1. (10sept) Introduction.
Document projeté, Probabilité dans les
sujets de Bac S et
ES en 2014, Cf
site de l'AMEPDeux problèmes de calculs par conditionnement : le
problème des trois portes, le
problème des deux enveloppes. (Le cours reviendra sur ces deux exemples)
2. (17sept) Population, caractères, Fréquence d'une caractéristique,
fréquences conditionnelles en statistique descriptive, interprétation
probabiliste d'une fréquence (on tire un individu au hasard), modèle
combinatoire (S ensemble fini avec proba uniforme, X:S→Ω variable ou
caractère, mesure de proba sur Ω induite par X), exemple : lancé de
deux dés dont on observe la somme.
3. (24sept)
Deux éléments dans un exercice de probabilité : d'abord la modélisation
qui suit une description plus ou moins précise de l'expérience, puis le
"Calcul des probabilités" pour répondre aux questions posées.
Modèle (Ω,P) combinatoire (P est uniforme) ou pas. Modèle issue d'une expérience qu'il convient d'expliciter, ex :
paradoxe des deux enfants associés à plusieurs expériences et plusieurs modèles. Processus fini : on tire i
1 dans S
1 puis indépendamment i
2 dans S
2 puis... ↔ on tire (i
1,i
2,...) dans S
1xS
2x... (proba uniforme) . On tire i dans S puis j dans T
i (T
i
dépend du choix de i) puis... → arbre de probabilité, les probabilités
conditionnelles à chaque étapes sont uniformes mais la proba en
résultant ne l'est pas forcément. Ex. tirages sans remise avec ordre
(arrangements), tirages sans remise sans ordre (combinaisons), un pb de
tirage et de remise dans deux urnes.
4. (1oct)
Liaison/indépendance entre deux évts, slogan du type "F rend E 1.2 fois
plus probable" ou "F augmente les chances de E de 20%" ; Indépendance
entre n évts. Modèles discrets (Ω,P) : axiome sur P lorsque Ω est
infini, on a P(A)=Σ
ω∈AP(ω) pour tout évts A. Ex : lancés de dés jusqu'à obtenir 6, modélisation de l'expérience.
5. (7oct) Retour sur le lancé de dés jusqu'à obtenir 6, probabilité de la réunion d'une suite (A
n)
d'évènements disjoints. Récréation :
problème des 100 prisonniers (indépendance ou pas des expériences successives). Loi
d'une variable aléatoire discrète, (P(X=x))
x∈X(Ω), fonction de répartition F
X(t)=P(X≤t),
ex nbre de lancés de dé jusqu'à obtenir 6, somme des valeurs affichées
par deux dés. Loi de Bernouille X~B(p) (succès de l'expérience ou
occurence d'un évt A), loi binomiale X~B(n,p) (ex nbre de succès ou
d'occurences d'un évt lors de n répétitions d'une expérience).
6. (14oct)
Indépendance de n variables aléatoires, ex. lancé de deux dés, liaison
entre X et 7-X, entre X et X+Y où X,Y indiquent le résultat de chacun
des lancés, loi de X+Y, ex. issue pour chaque prisonnier dans le
problème des 100 prisonniers. Loi uniforme sur un ensemble fini S
(notation X~U(S)), loi de Poisson (X~P(λ)). Distribution f
X
d'une va discrète X, représentation graphique. Statistiques
descriptives : résumé d'un caractère quantitatif X : valeur centrale
(moyenne, médiane, mode), mesure de la dispersion (écart type,
intervalle inter-quartile, ?). Analogues pour une variable aléatoire
discrète sur (Ω,P) : espérance E(X) (somme indexée par Ω ou par X(Ω)),
variance, écrt type.
Document projeté : distribution de la loi binomiale, calcul sur cloud.sagemath.com, commentaires : mode et espérance de la loi binomiale B(n,p) ; la loi P(λ) est limite de la loi B(n,λ/n) quand n tend vers ∞.
7. (21oct - 1h) Expression formelle et calcul (formule du binôme et ses dérivées successives) de E(X), E(X
2) pour X de loi B(p), B(n,p), U({1,...,n}).
7bis (22oct - 1h25) partiel 1.
8. (4 nov)
Ptés de E(X) : calcul par conditionnement, application à E(f(X)) en
conditionnant suivant les valeurs prises par X, linéarité, E(XY), cas
où X,Y sont indépendantes, application au calcul de l'espérance et de
la variance du nbre de succès lors de la répétition n fois d'une
expérience ; encadrement par l'étendue de X, inégalité de Markov, de
Tchébytchev, application à la fréquence observée des succès lors de la
répétition n fois d'une expérience.
9. (18nov) Fonction
de répartition F d'une variable aléatoire, caractérisation (croissante,
continue à droite, limite en ±∞), cas d'une v.a. discrète : calcul de
P(X=x), cas d'une v.a. continue (à densité) : caratérisation (F est
continue, dérivable de dérivée continue par morceaux), approximation
discrète d'une va continue (histogramme), espérance E(X), E(g(X)), lois
classiques : uniforme, exponentielle (cf
processus de Poisson), normale ou gaussienne (
TCL)
10. (25nov - 1h15) partiel 2.
10bis. (2dec)
Simulation d'une loi par la notion de quantile et la loi uniforme sur
[0,1], cas de B(p) (bernouilli) et de ε(λ) (exponentielle), calcul de
la médiane, dessins. Espérance et variance de ε(λ), modèle du temps
d'attente entre deux évènements, "absence de mémoire", lien entre la
somme de va indépendantes de loi ε(λ) et la loi de Poisson, calcul de
P(X
1+X
2≤t) avec la densité du couple (X
1,X
2).
En projet : vecteur gaussien en dimension 2.