérance est linéaire dans tous les cas et la variance l’est ici puisque les variables X1 , . . . , Xn sont indépendantes. La propriété suivante découle d’ailleurs du même raisonnement : 

Gt = dépenses publiques (la consommation finale de l’administration publique); ut = variable aléatoire; a1, b1, b2 = les paramètres du modèle économétrique qui seront estimés. Le passage de la forme structurelle à la forme réduite suppose l’obtention d’un nouveau modèle dans lequel les variables endogènes sont exprimées (dépendent) seulement en fonction des variables exogènes. Par simples opérations algébriques effectuées sur les équations (1), (2) et (3) du modèle

de base . . . . . . . . . . . . . . 2.5.2 Interprétations . . . . . . . . . . . . . . . 2.5.3 Critère d’optimalité . . . . . . . . . . . . 2.5.4 Adaptation à d’autres formes de modèles 2.5.5 Obtention d’une base admissible initiale . 2.5.6 Variables à valeurs quelconques . . . . . . 2.6 Dualité . . . . . . . . . . . . . . . . . . . . . . . 2.6.1 Motivation . . . . . . . . . . . . . . . . . 2.6.2 Analyse de sensibilité . . . . . . . . . . . 2.7 Notes . . . . . . . . . . . . . . . . . . .

part, grâce à leurs structures graphiques, les RBs offrent un outil naturel pour représenter les dépendances entre les différentes variables d’un système donné. D’autre part, en exploitant les indépendances conditionnelles entre les variables, ils introduisent une certaine modularité dans les systèmes complexes. Nous modélisons les dépendances entre les nœuds (variables aléatoires) en créant des interactions entre deux réseaux : un HMM-horizontal et un HMM-vertical. Le réseau HMMvertical (resp. HMM-horizontal)

........................................................................................................................... 1 Introduction Un phénomène biologique sera entièrement déterminé si l’on connaît la loi de probabilité suivie par la variable aléatoire donnée dans la population. On a alors deux cas de figure : soit la loi de probabilité suivie par X est connue a priori et on vérifie a posteriori que les observations faites à partir d’un échantillon sont en accord avec elle. C’est le cas

mathématique composé d’une relation d’égalité (vraie ou fausse) comportant au moins une variable. Il existe trois formes pour représenter l’équation d’une même droite. o fonction sous la forme fonctionnelle o fonction sous la forme générale o fonction sous la forme symétrique L’équation d’une droite sous la forme FONCTIONNELLE f(x) = ax + b x représentent la variable indépendante de la fonction linéaire f(x) représentent la variable dépendante de la fonction linéaire y −y a est un paramètre qui représente le

Ai se réalise si C se réalise. ( ) ( ∑ ( ) ( ) ) ( ) II – Variables aléatoires Il y a une infinité de variables aléatoire, il faut toujours la définir. Chaque variable aléatoire est caractérisée par l’ensemble des valeurs réalisables : Ω   Variables aléatoires discrète : ensemble des variables aléatoires finis dénombrables et infini indénombrable. Variable aléatoire continue : ensemble des variables sur un intervalle A – Variables aléatoires discrètes Les valeurs varient s’une manière discontinue

probabilité de 0,2 - 4 buts avec une probabilité de 0,5 - 3 buts avec une probabilité de 0,3. Chaque joueur, à l'entraînement, tire 2 séries de 5 ballons. On admet que les résultats d'un joueur à chacune des 2 séries sont indépendants. Soit X la variable aléatoire égale au nombre de tirs aux buts réussis par un joueur au cours d'un entraînement. I. a. Calculez la probabilité, pour un joueur pris au hasard, de réussir tous ses tirs au but lors d'un entraînement. b. Précisez les valeurs possibles pour

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