slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Statistique et probabilités PowerPoint Presentation
Download Presentation
Statistique et probabilités

Loading in 2 Seconds...

play fullscreen
1 / 54

Statistique et probabilités - PowerPoint PPT Presentation


  • 89 Views
  • Uploaded on

Statistique et probabilités. En classe de seconde. échantillon : liste de résultats de n expériences identiques et indépendantes. . distribution des fréquences associée à un échantillon : liste des fréquences des différentes issues de cette expérience.

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

Statistique et probabilités


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
slide3

échantillon : liste de résultats de n expériences identiques et indépendantes.

distribution des fréquences associée à un échantillon : liste des fréquences des différentes issues de cette expérience.

fluctuation d’échantillonnage : les distributions des fréquences varient d’un échantillon à l’autre d’une même expérience.

L’ampleur des fluctuations des distributions de fréquences calculées sur des échantillons de taille n diminue lorsque n augmente.

slide4

Simulation

Simuler une expérience, c’est choisir un modèle de cette expérience puis simuler ce modèle, pour produire une liste de résultats assimilable à un échantillonde cette expérience.

La simulation permet de disposer d’échantillons de grande taille et d’observer des phénomènes

appelant une explication dans le champ des mathématiques.

slide5

En 1ère L :

enseignement obligatoire au choix

slide6

Expérience aléatoire

  • Eventualités
  • Evénements
  • Loi de probabilité
  • Probabilité d’un événement,
  • de l’événement contraire.

P(AB) + P(AB) = P(A) + P(B)

  • Equiprobabilité
slide7

La simulation de l’expérience et le phénomène de stabilisation des fréquences observées lorsque le nombre d’épreuves augmente, permet de postuler l’existence d’un modèle probabiliste, caractérisé par une loi de probabilité.

slide8

Enoncé vulgarisé de la loi des grands nombres

Pour uneexpérience aléatoiredonnée, dans le modèle défini par uneloi de probabilité P, les distributions de fréquences obtenues sur des séries de taille n sont très proches de P quand n est grand.

slide9

En Terminale L :

enseignement de spécialité

slide10

Probabilités

  • Arbres pondérés
  • Conditionnement par un événement de probabilité non nulle
  • Indépendance de deux événements
  • Formule des probabilités totales
  • Epreuve de Bernoulli et loi binomiale
slide11

Tableaux et arbres

Différentes représentations pour un même ensemble

slide12

Une enquête de marketing portant sur le choix entre deux abonnements A et B lors de l’achat d’un téléphone portable et le statut de l’acheteur (salarié ou non salarié) a conduit au recueil des données de 9321 nouveaux acheteurs, consignées dans le tableau suivant:

slide15

S

A

NS

S

B

NS

4 956

6 818

1 862

1 835

2 503

668

slide16

A

S

B

A

NS

B

4 956

6 791

1 835

1 862

2 530

668

slide17

Chaque représentation (tableau ou arbre) contient toute l’information et permet de reconstituer n’importe laquelle des autres

slide19

Notations : f(A)= 0,728

f (S) = 0,272

f(Aet S) = 0,531 etc……

slide20

Notations : f A (S) = 0,727

f A (NS) = 0,273 etc……

slide21

Notations : f S (A) = 0,729

f NS (A) = 0,736 etc……

slide23

S

fA(S)

A

f (A)

fA(NS)

NS

S

fB(S)

f (B)

B

fB(NS)

NS

f (A) fA(S) =f (AS)

slide24

A

f (S) fS (A) =f (AS)

fS(A)

S

f (S)

B

fS(B)

A

fNS(A)

f (NS)

NS

fNS(B)

B

slide26

S

P (A ) PA (S ) =P (AS )

PA(S)

A

P(A)

PA(NS)

NS

S

PB(S)

P(B)

B

PB(NS)

NS

Arbre pondéré

slide28

Dans l’exemple étudié,

fA (S) = 0,726

f(S) = 0,728

fA(S)f(S)

Existence d’un lien de causalité ?

slide29

Dans une urne il y a des pièces indiscernables au toucher, de 1 ou 2 euros (E1 ou E2), 30 sont françaises, 70 non françaises (F ou NF).

Il y a 60 pièces de 1 euro, dont k sont françaises, et 40 pièces de 2 euros, dont 30 – k sont françaises.

On choisit une pièce au hasard.

Est-il possible que le fait de savoir que la pièce extraite est une pièce de 1 euro, ne modifie pas la probabilité que la pièce extraite soit française ?

slide31

F

E1

0,6

NF

F

0,4

E2

NF

slide32

Lorsquek = 18, savoir qu’il s’agit d’une pièce de 1 euro ne modifie pas la probabilité qu’elle soit française.

slide34

La notion d’indépendance entre deux événements est une propriété numérique à l’intérieur du modèle probabiliste.

slide35

Dans l’exemple précédent, supposons que le nombre total de pièces soit K.

n1 : nombre de pièces de 1 euro,

nF: nombre de pièces françaises

nF,1: nombre de pièces françaises de 1 euro

slide36

Lorsque K est un nombre premier,

  • (par exemple K = 101 au lieu de K = 100)
  • si KnF,1 =nFn1, alors
    • soitnF = K (toutes les pièces sont françaises)
    • soit n1 = K (toutes les pièces sont de 1 euro)
slide39

Statistique

Adéquation d’une série de données à une loi équirépartie

slide40

En 1ère L

L’équiprobabilité : une hypothèse parmi d’autres pour proposer un modèle

Modèles issus d’une observation expérimentale

slide41

Objectif:

sensibiliser les élèves au problème de la validation d’un modèle

slide42

Exemple :

lancé d’un dé à 6 faces.

Les résultats obtenus dans des conditions normales d’utilisation de ce dé sont-ils compatibles avec le modèle d’équiprobabilité sur l’ensemble {1, 2, 3, 4, 5, 6} ?

slide43

On lance n fois de suite ce dé.

On dispose d’un échantillon de taille n de cette épreuve aléatoire.

Cet échantillon peut-il être considéré comme un échantillon de taille nde la loi équirépartie sur l’ensemble {1, 2, 3, 4, 5, 6} ?

slide44

Critère de compatibilité entre une distribution de fréquences et la loi équirépartie.

Distance entre une distribution de fréquences {f1, f2, .., f6} et la loi équirépartie sur {1, 2, .., 6}

Les données seront considérées comme incompatibles avec la loi équirépartie si d obs2 est supérieur à une valeur seuil à définir.

slide45

d 2est soumiseàla fluctuation d’échantillonnage

On simule N échantillons de n tirages équiprobables dans {1, 2, 3, 4, 5, 6}.

Série de N valeurs de d 2 dans le modèle équiréparti.

slide46

Le 9ème décile de cette série, noté D9 : la plus petite valeur de la série telle que au moins 90% des valeurs soient dans l’intervalle [0; D9]

Prendre D9 comme seuil de compatibilité c’est adopter la règle de décision :

  • si dobs2 > D9 : refuser l’hypothèse d’équiprobabilité
  • si dobs2 D9 : ne pas refuser l’hypothèse d’équiprobabilité
slide47

En fait, la seule décision qu’on puisse prendre c’est de refuser l’hypothèse d’équiprobabilité.

Ne pas la refuser ne revient pas à la valider.

Le risque d’erreur vient de ce que dobs2 peut être supérieur à D9 même si le dé est équilibré. (fluctuation d’échantillonnage)

slide48

Les données simulées qui aboutissent à ce seuil de décision indiquent que cette situation se produit dans 10% des échantillons d’une loi équirépartie.

la marge d’erreur est 10%.

slide49

Prendre le 19ème vingtile, noté V19 (la plus petite valeur de la série telle que au moins 95% des valeurs soient dans l’intervalle [0; V19]) comme seuil décisionnel conduit au risque d’erreur de 5%.

Prendre le 99ème centile comme seuil décisionnel conduit au risque d’erreur de 1%.

Abaisser le seuil de risque revient à relever le seuil entre petites et grandes valeurs de d² .

On peut être amené à refuser l’hypothèse d’équiprobabilité au seuil de 10% et à ne pas la refuser au seuil de 5% ou de 1%.

slide51

D9

V19

slide52

Dans ce cas, au vu des résultats expérimentaux, et en appliquant la règle décisionnelle choisie :

    • au seuil de risque de 10% , l’hypothèse d’équiprobabilité doit être refusée;
    • au seuil de risque de 5%, on peut la maintenir. Elle n’est pas, pour autant, validée.
slide54

f (A et S) = y

f (A) = x

f (B) = 1- x

f (B et S) = 0,728 - y

0,728 – y = (1-x)0,733

y=x0,727

et