slide1
Download
Skip this Video
Download Presentation
Introduction aux Statistiques Variables aléatoires

Loading in 2 Seconds...

play fullscreen
1 / 43

Introduction aux Statistiques Variables aléatoires - PowerPoint PPT Presentation


  • 56 Views
  • Uploaded on

Introduction aux Statistiques Variables aléatoires. L1 STE. Variables aléatoires discrètes Loi de probabilité Fonction de répartition Espérance Variance Variables aléatoires continues Fonction de répartition Fonction de densité Espérance Variance. Plan. Variable aléatoire discrète

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Introduction aux Statistiques Variables aléatoires' - moses


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1
Introduction aux

Statistiques

Variables aléatoires

L1 STE

slide2
Variables aléatoires discrètes

Loi de probabilité

Fonction de répartition

Espérance

Variance

Variables aléatoires continues

Fonction de répartition

Fonction de densité

Espérance

Variance

Plan

slide3
Variable aléatoire discrète

Un petit jeu de dés

P(X = 1) = 1/6

P(X = -10) = 5/6

pas très favorable à vue de nez…

Variables aléatoires discrètes

slide4
Variables aléatoires discrètes

Loi de probabilité

La loi de probabilité (ou distribution ou fonction de densité) décrit les répartitions des fréquences d’apparition des résultats d’une expérience aléatoire.

Fonction de répartition

La fonction de répartition correspond à la distribution cumulée que nous avions dans le cours sur les représentation graphique des données.

slide5
Variables aléatoires discrètes

Espérance

L’espérance, notée E(x) correspond à une moyenne pondérée:

Variance, V(X)

Il s’agit de rappels. Si cela n’est pas clair, les TD vont préciser les choses.

slide6
Variables aléatoires continues

Fonction de répartition

C’est la même chose que pour les variables aléatoires discrètes, excepté que x appartient à R cette fois.

Propriétés intéressantes…

slide7
Variables aléatoires continues

Fonction de densité

C’est la même chose que pour les variables aléatoires discrètes, excepté que x appartient à R. Il s’agit de f(x) dans la formule précédente.

Propriétés intéressantes…

slide8
Variables aléatoires continues

Espérance

En suivant exactement la même construction que pour les variables aléatoires discrètes, on définit l’espérance:

Variance, V(X):

Idem pour la variance

8

slide9
En résumé

Une fonction de répartition d’une variable aléatoire x est une fonction F(x) qui, pour tout x, indique la probabilité pour que x soit inférieur ou égal à x1.

Variable continue (sigmoïde

pour La loi normale)

Variable discrète (escalier)

slide10
Introduction aux

Statistiques

Lois classiques

L1 STE

slide11
Lois discrètes

Loi binomiale

Loi de Poisson

Loi continue

Loi normale

Plan

slide12
La loi binomiale: B(n,p)

La loi binomiale:

C’est une distribution discontinue qui donne les probabilités de voir apparaître un événement de probabilité p respectivement 0,1,2,3,…n fois au cours de n épreuves.

Seulement deux évènements peuvent apparaître.

B(n,p) : n est le nombre d’épreuves, p est la probabilité d’un des deux évènements (p.e. succès), q est la probabilité complémentaire (p.e. échec).

slide13
La loi binomiale: B(n,p)

La probabilité de voir apparaître x fois le même événement de probabilité p au cours de n épreuves indépendantes peut s’écrire:

slide14
La loi binomiale: B(n,p)

Exemple:

Une famille de n enfants, quelle est la probabilité d’avoir x garçons?

B(2,0.5)?

B(7,0.5)?

slide15
La loi binomiale: B(n,p)

Avec n=2: B(2,0.5)

x P(x)

0 0.25

1 0.5

2 0.25

slide17
La loi binomiale: B(n,p)

Des rats sont conditionnés. Un passage a 25% d’être emprunté. 5 essais...

B(5,0.25)???

slide18
La loi binomiale: B(n,p)

Dissymétrique!!!!

slide19
La loi binomiale: B(n,p)

Espérance mathématique

Pour la loi binomiale:

Exemple:

Quelle est l’espérance mathématique du nombre de garçons dans une famille de 7 enfants?

slide20
La loi binomiale: B(n,p)

Pour une distribution binomiale:

Exemple:

Quelle est la variance du nombre de garçons dans une famille de 7 enfants?

slide21
La loi de Poisson: P(m)

La loi de Poisson: distribution théorique discontinue qui dérive de la loi binomiale.

Une des éventualités a une probabilité très faible.

Surtout utilisé lorsqu’on compte des individus ou des évènements distribués au hasard dans le temps ou dans l’espace.

Loi binomiale tend vers Poisson si p diminue et n augmente. En pratique un événement est rare si p<0.05. L’approximation est satisfaisante si n>50.

slide22
La loi de Poisson: P(m)

Poisson démontre que :

Tend vers:

Avantage: un seul paramètre(m)

slide23
La loi de Poisson: P(m)

Un exemple…

Recherche de monnaies au détecteur de métaux. 48 monnaies sont trouvées sur 89 jours.

slide24
La loi de Poisson: P(m)

Nombre moyen de monnaies trouvées par jour : 48/89 = 0.539.

Probabilité pour qu’une trouvaille se produise le jour J :

p= 1/89 = 0.011.

Nombre d’épreuves = 89

s2= m = 0.539

slide26
La loi de Poisson: P(m)

Espérance mathématique: m = np

La variance : s2 = npq; en fait s2 -> m

slide27
La loi normale: N(m,s)

Précurseurs : de Moivre (1733), forme actuelle : Laplace (1712), Gauss (1809)

La variable x peut être continue, sans borne inf ou sup.

slide28
La loi normale: N(m,s)

Espérance : E(x) = m

Variance : Var(x) = s2

Symétrique par rapport à m

slide29
La loi normale: N(m,s)

Loi normale centrée réduite: moyenne = 0, écart type = 1.

1ere transformation : X = x - m

2eme transformation : Z=X/s

slide31
La loi normale: N(m,s)

On retire la moyenne (on centre sur 0)

slide32
La loi normale: N(m,s)

On divise par l’écart type (Nouvel écart type = 1)

slide33
La loi normale: N(m,s)

L’aire totale comprise entre la courbe et l’axe des abscisses est égale à 1.

slide35
La loi normale: N(m,s)

Fonction de densité et fonction de répartition

slide40
La loi normale: N(m,s)

Exemple: N(5,0.5), P(4 < x < 6.5)?

P (-2 < Z < 3)?

Réponse : calcul de P(0 < Z < 3) et de P(-2 < Z < 0) et addition des deux termes.

P(0 < Z < 3) = F(3) - F(0) = 0.999 - 0.5 = 0.499

P(-2 < Z < 0) = F(2) - F(0) = 0.977 - 0.5 = 0.477

P(-2 < Z < 3) = 0.499 + 0.477 = 0.976

slide41
La loi normale: N(m,s)

Caractéristiques de la courbenormale

  • f(Z) devient de + en + faible quand Z croit en valeur absolue.
  • f(Z) toujours > 0.
  • Courbe symétrique : f(Z) = f(-Z)
  • Asymptote sur l’axe des x: exp(-z2/2) ->0 quand Z -> infini
  • La dérivée s’annule pour Z=0. Maximum à Z=0
slide42
La loi normale: N(m,s)

Espérance : E(x) = m

Variance : Var(x) = s2

Symétrique par rapport à m

slide43
La loi normale: N(m,s)

Pour une variable continue, la probabilité de tomber exactement sur une valeur est nulle.

Qui mesure exactement 1,758942563 m?

On considère la toujours la probabilité pour que x soit contenue dans un intervalle (P(x1 x  x2))

ad