Prof : Boufares Amor Cours de probabilits 4
me
anne secondaire
Thmes Dfinitions Proprits
p-uplet
Un p-uplet dlments dun ensemble E
est un lment du produit cartsien
fois p
E .... E E
Le nombre des p-uplets dun ensemble n
lments est
p
n
Arrangement
Un arrangement de p lments dun
ensemble E est un p-uplet dlments
distincts de E
Le nombre darrangements de p lments dun
ensemble E n lments est
p)! - (n
n!
A
p
n
=
Permutation
Une permutation dun ensemble E de
cardinal n est un arrangement de n
lments de E
Le nombre de permutations dun ensemble E de
cardinal n est n!
Combinaison
Une combinaison de p lments dun
ensemble E est une partie de E
contenant p lments
Le nombre de combinaisons de p lments dun
ensemble E n lments est
p)! - (n p!
n!
C
p
n
=
Cardinal
Cest le nombre dlments dun
ensemble fini E on le note card(E)
Pour tous ensembles finis E et F on a :
*card(EF) =card(E)card(F)
*card(EF) =card(E) +card(F) card(EF)
Probabilit sur un
ensemble fini
Cest lapplication :
p(A) A
[0,1] ) P( : p
O
vrifiant les proprits
suivantes :
* p () =1
* p () =0
* Si A ={ }
n 2 1
a ,..., a , a alors
p (A) =
=
n
1 k
k
) p(a
Pou trous vnements A et B on a :
* p(A) - 1 ) A p( =
* B) p(A - p(B) p(A) B) p(A + =
Probabilit
uniforme
Lorsquil y a quiprobabilit on a pour
tout vnement A, p (A) =
possibles cas de Nbre
favorables cas de Nbre
univers) card(l'
card(A)
=
Probabilit
B-conditionnelle
Cest lapplication
p(B)
B) p(A
A) ( p A
[0,1] ) P( : p
B
B
=
O
o B est
un vnement tel que p (B) 0
p(A/B) note se A) ( p
B
et se lit
La probabilit de A sachant que B est
ralis
Pour tous vnements A et C on a :
* 1 /B) p( = O
* p(/B) =0
* p(A/B) - 1 ) B / A p( =
* C)/B] p[(A - p(C/B) p(A/B) C)/B] p[(A + =
Pour tout systme complet dvnements
n 2 1
A ,..., A , A et pour tout vnement A on a le
principe des probabilits totales suivant :
p(A) =
=
n
1 k
k k
) p(A/A ) p(A
Ala-numrique
Cest une application X de lunivers
valeurs dans R
X () est lunivers image
Soit x un rel
(X =x) ={ } x ) X( que tel = O e
(X x) = { } x ) X( que tel s O e
Loi de probabilit
dun
ala- numrique X
Cest lapplication
x) p(X x
[0,1] ) X( : p
X
=
O
Si X() = { }
n 2 1
x ,..., x , x alors
=
= =
n
1 k
k
1 ) x p(X
Page 1 sur 3
Esprance dun
ala-numrique X
Cest le rel not E(X) et est dfini par
E(X) =
=
=
n
1 k
k k
) x p(X x
o { }
n 2 1
x ,..., x , x ) X( = O
Pour tous ala- numriques X et Y et pour tout
rel a on a
* E(X +Y) =E(X) +E(Y)
* E(aX) =aE(X)
Variance dun ala
numrique X
Cest le rel not V(X) et est dfini par
V(X) =E[ (X - E(X))]
=E(X) - [E(X)]
V(X) = | |
=
=
n
1 k
2
k
2
n
E(X) - ) x p(X ) x (
o { }
n 2 1
x ,..., x , x ) X( = O
Ecartt-type dun
ala -numrique X
Cest le rel not
V(X) (X) par dfini est et X) ( = o o
Fonction de
rpartition dun
ala-numrique X
Cest la fonction
x) p(X x
[0,1] R : F
s
Si { }
n 2 1
x ,..., x , x ) X( = O alors
F(x) =
>
< s =
< s =
<
+
=
n
1 k k
k
1 i
i
2 1 1
1
x x si 1
.......... .......... .......... ..........
x x x si ) x p(X
........ .......... .......... ..........
x x x si ) x p(X
x x si 0
de plus ) x p(X ) F(x - ) F(x
1 k k 1 k + +
= =
Loi binomiale
dune variable
alatoire X
Au cours de n preuves de Bernoulli
identiques et indpendantes la
probabilit davoir k succs est donne
par la loi binomiale
p(X =k) =
k - n k k
n
p) - 1 ( p C o p est la
probabilit du succs
On dit que X suit la loi binomiale B(n,p)
E(X) =np
V(X) =np(1 - p)
p) - np(1 X) ( = o
Loi uniforme
La loi de probabilit uniforme sur un
intervalle [a, b] est lapplication p qui
chaque intervalle [c, d] contenu dans
[a, b] associe le rel p([c, d]) =
}
d
c
f(x)dx
o f est la densit de probabilit de p
dfinie sur R par
f(x) =
>
e
<
b x si 0
b] [a, x si
a - b
1
a x si 0
* Pour tout rel c de [a, b] on a p(c) =0
* Une variable alatoire X valeurs dans
[a, b] suit la loi de probabilit uniforme p si
pour tout intervalle [c, d] contenu dans [a, b]
on a p(c X d) =
a - b
c - d
* La fonction de rpartition F dune variable
alatoire X qui suit la loi de probabilit
uniforme p sur [a, b] est dfinie sur R par
F(x) =
>
e
<
b x si 1
b] [a, x si
a - b
a - x
a x si 0
* Soit X une variable alatoire qui suit une
loi de probabilit uniforme sur lintervalle
[a, b] alors :
E(X) =
12
a) - (b
V(X) et
2
b a
=
+
Page 2 sur 3
Loi exponentielle
La loi de probabilit exponentielle de
paramtreest lapplication p dfinie
sur [0, + [par :
* pour tout intervalle [c, d] contenu dans
[0, + [, p([c, d]) =
}
d
c
x -
dx e
* pour tout rel c de [0, + [,
p([c, + [) =
c -
e
La fonction f dfinie sur R par
f(x) =
>
<
0 x si e
0 x si 0
x -
est la densit
de probabilit de la loi exponentielle
* Pour tout rel c de [0, + [, p(c) =0
* Une variable alatoire X suit la loi de
probabilit exponentielle de paramtre p si
pour tout intervalle [c, d] contenu dans [0, +[
on a p(c X d) =
d - c
e - e
et
p(X c) =
c -
e
* La fonction de rpartition F dune variable
alatoire X qui suit la loi de probabilit
exponentielle p de paramtre est dfinie sur
R par F(x) =
+ e
<
[ [0, x si e - 1
0 x si 0
x -
* Soit X une variable alatoire qui suit une loi
de probabilit exponentielle de paramtre
>0 alors :
E(X) =
1
V(X) et
1
Page 3 sur 3
