Asimoviv
Probabilités conditionnelles modifier
Probabilité conditionnelle modifier
Probabilité de A sachant B —
Propriétés modifier
- Si Alors
- Si et Incompatibles Alors
Formules de Bayes modifier
1ère formule de Bayes —
Formules des probabilités totales modifier
formule des probabilités totales — un système complet d'événements, alors
Indépendance modifier
Indépendance — et indépendantes ssi
Variables Aléatoires modifier
Cas Discret modifier
Espérance (Moyenne) modifier
Variance modifier
Cas Continu modifier
Fonction de Répartition modifier
Propriétés modifier
Espérance (Moyenne) modifier
Théorème du transport modifier
Théorème du transport —
Moments modifier
Moment non centré d'ordre k modifier
Moment centré d'ordre k modifier
Formule du changement de variable modifier
Formule du changement de variable — Si alors
Caractérisation d'une loi de probabilité modifier
Loi de probabilité | |
Fonction de répartition | |
Densité |
Lois usuelles modifier
Lois Discrètes modifier
Loi Uniforme discrète sur modifier
,
Loi de Bernoulli de paramètre sur modifier
Loi Binomiale de paramètres et sur modifier
,
Loi Géométrique de paramètre sur modifier
,
avec
Loi de Poisson de paramètre sur modifier
,
Lois Continues modifier
Loi Uniforme continue sur modifier
,
Loi Exponentielle de paramètre sur modifier
,
Loi Normale de paramètres sur modifier
On peut généraliser cette formule dans le cas d' un vecteur gaussien de dimension n en remplaçant variable x et mu par vecteur X et m, variance par matrice de covariance. Attention tout de même à noter que dans le cas général le coefficient 1/(2*Pi) est élevé à la puissance n/2
Soit un vecteur gaussien à valeurs de moyenne et de matrice de covariance . Pour tous et matrice , est un vecteur gaussien à valeurs de moyenne et de matrice de covariance
Vecteurs aléatoires modifier
Définition modifier
Vecteur Aléatoire — Un vecteur aléatoire ve.a. est une v.a. à valeurs dans muni de sa tribu Borélienne , i.e., une application mesurable qui à La loi d' un ve.a. est appelée loi jointe A noter que la connaisance de la loi jointe implique celle des lois marginales mais pas l' inverse! La connaissance des lois marginales n' implique pas a priori celle de la loi jointe. Cependant, dans le cas fréquent des variables dites i.i.d. (indépendantes et de même loi), il y a équivalence puisque la loi jointe du produit cartésien des variables indépendantes est alors égale au produit des lois marginales.
Covariance modifier
Mis à part dans quelques cas particuliers (vecteurs gaussiens par exemple), il n' y pas équivalence entre covariance nulle et indépendance. L' indépendance est une condition plus forte que la nullité de la covariance. La première implique la seconde, cependant la réciproque est fausse.
Coefficient de Corrélation modifier
Théorème du changement de variable modifier
Théorème du changement de variable — Si alors
On préférera utiliser la définition de la fonction de répartition pour la nouvelle variable que la formule du changement de variable. La densité s'obtient alors par dérivation. Cette méthode est souvent moins lourde en calcul.
Convergences modifier
Loi faible des grands nombres modifier
Loi faible des grands nombres —
Loi forte des grands nombres modifier
Loi forte des grands nombres —
Théorème central limite modifier
Théorème central limite —