Pour un ensemble fini A de cardinal n, le nombre de ses parties est ∣P(A)∣=2n.
Le nombre de p-listes d’éléments d’un ensemble de cardinal n est np.
📐 Formule - Le nombre d’arrangements de p objets distincts parmi n est Anp=(n−p)!n!.
📐 Formule - Le nombre de combinaisons de p objets parmi n est (pn)=p!(n−p)!n!.
Compléments
📐 Formule - Le cardinal d’une union finie vérifie ∣A∪B∣=∣A∣+∣B∣−∣A∩B∣.
📖 2. Univers et événements aléatoires
🔑 Notions clés & Définitions
Univers : Ensemble non vide des issues possibles d’une expérience aléatoire, supposé fini dans ce chapitre.
Événement : Sous-ensemble de l’univers Ω ; l’événement impossible est ∅ et l’événement certain est Ω.
📝 Points essentiels
📌 Dans un tirage successif, les issues sont des listes ordonnées, tandis que dans un tirage simultané, elles sont des sous-ensembles.
Le contraire de A est Aᶜ, l’intersection A∩B représente « A et B », et l’union A∪B représente « A ou B », au sens inclusif.
💡 Astuce mémo
Un tirage successif conserve l’ordre ; un tirage simultané décrit un sous-ensemble.
📖 3. Probabilité sur un univers fini
🔑 Notions clés & Définitions
Probabilité : Une probabilité P sur Ω associe un réel à chaque événement, avec P(A)≥0, P(Ω)=1 et P(A∪B)=P(A)+P(B) lorsque A et B sont incompatibles.
★ À maîtriser
📐 Formule - Pour tous événements A et B, P(A∪B)=P(A)+P(B)−P(A∩B).
Sur un univers fini, les probabilités individuelles p(ω) déterminent la probabilité d’un événement par P(A)=∑ω∈Ap(ω), si elles sont non négatives et de somme 1.
📐 Formule - Sous l’équiprobabilité, la probabilité d’un événement est le nombre de cas favorables divisé par le nombre de cas possibles : P(A)=∣Ω∣∣A∣.
Compléments
📐 Formule - Pour tout événement A, P(Ac)=1−P(A).
📖 4. Conditionnement et indépendance
🔑 Notions clés & Définitions
Probabilité conditionnelle : Si P(B)>0, la probabilité de A sachant B est P(A∣B)=P(B)P(A∩B).
Indépendance de deux événements : Deux événements A et B sont indépendants si P(A∩B)=P(A)P(B).
Système complet d’événements : Partition de Ω : ses événements sont deux à deux incompatibles et leur union est Ω.
★ À maîtriser
📐 Formule - Pour des événements A₁,…,Aₙ, la formule des probabilités composées est P(A1∩⋯∩An)=P(A1)P(A2∣A1)⋯P(An∣A1∩⋯∩An−1).
📐 Formule - Si A₁,…,Aₙ forment un système complet d’événements, alors P(E)=∑i=1nP(Ai)P(E∣Ai).
Compléments
📌 Les événements A₁,…,Aₙ sont mutuellement indépendants si, pour toute partie non vide I de {1,…,n}, la probabilité de leur intersection vaut le produit de leurs probabilités.
💡 Astuce mémo
Observer B restreint l’information disponible et conduit à évaluer A par P(A|B).
📖 5. Variables aléatoires discrètes finies
🔑 Notions clés & Définitions
Variable aléatoire discrète finie : Application de l’univers fini Ω vers ℝ ; son ensemble de valeurs possibles est X(Ω).
Loi de X : La loi d’une variable aléatoire discrète finie X associe à chaque valeur possible x la probabilité pX(x)=P(X=x).
Fonction de répartition : La fonction de répartition de X est définie, pour tout réel t, par FX(t)=P(X≤t).
📝 Points essentiels
Une variable aléatoire X est certaine, déterministe ou constante lorsque X(Ω) est réduit à une seule valeur.
📐 Formule - La somme des probabilités de la loi d’une variable aléatoire discrète finie est ∑x∈X(Ω)pX(x)=1.
Pour une variable aléatoire discrète finie, la fonction de répartition est constante entre deux valeurs possibles successives et présente à chaque valeur possible une discontinuité de hauteur pX(x).
📖 6. Espérance d’une variable discrète
🔑 Notions clés & Définitions
Espérance : Moyenne de ses valeurs pondérées par leurs probabilités.
★ À maîtriser
📐 Formule - L’espérance d’une variable aléatoire discrète finie se calcule par E(X)=∑ω∈ΩX(ω)p(ω)=∑x∈X(Ω)xpX(x).
L’égalité entre la somme sur les valeurs de la variable et la somme sur les valeurs de sa fonction s’appelle le théorème de transfert.
📐 Formule - Pour une variable aléatoire discrète finie X et une fonction φ, E[φ(X)]=∑x∈X(Ω)φ(x)pX(x).
Compléments
📐 Formule - En particulier, E(X2)=∑x∈X(Ω)x2pX(x).
Pour deux lancers indépendants d’une pièce donnant pile avec probabilité 0,5, si X compte les piles, le théorème de transfert donne E(X)=2×0,25+1×0,25+1×0,25+0×0,25=1.
Si Y=X² et que X prend les valeurs −2, −1, 0, 1, 2 avec probabilités 0,1, 0,2, 0,2, 0,3, 0,2, alors E(Y)=E(X²)=1,7.
📖 7. Propriétés de l’espérance et variance
🔑 Notions clés & Définitions
Variance : La variance de X est l’espérance du carré de son écart à son espérance et vaut V(X)=E[(X−E(X))2]=∑x∈X(Ω)(x−E(X))2pX(x).
Écart-type : L’écart-type de X est la racine carrée de sa variance, soit σ(X)=V(X), et s’exprime dans la même unité que X.
★ À maîtriser
📐 Formule - Pour deux variables aléatoires discrètes finies X et Y et deux réels a et b, E(aX+bY)=aE(X)+bE(Y).
📐 Formule - La formule de Koenig donne V(X)=E(X2)−[E(X)]2=∑x∈X(Ω)x2pX(x)−[∑x∈X(Ω)xpX(x)]2.
Compléments
Si X est certaine de valeur a, alors E(X)=a.
Si X ne prend que des valeurs positives ou nulles, alors E(X)≥0.
La variance est nulle si et seulement si X est une variable aléatoire certaine.
📐 Formule - Pour une constante a, V(X+a)=V(X) et V(aX)=a2V(X).
📌 La variance d’une somme de deux variables aléatoires n’est généralement pas égale à la somme de leurs variances.
📖 8. Variables aléatoires discrètes infinies
🔑 Notions clés & Définitions
Ensemble dénombrable : Un ensemble infini E de réels est dénombrable si ses éléments peuvent être énumérés sous la forme d’une suite de réels tous distincts.
Espace probabilisé : Un espace probabilisé infini est un triplet (Ω, T, P), où Ω est l’univers, T la tribu des événements auxquels une probabilité est attribuable et P la probabilité sur Ω.
Variable aléatoire discrète infinie : Une variable aléatoire discrète infinie X sur (Ω,T,P) est une application de Ω vers R dont l’ensemble des valeurs possibles est dénombrable et pour laquelle chaque événement {X=x} appartient à T.
Loi d’une VADI : La loi d’une variable aléatoire discrète infinie X associe à chaque valeur possible x la probabilité pX(x)=P(X=x).
★ À maîtriser
📌 Sur un espace probabilisé infini, la probabilité est σ-additive : pour toute suite finie ou infinie d’événements deux à deux disjoints, la probabilité de leur réunion est la somme de leurs probabilités.
📐 Formule - La somme des probabilités de la loi d’une variable aléatoire discrète infinie vaut ∑x∈X(Ω)pX(x)=∑n=1+∞pn=1.
📐 Formule - Pour une variable aléatoire discrète infinie X et une fonction φ, si la série est absolument convergente, E[φ(X)]=∑x∈X(Ω)φ(x)pX(x).
Compléments
Les ensembles des entiers naturels, des entiers relatifs et des rationnels de ]0,1[ sont dénombrables, tandis que l’ensemble des réels ne l’est pas.
Sur un univers fini, la tribu est généralement l’ensemble de toutes les parties de Ω, tandis que sur un univers infini tout sous-ensemble n’est pas nécessairement un événement auquel une probabilité est attribuable.
La formule des probabilités totales s’applique aussi à un système complet constitué d’une suite infinie d’événements.
Pour X à valeurs dans N* avec P(X=n)=2⁻ⁿ pour tout n≥1, la somme des probabilités vaut 1.
📐 Formule - Pour une variable aléatoire discrète infinie X, E(X)=∑n=1+∞xnpn et E(X2)=∑n=1+∞xn2pn lorsque les séries correspondantes sont absolument convergentes.
📖 9. Indépendance et lois discrètes classiques
🔑 Notions clés & Définitions
Variables indépendantes : Deux variables aléatoires discrètes X et Y sont indépendantes si, pour toutes valeurs possibles x et y, P(X=x et Y=y)=P(X=x)P(Y=y).
Loi de Bernoulli : Une variable X suit la loi de Bernoulli de paramètre p∈[0,1] si elle prend les valeurs 0 et 1 avec probabilités respectives 1−p et p.
Loi binomiale : Le nombre de succès obtenus lors de n répétitions indépendantes d’une expérience de probabilité de succès p suit la loi binomiale B(n,p).
Loi géométrique : Le rang du premier succès lors de répétitions indépendantes de probabilité de succès p∈]0,1] suit la loi géométrique G(p).
Loi de Poisson : Une variable X suit la loi de Poisson de paramètre λ>0, notée P(λ), si elle prend ses valeurs dans N et vérifie P(X=n)=e⁻λ λⁿ/n!.
Loi hypergéométrique : Le nombre de boules de couleur 1 obtenues lors de n tirages sans remise parmi N boules, dont N1 sont de couleur 1, suit la loi hypergéométrique H(N,N1,n).
★ À maîtriser
📐 Formule - Si X et Y sont indépendantes et possèdent une variance, V(X+Y)=V(X)+V(Y).
📐 Formule - Pour X suivant B(n,p), P(X=k)=(kn)pk(1−p)n−k pour k=0,…,n, et E(X)=np,V(X)=np(1−p).
Compléments
📌 Si X et Y sont indépendantes, alors pour toutes fonctions φ et ψ, E[φ(X)ψ(Y)]=E[φ(X)]E[ψ(Y)].
L’indicatrice 1A d’un événement A suit une loi de Bernoulli de paramètre p=P(A), et son espérance vaut p tandis que sa variance vaut p(1−p).
📐 Formule - Pour X suivant G(p), P(X=n)=(1−p)n−1p pour n∈N*, E(X)=p1 et V(X)=p21−p.
📐 Formule - Pour X suivant H(N,N1,n), P(X=k)=(nN)(kN1)(n−kN−N1) et E(X)=nNN1.
Pour une loi de Poisson P(λ), l’espérance et la variance valent toutes deux λ.
Une loi de Poisson modélise un nombre aléatoire d’événements dans un intervalle de temps donné, et son paramètre λ représente le nombre moyen d’événements dans cet intervalle.
📌 Lorsque p est petit et n grand, la loi binomiale B(n,p) est approchée par la loi de Poisson P(λ=np).
📖 10. Définitions des variables à densité
🔑 Notions clés & Définitions
Densité de probabilité : Une fonction f continue par morceaux sur R est une densité de probabilité si elle est positive ou nulle partout, si son intégrale généralisée sur R converge et si cette intégrale vaut 1.
Variable à densité : Une variable aléatoire X a pour densité f si, pour tous réels a et b, P(a≤X≤b)=∫abf(x)dx.
Fonction continue par morceaux : Une fonction est continue par morceaux sur un intervalle fermé borné si l’intervalle peut être partagé en un nombre fini de sous-intervalles où la fonction est continue, avec des limites latérales finies aux bornes et aux points de séparation.
★ À maîtriser
📐 Formule - La fonction de répartition d’une variable aléatoire de densité f vérifie FX(t)=P(X≤t)=∫−∞tf(x)dx.
📌 Si la fonction de répartition FX est continue sur R et de classe C¹ par morceaux, X possède une densité égale à F′X aux points où FX est dérivable et à 0 ailleurs.
Compléments
📌 Pour une variable aléatoire à densité, P(X=a)=0 pour tout réel a, et les bornes d’un intervalle peuvent être ouvertes ou fermées sans changer sa probabilité.
📌 Une variable aléatoire discrète n’a pas de densité, car une variable à densité vérifie P(X=a)=0 pour tout réel a.
Une densité n’est pas unique : modifier ses valeurs en un nombre fini de points fournit encore une densité de la même variable.
📌 La fonction de répartition d’une variable discrète est en escalier et non continue, de sorte que le théorème d’obtention d’une densité par dérivation ne s’applique pas.
📖 11. Espérance et variance des variables à densité
★ À maîtriser
📐 Formule - Pour une variable aléatoire X de densité fX, si l’intégrale est absolument convergente, E(X)=∫−∞+∞xfX(x)dx.
📐 Formule - Pour Y=φ(X), si l’intégrale est absolument convergente, le théorème de transfert donne E[φ(X)]=∫−∞+∞φ(x)fX(x)dx.
📐 Formule - Pour une variable X de densité fX, V(X)=E[(X−E(X))2]=∫−∞+∞(x−E(X))2fX(x)dx.
📐 Formule - La formule de Koenig pour une variable à densité est V(X)=E(X2)−[E(X)]2=∫−∞+∞x2fX(x)dx−[E(X)]2.
Compléments
📐 Formule - En particulier, E(X2)=∫−∞+∞x2fX(x)dx lorsque cette intégrale est absolument convergente.
📐 Formule - L’espérance des variables aléatoires à espérance définie est linéaire : E(aX+bY)=aE(X)+bE(Y).
📐 Formule - L’écart-type d’une variable à densité est σ(X)=V(X).
📐 Formule - Pour une constante a, V(X+a)=V(X), V(aX)=a2V(X) et σ(aX)=∣a∣σ(X).
📖 12. Indépendance et lois à densité classiques
🔑 Notions clés & Définitions
Variables indépendantes : Deux variables aléatoires X et Y sont indépendantes si, pour tous intervalles I et J de R, P(X∈I et Y∈J)=P(X∈I)P(Y∈J).
Loi uniforme : Une variable X suit la loi uniforme sur [a,b], avec a<b, si elle a pour densité fX(x)=b−a11[a,b](x).
Loi exponentielle : Une variable X suit la loi exponentielle de paramètre λ>0 si elle a pour densité fX(x)=λe−λx1R+(x).
★ À maîtriser
📐 Formule - Pour X suivant la loi uniforme sur [a,b], E(X)=2a+b et V(X)=12(b−a)2.
Pour une variable aléatoire X de loi exponentielle de paramètre λ > 0, E(X) = 1/λ et V(X) = 1/λ².
La fonction de répartition d’une loi exponentielle de paramètre λ > 0 vaut 0 si t < 0 et 1 − e^(−λt) si t ≥ 0.
Compléments
📌 Pour deux variables indépendantes X et Y, E[φ(X)ψ(Y)]=E[φ(X)]E[ψ(Y)].
La fonction de répartition de la loi uniforme sur [a,b] vaut 0 pour t<a, (t−a)/(b−a) pour a≤t<b et 1 pour t≥b.
La loi exponentielle sert notamment à modéliser une durée aléatoire, telle que la durée de vie d’un composant.
📖 13. Loi normale et approximation binomiale
🔑 Notions clés & Définitions
Loi normale : Une variable aléatoire X suit la loi normale de moyenne m et de variance σ², notée N(m, σ²), si elle admet une densité proportionnelle à exp(−(x−m)²/(2σ²)), avec facteur 1/(σ√(2π)).
★ À maîtriser
Si X suit la loi N(m, σ²), alors E(X) = m et V(X) = σ².
📌 Si Xn suit la loi binomiale B(n,p) et np est grand, Xn est approximativement de loi normale N(np, np(1−p)).
Compléments
📌 Pour des variables indépendantes X et Y de lois N(mX, σX²) et N(mY, σY²), aX+bY suit N(amX+bmY, a²σX²+b²σY²).
La fonction de répartition de la loi normale ne se calcule pas littéralement et les probabilités se déterminent à l’aide de tables ou de logiciels.
Selon le théorème de la limite centrale, une variable résultant d’un grand nombre d’aléas indépendants suit généralement une loi normale.
📐 Formule - La variable centrée réduite associée à Xn s’écrit Zn=np(1−p)Xn−np et suit approximativement la loi N(0,1) lorsque np est grand.
📐 Formule - Pour tout t réel, limn→+∞P(Xn≤np+np(1−p)t)=∫−∞t2π1e−x2/2dx.
📖 14. Loi jointe discrète
🔑 Notions clés & Définitions
Loi jointe discrète : La loi jointe de deux variables aléatoires discrètes X et Y est définie par pX,Y(x,y)=P(X=x et Y=y).
★ À maîtriser
Dans un tableau de loi jointe, les sommes des probabilités d’une ligne donnent les probabilités marginales de X et celles d’une colonne donnent les probabilités marginales de Y.
📌 Si X et Y sont indépendantes, alors pX,Y(x,y)=pX(x)pY(y) pour toutes les valeurs x et y.
📐 Formule - Pour une fonction φ définie sur les valeurs possibles de (X,Y), E[φ(X,Y)]=∑i∑jpijφ(xi,yj).
Compléments
La somme de toutes les probabilités de la loi jointe vaut 1, qu’on la calcule en sommant d’abord les lignes ou d’abord les colonnes.
📌 Si la loi jointe s’écrit pij=qi rj pour tout couple d’indices (i,j), alors X et Y sont indépendantes.
📖 15. Covariance et variance d’une somme
🔑 Notions clés & Définitions
Covariance : La covariance de X et Y est Cov(X,Y)=E[(X−E(X))(Y−E(Y))], lorsque les espérances intervenant dans cette expression sont définies.
★ À maîtriser
📐 Formule - La formule de Koenig donne Cov(X,Y)=E(XY)−E(X)E(Y).
📌 Si X et Y sont indépendantes, leur covariance est nulle, mais une covariance nulle n’implique pas l’indépendance.
📐 Formule - La variance d’une somme vérifie V(X+Y)=V(X)+V(Y)+2Cov(X,Y).
Compléments
Une covariance positive indique une tendance à varier dans le même sens, une covariance négative une tendance à varier en sens contraire, et une covariance nulle l’absence de corrélation.
La covariance est symétrique, Cov(X,Y)=Cov(Y,X), et Cov(X,X)=V(X).
📐 Formule - Pour des constantes a et b, Cov(aX,bY)=abCov(X,Y).
La covariance est additive par rapport à chaque variable : Cov(X,Y+Z)=Cov(X,Y)+Cov(X,Z) et Cov(X+Y,Z)=Cov(X,Z)+Cov(Y,Z).
📖 16. Couples de variables à densité
🔑 Notions clés & Définitions
Densité sur un rectangle : Une fonction continue f sur [a,b]×[c,d] est une densité de probabilité si elle est positive ou nulle partout et si son intégrale double sur ce rectangle vaut 1.
Densité d’un couple : Le couple (X,Y) a pour densité fX,Y si, pour tout rectangle [s,t]×[u,v] inclus dans [a,b]×[c,d], la probabilité que (X,Y) appartienne à ce rectangle est l’intégrale double de fX,Y sur celui-ci.
★ À maîtriser
📐 Formule - Les densités marginales s’obtiennent par intégration de la densité jointe : fX(x)=1[a,b](x)∫cdfX,Y(x,y)dy,fY(y)=1[c,d](y)∫abfX,Y(x,y)dx.
Compléments
📐 Formule - Pour une fonction bornée φ, E[φ(X,Y)]=∫ab∫cdφ(x,y)fX,Y(x,y)dydx.
📐 Formule - En particulier, E(XY)=∫ab∫cdxyfX,Y(x,y)dydx.
📖 17. Indépendance des variables aléatoires
🔑 Notions clés & Définitions
Indépendance mutuelle : Les variables aléatoires X1,…,Xn sont indépendantes si, pour tous intervalles I1,…,In, la probabilité que chaque Xi appartienne à Ii est le produit des probabilités individuelles correspondantes.
★ À maîtriser
📌 Pour des variables X et Y ayant une densité jointe, elles sont indépendantes si leur densité jointe se factorise en fX(x)fY(y), et cette factorisation est aussi une condition suffisante.
📐 Formule - Si les variables indépendantes Xi possèdent toutes une variance, alors V(∑i=1nXi)=∑i=1nV(Xi).
Compléments
📌 Si la densité jointe s’écrit fX,Y(x,y)=g(x)h(y) sur le rectangle considéré, alors X et Y sont indépendantes.
📐 Formule - Pour des variables indépendantes X1,…,Xn et des fonctions bornées φ1,…,φn, E[∏i=1nφi(Xi)]=∏i=1nE[φi(Xi)].
📖 18. Polynômes et opérations
🔑 Notions clés & Définitions
Polynôme : Un polynôme à coefficients dans K (K=R ou C) est une somme formelle finie de puissances de X à coefficients dans K; l’ensemble correspondant est noté K[X].
★ À maîtriser
📐 Formule - La dérivée d’un polynôme P(X)=∑ akX^k est P′(X)=∑k=1nkakXk−1.
Compléments
Le degré d’un polynôme non nul est le plus grand exposant dont le coefficient est non nul, et le degré du polynôme nul est fixé à −∞.
La somme de polynômes additionne leurs coefficients de même puissance, et la multiplication par un scalaire multiplie chacun de leurs coefficients par ce scalaire.
La composition de deux polynômes P et Q est P∘Q=P(Q).
La dérivée d’un produit vérifie (PQ)'=P'Q+PQ', et celle d’une composée vérifie (P∘Q)'=(P'∘Q)Q'.
Pour P et Q non nuls, deg(PQ)=deg(P)+deg(Q), deg(P∘Q)=deg(P)deg(Q), et si λ≠0 alors deg(λP)=deg(P).
📖 19. Division, racines et factorisation
🔑 Notions clés & Définitions
Divisibilité : A est divisible par B s’il existe Q∈K[X] tel que A=BQ; cela équivaut à ce que le reste de la division euclidienne de A par B soit nul.
Racine d’un polynôme : Un nombre a∈K est une racine de P si P(a)=0.
Multiplicité d’une racine : La multiplicité d’une racine a de P est le plus petit entier m≥1 tel que P^(m)(a)≠0.
★ À maîtriser
Pour A,B∈K[X] avec B non nul, il existe un unique couple (Q,R) tel que A=BQ+R et deg R<deg B.
Une racine a est d’ordre m si et seulement si P est divisible par (X−a)^m mais pas par (X−a)^(m+1).
Sur C, les polynômes irréductibles sont exactement ceux de degré 1; sur R, ce sont ceux de degré 1 et ceux de degré 2 à discriminant strictement négatif.
Tout polynôme non nul de K[X] se décompose de manière unique, à l’ordre des facteurs près, en un scalaire multiplié par des puissances de polynômes irréductibles distincts unitaires.
Compléments
La décomposition dans C[X] se construit en extrayant successivement les racines et leurs multiplicités.
Dans la décomposition réelle d’un polynôme, les racines complexes non réelles apparaissent par paires conjuguées de même multiplicité et leur produit donne un facteur quadratique réel irréductible.
📖 20. Formes quadratiques et réduction
🔑 Notions clés & Définitions
Forme quadratique : Une forme quadratique sur R^n s’écrit q(x1,…,xn)=∑i∑j aijxixj, où les coefficients réels vérifient aji=aij; la matrice symétrique A=(aij) est sa matrice.
Écriture réduite : Une écriture réduite d’une forme quadratique est q=∑i=1^p λi li², où les λi sont non nuls et les formes linéaires li sont indépendantes.
Signature : La signature d’une forme quadratique est le couple (p,q), où p et q comptent respectivement les coefficients strictement positifs et strictement négatifs d’une écriture réduite.
Forme linéaire : Une forme linéaire sur R^n est une expression l(x1,…,xn)=∑i aixi à coefficients réels.
★ À maîtriser
La méthode de Gauss réduit une forme quadratique en extrayant successivement des carrés jusqu’à obtenir une somme de carrés de formes linéaires.
Compléments
📐 Formule - En notation matricielle, une forme quadratique s’écrit q(X)=XTAX.
La diagonalisation de la matrice symétrique d’une forme quadratique fournit une écriture réduite à partir de ses valeurs propres et de ses vecteurs propres orthogonaux.
Teste tes connaissances
Teste tes connaissances sur Variables aléatoires discrètes et à densité avec 11 questions à choix multiples et corrections détaillées.
1. Un ensemble fini contient 5 éléments. Combien possède-t-il de sous-ensembles, en comptant l’ensemble vide et l’ensemble lui-même ?
2. Un organisateur attribue les places de président, secrétaire et trésorier à trois personnes distinctes choisies parmi huit candidats. Combien d’attributions sont possibles ?