Lessons and exercises follow the school system and stay in its language.Les leçons et les exercices suivent le système scolaire et restent dans sa langue.Lektionen und Übungen folgen dem Schulsystem und bleiben in seiner Sprache.

Variables aléatoires

Fiche de révision

Toutes les fiches résumé du chapitre sur une page. Imprime-la, ou enregistre-la en PDF depuis la fenêtre d'impression.

Leçon 3 · Attendre un premier succès

Temps d'attente

  • Temps d'attente moyen =1p= \dfrac{1}{p}.
  • Événements rares : attente longue en moyenne.

Les ingénieurs s'en servent pour le temps moyen entre deux pannes d'une machine.

Leçon 4 · Combiner des variables aléatoires

Somme de variables aléatoires

  • Espérance : toujours linéaire.
  • Indépendantes : les variances s'additionnent, pour une somme comme pour une différence.

Attention : n'additionne jamais directement les écarts types.

Leçon 5 · La loi binomiale

Loi binomiale

P(X=k)=(nk)pk(1−p)n−kP(X = k) = \binom{n}{k}p^k(1 - p)^{n - k} pour XX suivant B(n;p)\mathcal{B}(n ; p).

Attention : multiplie par le nombre de chemins.

Leçon 6 · Histoire : Bernoulli, de Moivre et la loi des grands nombres

Les variables aléatoires aujourd'hui

  • Sondages : un échantillon de 1 000 personnes donne une proportion proche de la vraie.
  • Assurances et casinos reposent sur la loi des grands nombres.
  • Le contrôle qualité compte les pièces défectueuses avec la loi binomiale.

Sources : biographies de Jacques Bernoulli et d'Abraham de Moivre sur MacTutor (voir « Sources et crédits »).

Leçon 8 · Loi binomiale : seuil et intervalles

Seuil et intervalles

  • P(a≤X≤b)=P(X≤b)−P(X≤a−1)P(a \leq X \leq b) = P(X \leq b) - P(X \leq a - 1).
  • « Au moins un » : on passe par le contraire.

Attention : au a−1a - 1.

Leçon 9 · Échantillon d'une loi : somme Sₙ et moyenne Mₙ

Échantillon

  • E(Sn)=nE(X)E(S_n) = nE(X) et V(Sn)=nV(X)V(S_n) = nV(X).
  • E(Mn)=E(X)E(M_n) = E(X) et V(Mn)=V(X)nV(M_n) = \dfrac{V(X)}{n}.

Attention : σ\sigma est divisé par n\sqrt{n}, pas par nn.

Leçon 10 · Inégalité de Bienaymé-Tchebychev

Bienaymé-Tchebychev

P(∣X−E(X)∣≥δ)≤V(X)δ2P\big(|X - E(X)| \geq \delta\big) \leq \dfrac{V(X)}{\delta^2}.

Attention : c'est un majorant, souvent large ; ce n'est pas la valeur de la probabilité.

Leçon 11 · Inégalité de concentration et loi des grands nombres

Concentration et grands nombres

  • P(∣Mn−E(X)∣≥δ)≤V(X)nδ2P\big(|M_n - E(X)| \geq \delta\big) \leq \dfrac{V(X)}{n\delta^2}.
  • Quand nn devient grand, MnM_n se concentre autour de E(X)E(X).

Attention : il n'y a pas de compensation d'un tirage à l'autre.

Leçon 12 · La loi géométrique

Loi géométrique

P(X=k)=(1−p)k−1pP(X = k) = (1 - p)^{k - 1}p et E(X)=1pE(X) = \dfrac{1}{p}.

Attention : il y a k−1k - 1 échecs avant le premier succès.

Leçon 14 · Lois à densité

Lois à densité

  • Probabilité = aire sous la densité.
  • P(X=a)=0P(X = a) = 0.

Attention : la densité n'est pas une probabilité.

Leçon 16 · Loi exponentielle

Loi exponentielle

  • P(X>t)=e−λtP(X > t) = \mathrm{e}^{-\lambda t}.
  • E(X)=1λE(X) = \dfrac{1}{\lambda}.

Attention : pas de mémoire : l'attente passée ne compte pas.