Espaces probabilisés et variables aléatoires discrètes

0.0(0)
Studied by 0 people
call kaiCall Kai
learnLearn
examPractice Test
spaced repetitionSpaced Repetition
heart puzzleMatch
flashcardsFlashcards
GameKnowt Play
Card Sorting

1/26

flashcard set

Earn XP

Description and Tags

Fiches de révision portant sur les espaces probabilisés, les familles sommables, les variables aléatoires discrètes, les lois usuelles, l'espérance, la variance et la covariance.

27 Terms

1
New cards

Quelles sont les trois propriétés fondamentales de stabilité des ensembles dénombrables ?

  1. Toute partie infinie d'un ensemble dénombrable est dénombrable.
  2. Tout produit cartésien d'un nombre fini d'ensembles dénombrables est dénombrable.
  3. Toute union (au plus) dénombrable d'ensembles (au plus) dénombrables est (au plus) dénombrable.
2
New cards

Comment s'énonce le théorème de sommation par paquets pour une famille sommable ?

Si (Ik)k∈K(I_k)_{k \in K} est une partition de II, alors : ∑i∈Ixi=∑k∈K(∑i∈Ikxi)\sum_{i \in I} x_i = \sum_{k \in K} \left( \sum_{i \in I_k} x_i \right)

3
New cards

Quelle formule exprime le théorème de Fubini pour les sommes doubles de familles sommables ?

∑(i,j)∈I×Jxij=∑i∈I(∑j∈Jxij)=∑j∈J(∑i∈Ixij)\sum_{(i,j) \in I \times J} x_{ij} = \sum_{i \in I} \left( \sum_{j \in J} x_{ij} \right) = \sum_{j \in J} \left( \sum_{i \in I} x_{ij} \right)

4
New cards

Quelle est l'expression du produit de deux sommes indexées sur des familles sommables ?

∑(i,j)∈I×Jxiyj=(∑i∈Ixi)(∑j∈Jyj)\sum_{(i,j) \in I \times J} x_i y_j = \left( \sum_{i \in I} x_i \right) \left( \sum_{j \in J} y_j \right)

5
New cards

Quelles sont les conditions qui définissent une tribu AA sur un univers Ω\Omega ?

Une tribu AA contient l'univers Ω\Omega, est stable par passage au complémentaire, ainsi que par union (au plus) dénombrable (et par conséquent par intersection au plus dénombrable).

6
New cards

Quelles sont les deux propriétés caractéristiques d'une probabilité PP sur une tribu ?

  1. P(Ω)=1P(\Omega) = 1
  2. σ\sigma-additivité : pour toute suite (An)n∈N(A_n)_{n \in \mathbb{N}} d'événements deux à deux incompatibles, P(⋃n∈NAn)=∑n∈NP(An)P\left(\bigcup_{n \in \mathbb{N}} A_n\right) = \sum_{n \in \mathbb{N}} P(A_n).
7
New cards

Quelles sont les propriétés élémentaires d'une probabilité concernant l'ensemble vide, la croissance et l'union de deux événements ?

  1. P(∅)=0\mathbb{P}(\emptyset) = 0
  2. Croissance : si A⊂BA \subset B, alors P(B∖A)=P(B)−P(A)\mathbb{P}(B \setminus A) = \mathbb{P}(B) - \mathbb{P}(A) et P(A)≤P(B)P(A) \le P(B)
  3. P(A∪B)=P(A)+P(B)−P(A∩B)P(A \cup B) = P(A) + P(B) - P(A \cap B)
8
New cards

Comment s'énonce l'inégalité de Boole (sous-additivité) ?

Pour toute suite d'événements (An)(A_n), on a : P(⋃nAn)≤∑nP(An)P\left(\bigcup_n A_n\right) \le \sum_n P(A_n)

9
New cards

Que stipule le théorème de la limite monotone pour les suites croissantes et décroissantes d'événements ?

Pour une suite croissante (An⊂An+1A_n \subset A_{n+1}) : lim⁡n→+∞P(An)=P(⋃n∈NAn)\lim_{n \rightarrow +\infty} P(A_n) = P\left(\bigcup_{n \in \mathbb{N}} A_n\right) Pour une suite décroissante (An+1⊂AnA_{n+1} \subset A_n) : lim⁡n→+∞P(An)=P(⋂n∈NAn)\lim_{n \rightarrow +\infty} P(A_n) = P\left(\bigcap_{n \in \mathbb{N}} A_n\right)

10
New cards

Quelle est la définition de la probabilité conditionnelle PB(A)P_B(A) lorsque P(B)>0P(B) > 0 ?

PB(A)=P(A∩B)P(B)P_B(A) = \frac{P(A \cap B)}{P(B)}

11
New cards

Quelle est la formule des probabilités composées pour NN événements ?

P(⋂n=1NAn)=P(A1)P(A2∣A1)…P(AN∣⋂n=1N−1An)\mathbb{P}\left(\bigcap_{n=1}^N A_n\right) = \mathbb{P}(A_1) \mathbb{P}(A_2 \mid A_1) \dots \mathbb{P}\left(A_N \mid \bigcap_{n=1}^{N-1} A_n\right)

12
New cards

Comment s'exprime la formule des probabilités totales pour un système (quasi-)complet d'événements (An)(A_n) ?

P(B)=∑n=0+∞P(B∩An)=∑n=0+∞PAn(B)P(An)P(B) = \sum_{n=0}^{+\infty} P(B \cap A_n) = \sum_{n=0}^{+\infty} P_{A_n}(B) P(A_n)

13
New cards

Quelle est la formule de Bayes pour un système (quasi-)complet d'événements (An)(A_n) ?

PB(An)=PAn(B)P(An)∑k=0+∞PAk(B)P(Ak)P_B(A_n) = \frac{P_{A_n}(B) P(A_n)}{\sum_{k=0}^{+\infty} P_{A_k}(B) P(A_k)}

14
New cards

Comment se définissent l'indépendance de deux événements et la mutuelle indépendance d'une famille d'événements ?

  • Deux événements A,BA, B sont indépendants si P(A∩B)=P(A)P(B)P(A \cap B) = P(A)P(B) (ou si PB(A)=P(A)P_B(A) = P(A)).
  • Une famille d'événements est mutuellement indépendante si pour toute sous-partie JJ, P(⋂j∈JAj)=∏j∈JP(Aj)P\left(\bigcap_{j \in J} A_j\right) = \prod_{j \in J} P(A_j). (Si des événements sont indépendants, leurs contraires le sont également.)
15
New cards

Comment obtient-on la loi marginale de XX à partir de la loi conjointe de (X,Y)(X, Y) ?

P(X=x)=∑y∈Y(Ω)P((X,Y)=(x,y))P(X = x) = \sum_{y \in Y(\Omega)} P((X, Y) = (x, y))

16
New cards

Quel est le critère d'indépendance d'une famille de variables aléatoires et qu'énonce le lemme des coalitions ?

  • Critère : P(⋂i∈I{Xi=xi})=∏i∈IP(Xi=xi)P\left(\bigcap_{i \in I} \{X_i = x_i\}\right) = \prod_{i \in I} P(X_i = x_i).
  • Lemme des coalitions : Si on partitionne une famille de variables indépendantes, des fonctions combinant les variables de sous-groupes distincts forment de nouvelles variables mutuellement indépendantes.
17
New cards

Quelles sont les caractéristiques de la loi Uniforme U(E)U(E) ?

P(X=x)=1card(E)P(X = x) = \frac{1}{\text{card}(E)}. Sur l'ensemble {1,…,n}\{1, \dots, n\}, son espérance vaut : E[X]=n+12E[X] = \frac{n+1}{2}

18
New cards

Quelles sont les définitions et espérances des lois de Bernoulli B(p)B(p) et Binomiale B(n,p)B(n, p) ?

  • Bernoulli B(p)B(p) : X∈{0,1}X \in \{0, 1\}, P(X=1)=pP(X = 1) = p, et E[X]=pE[X] = p.
  • Binomiale B(n,p)B(n, p) : pour k∈{0,…,n}k \in \{0, \dots, n\}, P(X=k)=(nk)pk(1−p)n−kP(X = k) = \binom{n}{k} p^k (1 - p)^{n-k}, et E[X]=npE[X] = np.
19
New cards

Quelles sont la formule de probabilité, l'espérance et la variance d'une loi Géométrique G(p)G(p) sur N∗\mathbb{N}^* ?

  • Formule : P(X=n)=p(1−p)n−1P(X = n) = p(1 - p)^{n-1}
  • Espérance : E[X]=1pE[X] = \frac{1}{p}
  • Variance : Var(X)=1−pp2Var(X) = \frac{1 - p}{p^2}
20
New cards

Quelles sont la formule de probabilité, l'espérance et la variance d'une loi de Poisson P(λ)P(\lambda) sur N\mathbb{N} ?

  • Formule : P(X=k)=λkk!e−λP(X = k) = \frac{\lambda^k}{k!} e^{-\lambda}
  • Espérance : E[X]=λE[X] = \lambda
  • Variance : Var(X)=λVar(X) = \lambda
21
New cards

Comment se définit l'espérance mathématique E[X]E[X] et comment s'énonce la formule de transfert pour E[f(X)]E[f(X)] ?

  • Définition : E[X]=∑x∈X(Ω)xP(X=x)E[X] = \sum_{x \in X(\Omega)} x P(X = x)
  • Formule de transfert : E[f(X)]=∑x∈X(Ω)f(x)P(X=x)E[f(X)] = \sum_{x \in X(\Omega)} f(x) P(X = x)
22
New cards

Quelle formule relie l'espérance aux probabilités de queue pour XX à valeurs dans N∪{+∞}\mathbb{N} \cup \{+\infty\} ?

E[X]=∑n=1+∞P(X≥n)E[X] = \sum_{n=1}^{+\infty} P(X \ge n)

23
New cards

Quelles sont les propriétés de linéarité, croissance et produit de variables indépendantes pour l'espérance ?

  1. Linéarité : E[∑i=1nαiXi]=∑i=1nαiE[Xi]E\left[\sum_{i=1}^n \alpha_i X_i\right] = \sum_{i=1}^n \alpha_i E[X_i]
  2. Croissance : si X≤YX \le Y, alors E[X]≤E[Y]E[X] \le E[Y]
  3. Produit de variables indépendantes : E[∏i=1nXi]=∏i=1nE[Xi]E\left[\prod_{i=1}^n X_i\right] = \prod_{i=1}^n E[X_i]
24
New cards

Comment s'énonce l'inégalité de Cauchy-Schwarz pour deux variables admettant un moment d'ordre 22 et quel est son cas d'égalité ?

La variable XYXY a une espérance finie et vérifie : ∣E[XY]∣≤E[X2]E[Y2]|E[XY]| \le \sqrt{E[X^2] E[Y^2]} Le cas d'égalité se produit si et seulement si Y=λXY = \lambda X ou X=λYX = \lambda Y.

25
New cards

Comment sont définis la variance, l'écart-type et la formule de Koenig-Huygens ?

  • Définition de la variance : Var(X)=E[(X−E[X])2]Var(X) = E[(X - E[X])^2]
  • Écart-type : σ(X)=Var(X)\sigma(X) = \sqrt{Var(X)}
  • Formule de Koenig-Huygens : Var(X)=E[X2]−(E[X])2Var(X) = E[X^2] - (E[X])^2
26
New cards

Que vaut la variance d'une transformation affine Var(aX+b)Var(aX + b) et comment se calcule la covariance cov(X,Y)\text{cov}(X, Y) ?

  • Transformation affine : Var(aX+b)=a2Var(X)Var(aX + b) = a^2 Var(X)
  • Définition de la covariance : cov(X,Y)=E[(X−E[X])(Y−E[Y])]=E[XY]−E[X]E[Y]\text{cov}(X, Y) = E[(X - E[X])(Y - E[Y])] = E[XY] - E[X]E[Y]
27
New cards

Quelle est la formule générale de la variance d'une somme Var(∑i=1nXi)Var\left(\sum_{i=1}^n X_i\right) et que devient-elle si les variables sont indépendantes ?

  • Formule générale : Var(∑i=1nXi)=∑i=1nVar(Xi)+2∑i<jcov(Xi,Xj)Var\left(\sum_{i=1}^n X_i\right) = \sum_{i=1}^n Var(X_i) + 2 \sum_{i < j} \text{cov}(X_i, X_j)
  • Cas de variables indépendantes (deux à deux) : Var(∑i=1nXi)=∑i=1nVar(Xi)Var\left(\sum_{i=1}^n X_i\right) = \sum_{i=1}^n Var(X_i)