Fiche de révision : Introduction aux probabilités et statistiques

📋 Plan du Cours

1. Calcul des probabilités d'événements simples et composés
2. Probabilités conditionnelles et indépendance
3. Lois de probabilité discrètes et continues
4. Espérance mathématique et variance

📖 1. Calcul des probabilités d'événements simples et composés

🔑 Notions clés & Définitions

• Événement simple : événement qui correspond à la réalisation d’un seul résultat possible dans un espace probabiliste.
• Événement composé : événement qui résulte de la combinaison de plusieurs événements simples, par exemple par union ou intersection.
• Probabilité d'un événement : nombre compris entre 0 et 1 qui indique la chance que cet événement se réalise, en fonction de la fréquence ou du modèle probabiliste.

📝 Points essentiels

• La probabilité d'un événement simple est un nombre entre 0 et 1, représentant la chance que cet événement se produise. Elle quantifie la probabilité que l’unique résultat associé à cet événement se réalise.
• La probabilité d’un événement composé peut être déterminée à partir des probabilités des événements simples qui le constituent, en utilisant les règles d’addition pour les unions et de multiplication pour les intersections.
• La somme des probabilités de tous les événements élémentaires d’un univers est égale à 1, ce qui reflète le fait que l’un de ces événements doit forcément se produire dans l’espace probabiliste.

💡 À retenir

Comprendre comment décomposer et calculer la probabilité d’événements simples et composés est la base fondamentale pour toute analyse probabiliste.

📖 2. Probabilités conditionnelles et indépendance

🔑 Notions clés & Définitions

• Probabilité conditionnelle : mesure la probabilité qu’un événement A se produise sachant que l’événement B est réalisé, notée P(A|B). Elle permet d’évaluer l’impact de la connaissance de B sur la risque de A.

• Indépendance d'événements : caractérise deux événements dont la réalisation ou non de l’un n’affecte pas la probabilité de l’autre. Elle est vérifiée si et seulement si P(A∩B) = P(A)×P(B), c’est-à-dire si la probabilité de leur intersection est le produit de leurs probabilités respectives.

📝 Points essentiels

• La probabilité conditionnelle P(A|B) indique la probabilité de A dans le contexte où B est certain, en divisant la probabilité de leur intersection par celle de B : P(A|B) = P(A∩B) / P(B). Elle permet d’analyser comment la réalisation de B modifie la probabilité de A.

• Deux événements sont indépendants si la connaissance de l’un n’altère pas la probabilité de l’autre. Cela se traduit par la formule P(A∩B) = P(A)×P(B), qui établit que leur intersection est équivalente au produit de leurs probabilités.

• La formule de Bayes permet d’inverser une probabilité conditionnelle. Elle exprime P(B|A) en fonction de P(A|B), P(B) et P(A), facilitant ainsi le calcul de probabilités conditionnelles inverses à partir de celles directes.

💡 À retenir

Maîtriser la notion de conditionnement et d’indépendance permet d’analyser précisément les relations entre événements et d’affiner les calculs de probabilités.

📖 3. Lois de probabilité discrètes et continues

🔑 Notions clés & Définitions

• Loi de probabilité discrète : loi qui attribue des probabilités à un ensemble dénombrable de valeurs possibles d'une variable aléatoire.
• Loi de probabilité continue : loi caractérisée par une fonction de densité, dont l'intégrale sur un intervalle donne la probabilité que la variable prenne une valeur dans cet intervalle.

📝 Points essentiels

• Une loi de probabilité discrète attribue des probabilités à un ensemble dénombrable de valeurs possibles d'une variable aléatoire. La somme de ces probabilités est toujours égale à 1.

• Une loi de probabilité continue est définie par une fonction de densité. La probabilité que la variable prenne une valeur dans un intervalle est donnée par l'intégrale de cette densité sur cet intervalle. La densité doit être positive ou nulle, et l'intégrale de la densité sur tout le domaine doit être égale à 1.

• La somme des probabilités dans une loi discrète est égale à 1, tandis que l'intégrale de la densité d'une loi continue sur tout son domaine est également égale à 1.

💡 À retenir

Différencier les lois discrètes et continues permet de choisir les outils appropriés pour modéliser différents phénomènes aléatoires.

📖 4. Espérance mathématique et variance

🔑 Notions clés & Définitions

• Espérance mathématique : Quantification de la moyenne pondérée des valeurs possibles d'une variable aléatoire, en tenant compte de leur probabilité, reflétant ainsi la valeur moyenne attendue.

• Variance : Mesure de la dispersion des valeurs d'une variable aléatoire autour de son espérance, indiquant la variabilité ou l'étendue des fluctuations.

📝 Points essentiels

• L'espérance mathématique représente la tendance centrale d'une variable aléatoire en calculant la moyenne pondérée de ses valeurs possibles, chaque valeur étant pondérée par sa probabilité. La variance quantifie la dispersion de ces valeurs autour de cette moyenne, en mesurant à quel point elles s'écartent en moyenne. Ces deux paramètres sont fondamentaux pour caractériser la distribution d'une variable aléatoire, en fournissant une synthèse quantitative de sa tendance centrale et de sa variabilité.

💡 À retenir

L'espérance et la variance offrent une description synthétique de la distribution d'une variable aléatoire, essentielle pour l'interprétation statistique et la modélisation probabiliste.

📊 Tableaux de Synthèse

Comparaison des lois de probabilité

⚠️ Pièges & Confusions Fréquentes

1. Confusion entre événements indépendants et mutuellement exclusifs.
2. Erreur dans le calcul de la probabilité conditionnelle en inversant P(A|B) et P(B|A).
3. Confondre loi de probabilité discrète et continue, notamment en ne vérifiant pas la somme ou l'intégrale.
4. Oublier que la somme des probabilités dans une loi discrète doit être égale à 1.
5. Confusion entre espérance et moyenne empirique dans un échantillon.

✅ Checklist Examen

1. Vérifier que la somme des probabilités d'une loi discrète est égale à 1.
2. S'assurer que l'intégrale de la densité d'une loi continue est égale à 1.
3. Calculer l'espérance en utilisant la formule pondérée des valeurs.
4. Calculer la variance en utilisant la formule de la dispersion autour de l'espérance.
5. Différencier loi discrète et continue selon la nature de la variable.
6. Utiliser la formule de probabilité conditionnelle pour analyser des dépendances.
7. Vérifier l'indépendance par le produit des probabilités.
8. Appliquer la formule de Bayes dans le contexte approprié.
9. Identifier si la variable est discrète ou continue pour choisir la bonne loi.
10. Interpréter l'espérance comme la moyenne attendue.
11. Interpréter la variance comme la dispersion des valeurs.