Asimoviv
Probabilités conditionnelles
modifierProbabilité conditionnelle
modifierProbabilité de A sachant B —
Propriétés
modifier- Si Alors
- Si et Incompatibles Alors
Formules de Bayes
modifier1ère formule de Bayes —
Formules des probabilités totales
modifierformule des probabilités totales — un système complet d'événements, alors
Indépendance
modifierIndépendance — et indépendantes ssi
Variables Aléatoires
modifierCas Discret
modifierEspérance (Moyenne)
modifierVariance
modifierCas Continu
modifierFonction de Répartition
modifierPropriétés
modifierEspérance (Moyenne)
modifierThéorème du transport
modifierThéorème du transport —
Moments
modifierMoment non centré d'ordre k
modifierMoment centré d'ordre k
modifierFormule du changement de variable
modifierFormule du changement de variable — Si alors
Caractérisation d'une loi de probabilité
modifierLoi de probabilité | |
Fonction de répartition | |
Densité |
Lois usuelles
modifierLois Discrètes
modifierLoi Uniforme discrète sur
modifier,
Loi de Bernoulli de paramètre sur
modifierLoi Binomiale de paramètres et sur
modifier,
Loi Géométrique de paramètre sur
modifier,
avec
Loi de Poisson de paramètre sur
modifier,
Lois Continues
modifierLoi Uniforme continue sur
modifier,
Loi Exponentielle de paramètre sur
modifier,
Loi Normale de paramètres sur
modifierOn 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
modifierDéfinition
modifierVecteur 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
modifierMis 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
modifierThéorème du changement de variable
modifierThéorème 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
modifierLoi faible des grands nombres —
Loi forte des grands nombres
modifierLoi forte des grands nombres —
Théorème central limite
modifierThéorème central limite —