Probabilités et Statistique Jean-Michel JOLION Département Génie Industriel1 •

Probabilités et Statistique Jean-Michel JOLION Département Génie Industriel1 • Sommaire • Probabilités o Notions de probabilités o Analyse combinatoire (rappels)  Factorielle  Arrangements de p objets parmi n  Permutations  Combinaisons de p parmi n  Répétitions o Epreuves et Evènements o Espace probabilisé  Axiomatique de Kolmogorov  Propriétés élémentaires o Probabilité conditionnelle - Théorème de Bayes  Théorème des probabilités composées  Conséquences  Théorème de Bayes - Probabilités des causes o Le paradoxe de Bertrand • Variables aléatoires o Variable aléatoire : définitions o Fonction de répartition  Définition  Propriétés  Fonction de répartition d'une v.a. discrète o Fonction de répartition d'une v.a. continue o Couple de variables aléatoires  Définitions  Cas d'un couple de v.a. continues  Cas d'un couple de v.a. discrètes  Distribution conditionnelle o Loi d'une fonction d'une ou plusieurs variables aléatoires  Transformation d'une variable aléatoire  Densité de probabilité d'une somme de V.A. indépendantes o Moyenne et espérance mathématique d'une v.a.  Notion de moyenne pour une v.a. discrète  Espérance mathématique o Moments  Définitions  Quelques moments particuliers  Variance, covariance et écart-type  Variable centrée réduite  Coefficient de corrélation  Exemple  Inégalités de Bienaymé - Tchebyshev - Markov o Quelques lois de probabilités  Les valeurs principales  Liaisons entre lois de probabilités o Quelques relations o Loi des grands nombres  Convergence stochastique  Théorème central limite o Simulation d'une variable aléatoire  Méthode générale par transformation inverse  Loi uniforme  Loi exponentielle  Loi binomiale  Loi de Poisson  Loi normale : o Autres indicateurs  Histogramme  Médiane  Mode  Autres moyennes • Estimation o Estimation ponctuelle  Introduction  Estimateur convergent  Estimateur sans biais  Estimateur efficace  Robustesse o Méthode du maximum de vraisemblance o Estimation par intervalle de confiance  Estimation d'une proportion  Estimation d'une moyenne  Estimation d'une variance o Estimation robuste  Interprétation de données: l'approche bayésienne  Le traitement de l'a priori  Le traitement de l'a posteriori  Le cas monodimensionnel  Le cas général  Estimation itérative o Régression linéaire  Formalisation  Résolution dans le cas d'une distribution normale des écarts  Le cas de la droite  Intervalle de confiance sur le coefficient de corrélation o Filtre de Kalman o Estimation d'un mode o Estimation d'une densité • Tests d'hypothèse o Introduction  Hypothèses et erreurs  Tests bilatéral et unilatéral  Région d'acceptation et région critique  Choix d'un test  Influence de l'échantillonnage o Test entre deux hypothèses simples  La méthode de Neyman et Pearson  Test de la moyenne d'une loi normale d'écart-type connu  Test de la moyenne d'une loi normale d'écart-type inconnu  Test d'une variance de loi normale, la moyenne étant connue  Test d'une variance de loi normale, la moyenne étant inconnue  Test d'une proportion o Test entre hypothèses composées  Tests UMP  Test d'une moyenne de loi normale, l'écart-type étant connu  Test d'une moyenne de loi normale, l'écart-type étant inconnu  Test d'une variance de loi normale, la moyenne étant connue  Test d'une variance de loi normale, la moyenne étant inconnue  Test d'une proportion o Test de comparaison  Comparaison de deux moyennes  Comparaison de deux variances  Comparaison de deux proportions o Test du rapport des vraisemblances maximales o Test d'adéquation  Test du  Test de Kolmogorov  Test de Cramer-Von Mises o Test d'indépendance  Test des différences premières  Test de Spearman o Test de comparaison d'échantillons  Test des variances de Fisher-Snédécor  Test de Student  Test de Spearman o Analyse de la variance  Les données de l'analyse  Le test  Analyse des contrastes • Le Contrôle Statistique de Process: SPC o Introduction o Capabilité d'un processus  Etude de la capabilité des processus  Indicateurs généralisés  Les cartes de contrôle o #1 • Tables o Fonction de répartition de la loi normale centrée réduite o Fractiles de la loi normale centrée réduite o Fractiles de la loi du à degrés de liberté o Valeurs de la variable de Fisher-Snédécor ayant la probabilité d'être dépassées o Valeurs de la variable de Fisher-Snédécor ayant la probabilité d'être dépassées o Valeurs de la variable de Fisher-Snédécor ayant la probabilité d'être dépassées o Table de distribution de (Loi de Student) o Table du coefficient de corrélation des rangs de Spearman de deux variables aléatoires indépendantes o Fonction de répartition de la statistique de Cramer-Von Mises o Table du test de Kolmogorov-Smirnov • Exercices o Probabilités o Variables aléatoires o Estimation o Tests d'hypothèses o SPC o Sujets généraux  Problème 1  Problème 2  Problème 3  Problème 4 Sommaire • Probabilités o Notions de probabilités o Analyse combinatoire (rappels) o Epreuves et Evènements o Espace probabilisé o Probabilité conditionnelle - Théorème de Bayes o Le paradoxe de Bertrand • Variables aléatoires o Variable aléatoire : définitions o Fonction de répartition o Fonction de répartition d'une v.a. continue o Couple de variables aléatoires o Loi d'une fonction d'une ou plusieurs variables aléatoires o Moyenne et espérance mathématique d'une v.a. o Moments o Quelques lois de probabilités o Quelques relations o Loi des grands nombres o Simulation d'une variable aléatoire o Autres indicateurs • Estimation o Estimation ponctuelle o Méthode du maximum de vraisemblance o Estimation par intervalle de confiance o Estimation robuste o Régression linéaire o Filtre de Kalman o Estimation d'un mode o Estimation d'une densité • Tests d'hypothèse o Introduction o Test entre deux hypothèses simples o Test entre hypothèses composées o Test de comparaison o Test du rapport des vraisemblances maximales o Test d'adéquation o Test d'indépendance o Test de comparaison d'échantillons o Analyse de la variance • Le Contrôle Statistique de Process: SPC o Introduction o Capabilité d'un processus o #1 • Tables o Fonction de répartition de la loi normale centrée réduite o Fractiles de la loi normale centrée réduite o Fractiles de la loi du à degrés de liberté o Valeurs de la variable de Fisher-Snédécor ayant la probabilité d'être dépassées o Valeurs de la variable de Fisher-Snédécor ayant la probabilité d'être dépassées o Valeurs de la variable de Fisher-Snédécor ayant la probabilité d'être dépassées o Table de distribution de (Loi de Student) o Table du coefficient de corrélation des rangs de Spearman de deux variables aléatoires indépendantes o Fonction de répartition de la statistique de Cramer-Von Mises o Table du test de Kolmogorov-Smirnov • Exercices o Probabilités o Variables aléatoires o Estimation o Tests d'hypothèses o SPC o Sujets généraux • Bibliographie • Bibliography Introduction Ce polycopié est un support du cours de ``Probabilités-Statistique'' de 3ème année du département Génie Industriel de l'INSA de Lyon. Il regroupe les éléments fondamentaux vus dans ce cours. Il couvre plus que ce qui est réellement abordé en cours car il a également vocation à introduire des concepts plus avancés (comme les statistiques robustes ou la maîtrise des systèmes) en termes de culture générale. Il n'existe pas de recueil des annales des examens des années précédentes car les exercices et problèmes figurant dans ces examens sont introduits chaque année dans la nouvelle liste des exercices fournies en fin de polycopié, avec le plus souvent des élements de correction. Le contenu de ce polycopié n'engage que son auteur, dans le cadre de ce cours de l'INSA de Lyon. Toute reproduction partielle ou totale, pour toute utilisation est assujétie à la demande formulée auprès de l'auteur. Une version électronique est disponible sur le site web http://rfv.insa- lyon.fr/ jolion/STAT/poly.html Jean-Michel Jolion 2006-05-27 Probabilités Subsections • Notions de probabilités • Analyse combinatoire (rappels) o Factorielle o Arrangements de p objets parmi n o Permutations o Combinaisons de p parmi n o Répétitions • Epreuves et Evènements • Espace probabilisé o Axiomatique de Kolmogorov o Propriétés élémentaires • Probabilité conditionnelle - Théorème de Bayes o Théorème des probabilités composées o Conséquences o Théorème de Bayes - Probabilités des causes • Le paradoxe de Bertrand Jean-Michel Jolion 2006-05-27 Notions de probabilités Il existe plusieurs manières de définir une probabilité. Principalement, on parle de probabilités inductives ou expérimentales et de probabilités déductives ou théoriques. On peut les définir comme suit : Probabilité expérimentale ou inductive : la probabilité est déduite de toute la population concernée. Par exemple, si sur une population d'un million de naissances, on constate 530000 garçons et 470000 filles, on dit que P[garçon] = 0.53 Probabilité théorique ou déductive : cette probabilité est connue grâce à l'étude du phénomène sous-jacent sans expérimentation. Il s'agit donc d'une connaissance a priori par opposition à la définition précédente qui faisait plutôt référence à une notion de probabilité a posteriori. Par exemple, dans le cas classique du dé parfait, on peut dire, sans avoir à jeter un dé, que P["obtenir un 4"] = . Comme il n'est pas toujours possible de déterminer des probabilités a priori, on est souvent amené à réaliser des expériences. Il faut donc pouvoir passer de la première à la deuxième solution. Ce uploads/Management/ probabilites-et-statistique-pdf.pdf

  • 43
  • 0
  • 0
Afficher les détails des licences
Licence et utilisation
Gratuit pour un usage personnel Attribution requise
Partager
  • Détails
  • Publié le Aoû 20, 2021
  • Catégorie Management
  • Langue French
  • Taille du fichier 2.3024MB