Pseudo-aléatoire

 FICHES ECONOMETRIE Modèle simple de regression linéaire : Yi la variable dépendante Xi la variable indépendante 0 la valeur de Yi quand X = 0 Composante linéaire 1 la pente de la droite i la composante de l’erreur aléatoire Estimation de la valeur de Y pour l’observation I : i la valeur estimée b0 l’interception estimée avec l’axe des ordonnées b1 l’estimation de la pente Xi la valeur de X pour l’observation i Méthode du moindre carré :

I : PROBABILITES : RECAPITULATIF NOTIONS DE PREMIERE A. PROBABILITES 1. Vocabulaire Expérience aléatoire : expérience , pour cette partie, à un nombre fini de résultats possibles, tous bien définis, dont on ne peut prévoir l’issue à la suite d’une réalisation de celle-ci. Notation : () Univers d’une expérience aléatoire : ensemble de ses résultats possibles Si e1, e2, …. , en sont ses n résultats possibles, l’univers sera noté  ou E : ={e1, e2, … en } Eventualité : un résultat possible

Tirage 4 : 0.36, 0.5, 1.5, 0.19, 0.3, 0.23, 0.5, 0.56, 0.27, 0.98 -> moyenne : 0.54 Les échantillons obtenus par tirage aléatoire simple étant très petits, le hasard peut donner des estimations très différentes les unes des autres et parfois très éloignées du résultats réel, même lorsqu’une seule valeur diffère. On parlera de variance élevée (cf chapitre sur l’échantillonnage aléatoire simple). Ce phénomène de variabilité est beaucoup moins important pour des échantillons de grande taille. Une autre

PROBABILITES 1. Loi Binomiale B(n,p) Il s’agit en fait de la somme de n variables aléatoires indépendantes qui suivent une loi , de même paramètre p.  avec   Somme de lois binomiales. Soient deux variables aléatoires indépendantes: qui suit , et qui suit . La V.A. définie par suit une loi . 2. Loi de Poisson P() On appelle variable aléatoire de Poisson une variable aléatoire discrète X pouvant prendre des valeurs entières 0, 1, 2, …, k avec des probabilités

probabilité pour qu’il soit porteur de la maladie ? 4. On choisit cinq animaux au hasard. La taille de ce troupeau permet de considérer les épreuves comme indépendantes et d’assimiler les tirages à des tirages avec remise. On note X la variable aléatoire qui, aux cinq animaux choisis, associe le nombre d’animaux ayant un test positif. a. Quelle est la loi de probabilité suivie par X ? b. Quelle est la probabilité pour qu’au moins un des cinq animaux ait un test positif ? 5. Le coût des soins à prodiguer

statistiques descriptives à deux variables est de faire apparaître d'éventuelles liaisons entre deux variables X et Y décrivant une même population P. Le vocabulaire est emprunté aux probabilités, bien que les variables ne soient pas des variables aléatoires, la population n'est pas probalisée ! En statistiques descriptives le rôle des deux variables est symétrique, ce sont les méthodes explicatives qui romperont cette symétrie. Généralités Statistiques descriptives à une variable Statistiques

+ × 0,87 × 0,13 ≈ 0,721 La probabilité qu'au moins sept entreprises n'emploient aucun salarié est 0,721. B. Loi normale 1° Réponse C : 0,86 Justification (non demandée) : suit la loi normale de moyenne 874 et d'écart type 10,5. Soit la variable aléatoire définie par : ≤ 890,5 = 859,5 − 874 ≤ 10,5 = , =1− = 0,87 = 0,13 ; suit 29 11 −Π − ≈ Π 1,57 − Π −1,38 = Π 1,57 − 1 − Π 1,38 21 7 = 0,9418 − 1 + 0,9162 = 0,858 ≈ 0,86 =Π 2° Réponse A : 0,27 Justification (non demandée) : − 874 880

cours de la fabrication, on prélève au hasard successivement cinq montres. On considère que le nombre de montres fabriquées est assez grand pour que l’on puisse supposer que les tirages se font avec remise et sont indépendants. Soit X la variable aléatoire qui, à chaque prélèvement de cinq montres, associe le nombre de montres ne présentant aucun des deux défauts a et b. On définit l’évènement E : « quatre montres au moins n’ont aucun défaut ». Calculer la probabilité de l’évènement E. On en donnera

et que lim un = 1. n 1 Exercice 2 Dans cet exercice, p désigne un réel de ]0, 1[ et on note q = 1 – p. On considère deux variables aléatoires X et Y définies sur le même espace probabilisé ( , A, P ), indépendantes et suivant toutes deux la même loi géométrique de paramètre p. 1) On pose Z = Inf (X, Y) et on admet que Z est une variable aléatoire, elle aussi définie sur l’espace probabilisé ( , A, P ). On rappelle que, pour tout entier naturel k, on a l’égalité : (Z > k) = (X > k)  (Y

usuelles 1 Variables aléatoires Soit Ω l’univers d’une expérience aléatoire muni de la probabilité P . Définition 1.1 (Variable aléatoire) Une variable aléatoire définie sur Ω associe à chaque issue, une valeur numérique. Les variables aléatoires que nous étudierons sont des applications (des fonctions) de Ω dans R. Par exemple, au jeu de pile ou face, on peut décider qu’obtenir pile rapporte 1 e, alors qu’obtenir face fait perdre 1 e. On définit alors la variable aléatoire X par : X(pile) = 1 et