denombrement et probabilites · pdf filedenombrement et probabilites i) dénombrement :...
TRANSCRIPT
DENOMBREMENT ET PROBABILITES
I) Dénombrement :
Définitions :
- Tirages au hasard = équiprobabilité des tirages
- Tirages successifs = emploi de l’arrangement : 𝐴𝑛𝑝
- Tirages simultanés = emploi de combinaison : 𝑛𝑝
Propriétés :
- 𝐶𝑎𝑟𝑑 𝐴 ∪ 𝐵 = 𝐶𝑎𝑟𝑑 𝐴 + 𝐶𝑎𝑟𝑑 𝐵 − 𝐶𝑎𝑟𝑑(𝐴 ∩ 𝐵)
Si A et B disjoint alors : 𝐶𝑎𝑟𝑑 𝐴 ∩ 𝐵 = 0
- Soit E un ensemble fini, soit 𝐴 ∈ 𝐸 et 𝐴 le complémentaire de 𝐴 dans 𝐸 :
𝐶𝑎𝑟𝑑 𝐴 = 𝐶𝑎𝑟𝑑 𝐸 − 𝐶𝑎𝑟𝑑 (𝐴)
Arrangements :
Soit 𝑝 ∈ ℕ avec 0 ≤ 𝑝 ≤ 𝑛 tel que 𝑛 ∈ ℕ : 𝐴𝑛𝑝 =
𝑛 !
𝑛−𝑝 !
Cas particulier : 0! = 1 = 𝐴00 et 𝐴𝑛
0 = 1 . De plus, si 𝑛 = 𝑝 alors 𝐴𝑛𝑛 = 𝑛!
Combinaisons :
Soit 𝑝 ∈ ℕ avec 0 ≤ 𝑝 ≤ 𝑛 tel que 𝑛 ∈ ℕ : 𝐶𝑛𝑝 =
𝑛𝑝 =
𝐴𝑛𝑝
𝑝 !=
𝑛 !
𝑝! 𝑛−𝑝 !
Et 𝑛𝑝 =
𝑛𝑛 − 𝑝 =
𝑛 − 1𝑝 − 1
+ 𝑛 − 1𝑝
Triangle de Pascal :
𝑛\𝑝 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
0 1
1 1 1
2 1 2 1
3 1 3 3 1
:)
4 1 4 6 4 1
5 1 5 10 10 5 1
6 1 6 15 20 15 6 1
7 1 7 21 35 35 21 7 1
8 1 8 28 56 70 56 28 8 1
9 1 9 36 84 126 126 84 36 9 1
10 1 10 45 120 210 252 210 120 45 10 1
11 1 11 55 165 330 462 462 330 165 55 11 1
12 1 12 66 220 495 792 924 792 495 220 66 12 1
13 1 13 78 286 715 1287 1716 1716 1287 715 286 78 13 1
14 1 14 91 364 1001 2002 3003 3432 3003 2002 1001 364 91 14 1
Binôme de Newton : (𝑎 + 𝑏)𝑛 = 𝑛𝑘 .𝑎𝑛−𝑘 × 𝑏𝑘𝑛
𝑘=0 ; avec 𝑎; 𝑏 ∈ ℂ et 𝑛 ∈ ℕ.
Permet le calcul de
combinaison facilement et
sans calculette .
Et facilite le développement
de (𝑎 + 𝑏)𝑛
Sans Ordre Avec
Ordre
Sans
Remise 𝐶𝑛𝑝
𝐴𝑛𝑝
Avec
Remise 𝑛!
𝑛1! × 𝑛2! × …× 𝑛𝑘 ! 𝑛𝑝
Répétition
II) Probabilités :
Propriétés :
- Soit 𝐴,𝐵 deux évènements liés.
𝑃 𝐴 ∩ 𝐵 = 𝑃𝐵(𝐴) × 𝑃(𝐵) ; avec 𝑃(𝐵) ≠ 0
𝑃𝐴 𝐵 + 𝑃𝐴 𝐵 = 1 et 𝐴 ∩ 𝐵 ∩ 𝐴 ∩ 𝐵 = ∅
- Soit 𝑃 𝐴 ≠ 0 :
𝑃𝐴 𝐵 ∪ 𝐶 = 𝑃𝐴 𝐵 + 𝑃𝐴 𝐶 − 𝑃(𝐵 ∩ 𝐶)
Si 𝐵 et 𝐶 sont incompatible alors : 𝑃 𝐵 ∩ 𝐶 = 0
Si 𝐴 et 𝐵 sont indépendant alors : 𝑃 𝐵 = 𝑃𝐴(𝐵)
- Variance, Ecart type et Espérance:
𝐸 𝑋 = 𝑥𝑖 .𝑓(𝑥𝑖)𝑛𝑖=0 et 𝑉 𝑋 = 𝐸 𝑋2 − 𝐸(𝑋)² et 𝜎 𝑋 = 𝑉(𝑋)
Si 𝑋 = 0 , la variable X est centrée en 0.
⇒ E X : Indication sur la moyenne.
⇒ V X : Indication sur la dispersion.
Probabilités totales :
Soit Ω un univers lié à une expérience aléatoire, et 𝐴1;𝐴2;… ;𝐴𝑛 des parties de Ω :
𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐴1 + 𝑃 𝐵 ∩ 𝐴2 + ⋯+ 𝑃(𝐵 ∩ 𝐴𝑛)
Probabilités discrètes :
- Loi uniforme : équiprobabilité des tirages.
- Loi de Bernoulli :
𝑋𝑖 0 ⟶ Echecs 1 ⟶ Succès
𝑃(𝑋 = 𝑋𝑖) 1 − 𝛼 𝛼
- Loi Binomiale :
Répétition d’une expérience de Bernoulli de paramètre α, 𝑛 fois.
Paramètres : 𝑛 ;𝛼
𝑃 𝑋 = 𝑘 = 𝑛𝑘 .𝛼𝑘 . (1−𝛼)𝑛−𝑘
𝐸 𝑋 = 𝑛.𝛼 et 𝑉 𝑋 = 𝑛.𝛼. (1 − 𝛼) et 𝑃 𝑋 ≤ 𝐾 = 𝑘.𝑛𝑘=0
𝑛𝑘 .𝛼𝑘 . (1−𝛼)𝑛−𝑘
- Loi de Poisson :
Le nombre X d’événement aléatoires décrit un processus de Poisson :
La probabilité de réalisation au cours d’une petite période ∆𝑡, est proportionnelle à ∆𝑡, soit : 𝑃 = 𝑝.∆𝑡
Elle est indépendante de ce qui s’est produit antérieurement.
La probabilité de 2 apparitions sur le même ∆𝒕 est négligeable.
Pour traduire une loi Binomiale en loi de Poisson, il faut : 𝑛 → +∞𝑝 → 0 𝑛.𝑝 = 𝜆
On suppose cette approximation possible lorsque : 𝑛 ≥ 20 et 𝑝 ≤ 0,1
𝐸 𝑋 = 𝑉 𝑋 = 𝜆 et 𝑃 𝑘 = 𝑃 𝑋 = 𝑘 =𝜆𝑘
𝑘 !𝑒−𝜆
- Expérience à 2 issus : Succès / Echecs
- Probabilité de succès 𝛼 : paramètre
- 𝐸 𝑋𝑖 = 𝛼 et 𝑉 𝑋𝑖 = 𝛼(1 − 𝛼)
Probabilités Continues :
- Généralités : L’univers image est un intervalle de ℝ :
𝑃 𝐶 ;𝐷 = 𝑃 𝐶 ;𝐷 = 𝑃 𝐶 ;𝐷 = 𝑃 𝐶 ;𝐷 = ∫ 𝑓 𝑡 .𝑑𝑡𝑑
𝑐
𝑃 𝐶 = 𝑃 𝐶 ;𝐶 = 0 et lim𝑥→+∞ ∫ 𝑓 𝑡 .𝑑𝑡 = 1𝑥
𝑎
- Loi Uniforme sur 0 ; 1 ou 𝑎 ; 𝑏 :
𝑃 0 ; 1 = 1 et 𝑃 ∅ = 𝑃 𝑥 = 0
𝑃 𝑎 ; 𝑏 = 𝑏 − 𝑎
𝐸 𝑋 =𝑎+𝑏
2 et 𝑉 𝑋 =
𝑏−𝑎 2
12
- Loi exponentielle de paramètre λ :
Soit 𝜆 ∈ ℝ+∗, 𝑓𝜆 = 𝜆. 𝑒−𝜆 .𝑡 tel que 𝑓𝜆 ∈ ℝ+ et 𝐷𝑓 = 𝐼 avec 𝐶 ;𝐷 ∈ 𝐼 et 𝑎 ∈ 0 ; +∞ :
𝑃 𝐶 ;𝐷 = ∫ 𝜆. 𝑒−𝜆.𝑡 .𝑑𝑡𝑑
𝑐= 𝐹 𝑑 − 𝐹(𝑐) ⟺ 𝑃 𝐶 ;𝐷 = 𝑒−𝜆𝑐 − 𝑒−𝜆𝑑
Avec 𝐹 𝑑 = 𝑃(𝑋 ≤ 𝑑) et 𝐹 𝑐 = 𝑃(𝑋 ≤ 𝑐)
𝑃 𝑎 ; +∞ = 1 − 𝑃 0 ;𝑎 = 1 − ∫ 𝜆. 𝑒−𝜆 .𝑡 = 1 − 𝑒−𝜆.𝑎𝑎
0
𝑃 𝑐 ≤ 𝑋 ≤ 𝑑 = 𝑃𝑋 𝐶 ;𝐷 = 𝑃 𝐶 ;𝐷
Si 𝑢 ; 𝑣 > 0 : 𝑃 𝑋>𝑢 𝑋 > 𝑢 + 𝑣 = 𝑃( 𝑋 > 𝑣
𝐸 𝑋 =1
𝜆 et 𝑉 𝑋 =
1
𝜆2
- Loi Normale :
S’applique à une variable aléatoire continue dépendant d’un grand nombre de causes indépendantes
dont les effets s’additionnent et dont aucune n’est prépondérante. Elle donne lieu à une courbe de Gauss :
Permet l’approximation de la loi Binomiale si 𝑛 est grand et (𝑝 ; 𝑞 = 1 − 𝑝) ↛ 0
On approxime par une loi Normale ℵ(𝜇 ; 𝜎) tel que : 𝜇 = 𝑛.𝑝 et 𝜎 = 𝑛. 𝑝. 𝑞 et 𝑃(𝑋) → 𝑃(𝑌)
Attention : X est une variable discrète car elle prend ses valeurs dans ℕ et Y est une variable continue car
elle prend ses valeurs dans ℝ. On doit faire la correction de continuité en ajoutant un intervalle à l’étendue
de la Gaussienne :
De plus, pour pouvoir utiliser la «Table de la loi Normale centrée réduite » , il faut définir une nouvelle
variable (Z) telle que : 𝑍 =𝑌−𝜇
𝜎 . Et 𝑃 𝑎 ≤ 𝑍 ≤ 𝑏 = 𝜙 𝑏 − 𝜙(𝑎).
Avec 𝜙 𝑥 = 𝑃 𝑋 ≤ 𝑥 = ∫1
2𝜋𝑒 −𝑡
2 2 .𝑑𝑡𝑥
−∞ ; et 𝜙 −𝑥 = 1 −𝜙(𝑥).
Intervalle 𝑃 𝑌 = 𝑃 𝑋 .𝑑𝑋
Courbe de Gauss définissant
la variable Y, tel que :
On ajoute un demi-intervalle de chaque coté (soit 1 intervalle en tout) de la Gaussienne pour diminuer l’erreur
d’approximation discrète d’une courbe continue.