Probabilités élémentaires : P(AB) P(A) P(B) P(AB) si A et B compatible P(AB) P(A) P(B) si A et B incompatible ( AB ) P(A)1P(A) Probabilités conditionnelles : P(B A) P(B ) A P(A) P(A )P(A) B si A et B indépendants P(B) P(B ) A P(A) si B inclus dans A Variables aléatoires : Variables aléatoires discrète : fonction de répartition F(X)P(X x) p j fonction de répartition : lim F(x)0 espérance mathématique lim F(x)1 E(X) pi xi x x j x Variance V(X)E(X²)E²(X) n x i 1 Variables aléatoires continue fonction de répartition densité de probabilité f(x)F '(x) espérance mathématique b a Variance V(X) (xE(x))²f(x)dx x² P(a X b)F(b)F(a) P(a X b)F(b)F(a) f(x)dx E(X) xf(x)dx Opérations sur les variables aléatoires espérance mathématique E(X b)E(X)b E(aX)aE(X) E(X Y) E(X) E(Y) v.a. indépendantes ou non E(X Y) E(X)E(Y) v.a. indépendantes Variance var( X) 12 var( Xi) n var( X b)var( X) var( aX)a² var( X) var( X Y)var( X) var( Y)2cov( X,Y) X et Y indépendants var( X Y) var( X) var( Y) Covariance coefficient de corrélation : cov( X,Y) c x ² c X,Y) E[(X E(X))(Y E(Y))] E(XY) E(X)E(Y) cov( (aX) a (X) Lois usuelles Loi de Bernoulli : X= Loi Binomiale : 1 et P(X=1)=p 0 et P(X=0)=1-p P(xk)Cnk pk qnk Loi Hypergéométrique : Loi de Poisson : P(xk) e avec param. >0 k! nk k P(xk) Cn CnN k CN k Loi multinominale : P(N1n1,N2 n2,...,Nk1nk) p1n1 p2n2...pknk Lois continues : Loi uniforme (sur l’intervalle [a,b]) : f(x) 1 ba F(x) xa ba a E(x) b 2 (ba)² V(x) 12 Densité : Fonction de répartition Espérance Variance Loi normale ( de paramètre (m, ) ): f(x) 1 2 e (x m)² 2 2 E(x)m V(x) 2 Loi exponentielle : Densité f(x)=0 si x<0 f(x)= 1 e x sinon Fonction de répartition F(x)1ex si x>0 Espérance E(x) 1 Variance V(x) 1 ² Loi de X² : Si on a n variables aléatoires indépendantes et suivant la loi normale N(0,1). n X X i2 i 1 I. Convergences Convergence presque sure : Convergence en probabilité : 0 et wA P( X n(w) X(w) )0 P( X n X )1 0 lim n Convergence en loi : Loi des grands nombres : lim Fn(x)F(x) n Dans L1 : X n E(X n) Dans L2 : X n X Statistiques descriptives Moyenne empirique : n x 1 X i n i 1 Variation empirique : n 2 S 2 1 (xi2) x n i 1 Distribution empirique : n nk 1!Ck (xi) i 1 1!A (x) = 1 si x A 0 sinon Quantiles : Q(u) = inf {x , F(x) u } u ]0,1[ Estimation paramétrique Convergence d’un estimateur Tn : lim P(Tn )0 Erreur quadratique de Tn par rapport à : EQ[Tn, ] = E[(Tn-)²] Biais d’un estimateur : B(Tn, ) = E[Tn-] E[(Tn-)²] = Var(Tn) + B²(Tn, ) n Test d’hypothèses Test de Fischer : nx * S x2 2 T nx 1 x2 ny S y * ny 1 y2 Test de student : (X Y )(x y) T Sx2 * S y2 nx ny