Règles de probabilité et variables aléatoires
Traduit par
ScribdTranslationsRègles de probabilité et variables aléatoires
Traduit par
ScribdTranslationsFormulaire pour l'examen (Probabilité et Inférence statistique)
Règle de la somme et du complément Coefficient de corrélation de Bravais
P(A∪B) = P(A) + P(B) − P(A∩B) σXY
ρ=
σX σ Y
P ( A¯ ) = 1 − P ( A )
Variables aléatoires indépendantes
Probabilité conditionnelle
f(x, y) =fX (x)fY(y)
P(A∩B)
P(B|A) =
P(A) Variable aléatoire de Bernoulli, X∼Bern(p)
Règle du produit f ( x ) = p x (1−p)1−x , x= 0,1
P(A∩B) = P(A)P(B|A) E(X) =p,Var(X) =p(1−p)
P(A∩B) = P(A)P(B) sous indépendance
Variable aléatoire binomiale, X∼Bin(n, p)
Formule de Bayes n x
f(x) = p (1−p)n−x , x= 0,1, . . . , n
P ( C je )P(A|Cje ) x
P ( C je| A ) = k
j=1P ( C j )P(A|Cj )
n n!
P =
x x!(n−x)!
Valeur attendue d'une variable aléatoire
E(X) =np,Var(X) =np(1−p)
µ = E(X) = X xf(x) dans le discret
x Variable aléatoire de Poisson, X ∼ Pois(λ)
l2
µ= E(X) = Z xf(x)dx dans la continuité λx −λ
f(x) = e , x= 0,1,2. . .
l1 x!
Variance et écart type d'une variable aléatoire E(X) =λ,Var(X) =λ
2
σ 2= Var(X) = X (x−µ) f ( x ) dans le discret Variable aléatoire Normale, X∼N(µ, σ)2 )
x
1 1 x−µ 2
e− 2 ( σ ) ,
l2
f(x) = √ x∈R
σ 2Var(X) = Z (x−µ)2 f(x)dxnel continu σ2π
l1
√ E(X) =µ,Var(X) =σ2
σ=σ2
Variables aléatoires standardisées Variabile casuale Chi-quadrato,X∼χ2 (r)
X−µ f ( x ) = a ( r ) x r/2−1 e−x/2 , x∈R+
Z=
σ
E(X) = r, Var(X) = 2r
Fonctions de probabilité marginales
fX(x) = Variable aléatoire de Student, X ∼ t(r)
X f(x, y) fY(y) = X f(x, y)
y x
f ( x ) = b ( r ) ( 1 + t 2 /r)−(r+1)/2 , x∈R
Z y)dy,
fX(x) = f(x, Z y)dx
fY(y) = f(x,
E(X) = 0,Var(X) =r/(r−2), r >2
Covariance
Média champignon
σXY = X X (x−µX)(y−µY)f(x, y n
1
x y X̄= Xje
nXi=1
σXY = Z Z (x−µX )(y−µY)f(x, y)dy dx
¯ = µ, Var(X) = σ
E(X) ¯/n 2
Varianza campionaria conµnoto Intervalle de confiance perpconX ∼Bern(p),
n grands champions
2σ̂ 1
= (Xje−µ)2
nXi=1 (l1 , l2 ) =pˆ∓z1−α/2pˆ(1−pˆ)/n
p
Varianza de l'échantillon avec µ inconnu A=l2−l1= 2z1−α/2pˆ(1−pˆ)/n
p
n
1 ¯ 2 z1−α/2 quantile de la Normale standard au niveau 1−α/2
S 2= X (Xje−X) version non déformée
n−1 i=1
n Intervalle de confiance pour σ2 , conX∼N(µ, σ2 )
1 ¯ 2
2σ̃
= (Xje−X) version déformée (n−1)s2 (n−1)s2
nX l1 = 2
, l2= 2
i=1 χ1−α/2 χα/2
E(S2 ) =σ2 2 ,χ2
χα/2 1−α/2 ; quantiles du Chi-deux conn−1 degrés
Proportion d'échantillon de liberté à niveau α/2 et 1−α/2
1
n Test d'hypothèse H0:µ=µ0 , conX∼N(µ, σ2 ),σ2noto
=X
p̂= ¯ Xi ,conXjebinaire
nX X̄−µ 0
i=1 Test statistique : ZX̄ = ∼N(0,1)
p σ /n
2
E(pˆ) = p, Var(pˆ) = p(1−p)/n
Livello di significativit`a osservato
Distorsion d'un estimateur T=t(X1 , . . . , X n )
αoss =P(ZX̄ ≥zx̄ |µ=µ0 ) = 1−Φ(zx̄) par H1:µ > µ0
D(T) = E(T)−θ, θ paramètre inconnu
αoss=P(ZX̄ ≤zx̄ |µ=µ0 ) = Φ(zx̄) perH1 :µ < µ0
Erreur quadratique moyenne d'un estimateur T
αoss=P(|ZX̄ | ≥ |zx̄|) = 2[1−Φ(|zx̄|)] perH1:µ=µ0
MSE(T) = E[(T−θ)2 ] = Var(T) + [D(T)]2
Test d'hypothèse H0:µ=µ0 , conX ∼N(µ, σ2 ),σ2non
Int. conf. perµconX ∼N(µ, σ2 ),σ2noto noto
X̄−µ 0
r σ
2 Test statistique : TX̄ =
(l1 , l2 ) = x¯∓z1−α/2 ∼t(n−1)
p S /n
2
n
r σ
2
A=l2−l1= 2z1−α/2 Test d'hypothèse H0:µ=µ0 , avec de grands champions
n
X̄−µ 0
z1−α/2 quantile de la Normale standard au niveau 1 −α/2 Test statistique : ZX̄ = ∼N(0,1)
p S /n
2
Int. conf. perµconX ∼N(µ, σ2 ),σ2non noto
Test d'hypothèse H0:p=p0conX ∼Bern(p), grands
r s
2
(l1 , l2 ) =x¯∓t1−α/2 champions
n
r s −
p̂p0
2 ap
A=l2-l1= 2t1−α/2 Test statistique : Zp̂ = ∼N(0,1)
n p0 (1−p0 )/n
p
t1−α/2 : quantile dellatdi Student conn−1 gradi di libert`a
Test d'hypothèse pour H0:σ2=σ20 , conX∼N(µ, σ2 )
à un niveau 1−α/2
(n−1)S2
Test statistique : V = ∼χ2 (n−1)
Int. conf. perµcon grands champions σ20
r s
2
(l1 , l2 ) =x¯∓z1−α/2 Test d'indépendance pour tableaux de dimensions×t
n
r s
2 Statistica test:
A=l2−l1= 2z1−α/2 n s t 2
(nij−nje0 n0j /n) ap
χ2= XX ∼χ2 ((s−1)(t−1))
z1−α/2 quantile de la Normale standard au niveau 1−α/2 i=1j=1
nje0 n0j /n
t s
nje0 = j=1nij , n0j = je=1nij
P P