Probabilités 1
Le hasard est la nécessité
Laurent Le Floch et Frédéric Testard
Calvage et Mounet
Probabilités 1 - P'têt ben qu'non...
Première partie - Des réponses aux problématiques issues des jeux et de la vie courante
I. Le hasard fait bien les choses
1. Panorama5
2. Expérience aléatoire5
3. La loi naïve des grands nombres7
4. Deux problèmes fondateurs9
4.1. Le problème de Galilée - ou du duc de Toscane9
4.2. Le problème du chevalier de Méré9
5. Expérience et simulation : l'importance de la modélisation10
6. Exercices12
II. Probabilités élémentaires
1. Panorama13
2. Univers associé à une expérience aléatoire finie14
3. Définition constructive de la probabilité15
4. Le cas de l'équiprobabilité16
5. Un modèle quasi-universel : le modèle d'urne17
6. Formulaire18
7. Petit dictionnaire21
8. Définition axiomatique de la probabilité22
9. Et si l'on modifie l'expérience ?23
10. La solution des deux problèmes fondateurs25
10.1. Le problème de Galilée, ou du duc de Toscane25
10.2. Problème du chevalier de Méré26
11. Exercices27
III. Outil 1 - Utilisation du tableur
1. Panorama33
2. Pratique du tableur33
2.1. Affichage des entêtes de lignes et colonnes34
2.3. Saisie des formules au tableur34
2.5. Nommer une zone36
2.6. Deux fonctions utiles pour les probabilités37
3. Simulation et fluctuation d'échantillonnage38
4. Ne peut-on simuler que ce que l'on connaît ?41
5. Exercices42
IV. Outil 2 - Éléments d'analyse combinatoire
1. Panorama47
2. Principe additif47
3. Principe multiplicatif49
4. Parties, arrangements, combinaisons51
5. Quelques beaux problèmes59
5.1. Comment partager l'addition ?59
5.5. Le jeu de dobble64
5.9. Il y a crible et crible : Poincaré et Ératosthène68
5.12. Dénombrer les dérangements70
6. Exercices72
Deuxième partie - Aux urnes, citoyens !
V. Variables aléatoires finies
1. Panorama93
2. Variable aléatoire et loi de probabilité finie93
2.1. Variable aléatoire finie93
2.3. Loi de probabilité finie94
3. Fonctions de répartition et de survie97
4. Espérance99
5. Variance et écart-type103
6. Fonction génératrice des moments105
7. Des inégalités107
8. Automatisation des calculs109
8.1. Représentation d'une loi finie109
8.2. Calcul des caractéristiques numériques d'une loi finie110
8.3. Simulation d'une loi finie111
9. Exercices113
VI. Conditionnement et indépendance
1. Panorama121
2. Probabilité conditionnelle. Événements indépendants122
2.1. Une approche statistique du conditionnement122
2.6. Extension à des univers aléatoires finis généraux126
3. Des conditionnements paradoxaux131
3.1. Le rouge et le noir131
3.2. Let's make a deal : le paradoxe de Monty Hall131
3.3. P'tetbenq oui134
4. Lois conditionnelles. Variables aléatoires indépendantes135
4.1. Conditionnement d'une variable par un événement135
4.2. Conditionnement d'une variable par une autre variable135
5. Caractérisation « intégrale » de l'indépendance143
6. Espérance conditionnelle147
6.1. Espérance conditionnelle sachant un événement147
6.2. Espérance conditionnelle sachant une variable aléatoire148
7. Propriétés de l'espérance conditionnelle149
8. Caractérisation par les espérances de l'espérance conditionnelle153
9. Exercices155
VII. Lois finies classiques - Petit catalogue
1. Panorama167
2. Loi uniforme168
3. Loi de Bernouilli168
4. Loi binomiale168
5. Loi hypergéométrique173
6. Sommes de variables finies indépendantes176
6.1. Loi de la somme : convolution discrète178
6.7. Somme « binomiale » de variables de Bernoulli179
7. Automatisation des calculs181
7.1. Loi binomiale : calculs de probabilités avec le tableur181
7.2. Loi binomiale : calculs de probabilités avec Geogebra182
7.3. Loi hypergéométrique183
7.4. Sommes de variables indépendantes : simulation avec le tableur183
7.5. Sommes de variables indépendantes : calcul avec Python187
8. Exercices190
VIII. Outil 3 - Simuler et visualiser avec Python
1. Panorama213
2. Jupyter Notebook213
2.1. Installer le Jupyter Notebook214
2.2. Lancer le Jupyter Notebook214
2.3. Créer un notebook215
2.4. Utiliser le Jupyter Notebook216
2.4.1. Le mode édition216
2.4.2. Le mode commande216
2.4.3. Sauver et fermer un notebook217
3. Quelques éléments de syntaxe du langage Python217
3.1. Structures de données217
3.1.1. Booléens et tests217
3.1.2. Les types numériques218
3.1.3. Les listes218
3.1.4. Les tuples220
3.1.5. Les ensembles222
3.2. Bases de programmation224
3.2.1. Variables, déclaration et affectation224
3.2.2. Séquences226
3.2.3. Structures conditionnelles226
3.2.4. Structures itératives, boucles228
3.2.5. Fonctions229
4. Modules complémentaires230
4.1. Comment importer un module230
4.2. Le module math231
4.3. Le module numpy et le sous-module numpy.random232
4.3.1. Les fonctions mathématiques habituelles232
4.3.2. Les tableaux232
4.3.3. Le sous-module numpy.random235
4.4. Le sous-module stats du module scipy236
4.5. Le module matplotlib238
5. Exercices241
IX. Outil 4 - Fonctions génératrices
1. Panorama245
2. Fonction génératrice d'une variable finie à valeurs dans (...)246
3. Fonction génératrice d'une somme de variables aléatoires248
3.1. Somme d'un nombre fixe de variables248
3.3. Somme d'un nombre aléatoire de variables249
4. Fonction génératrice, espérance et variance251
5. Fonction génératrice d'un couple et indépendance251
6. Exercices253
Troisième partie - À petits pas vers l'infini
X. On ne peut pas se contenter du fini
1. Panorama259
2. Espaces probabilisés discrets260
2.1. Ensembles dénombrables260
2.4. Univers aléatoires discrets261
2.6. Loi de probabilité discrète262
3. Formulaire264
4. Un modèle pour le jeu de pile ou face infini ?270
5. Exercices271
XI. Variables aléatoires discrètes
1. Panorama279
2. Variables et lois de probabilité discrètes280
2.1. Variables aléatoires discrètes280
2.5. Loi de probabilité282
2.8. Fonction de répartition et de survie283
3. Variables indépendantes285
4. Espérance d'une loi discrète286
4.1. Définition de l'espérance286
4.3. Propriétés de l'espérance287
5. Espérance et indépendance296
6. Espérance et convergence298
7. Variance d'une loi discrète304
8. Fonction génératrice des moments307
9. Inégalités310
10. Conditionnement310
11. Exercices312
XII. Lois discrètes classiques - Petit catalogue
1. Panorama321
2. Loi de Poisson322
2.1. L'opiniâtreté du malchanceux322
2.3. Loi de Poisson324
3. Loi géométrique327
4. Loi de Pascal, loi binomiale négative335
5. Sommes de variables discrètes indépendantes341
5.1. Somme d'un nombre fixe de variables341
5.5. Somme d'un nombre aléatoire de variables343
6. Automatisation des calculs347
6.1. Loi de Poisson : probabilités et fonction de répartition347
6.2. Loi binomiale négative et loi de Pascal348
6.3. Simulation avec Python349
7. Exercices352
XIII. Temps d'attente
1. Panorama361
2. Temps d'attente du nème succès362
2.1. Temps d'attente du premier succès363
2.5. Temps d'attente du nème succès364
3. Un processus à accroissements homogènes et indépendants366
3.1. Loi des accroissements366
3.6. Loi conjointe et indépendance des accroissements371
4. Deux applications373
4.1. Les partis de Pascal - Énoncé373
4.2. Les partis de Pascal - Solution récursive375
4.4. Les partis de Pascal - Solution de Pascal et Fermat376
4.6. Les partis de Pascal - Solution par les temps d'attente376
4.8. Les allumettes de Banach378
5. Suites de piles consécutifs380
5.1. Simulation380
5.2. Calculs381
5.5. Temps d'attente d'une suite de piles consécutifs : loi et espérance383
6. Paradoxe de Penney et théorème de Conway388
6.1. Tous les motifs ne sont pas égaux388
6.2. Théorème de Conway389
6.5. Détermination du temps d'attente moyen390
6.10. Affrontement de deux joueurs393
6.14. Simulation en Python du théorème de Conway395
7. Exercices398
XIV. Outil 5 - Séries numériques
1. Panorama421
2. Séries numériques - Convergence422
3. Convergence des séries à termes positifs424
3.4. Théorèmes de comparaison et d'équivalence425
3.7. Séries de référence426
3.12. Quelques critères supplémentaires426
4. Convergences absolue et commutative428
4.1. Convergence absolue428
4.4. Convergence commutative429
5. Séries semi-convergentes433
5.1. Définition et exemples433
5.5. Les mystères de « la » somme d'une série alternée434
6. Séries doubles - Théorèmes de Fubini439
7. Série produit446
8. Exercices447
XV. Outil 6 - Séries entières et fonctions génératrices
1. Panorama457
2. Séries entières - Convergence457
3. Propriétés de la somme d'une série entière459
4. Les séries classiques à connaître461
5. Fonction génératrice des variables entières464
5.1. Définition et propriétés élémentaires464
5.4. Moments d'ordre 1 et 2 et fonction génératrice465
5.6. Fonction génératrice et sommes de variables entières467
6. Fonction génératrice d'une suite468
7. Fonctions génératrices en analyse combinatoire473
8. Exercices476
Quatrième partie - Le continu chasse le discret
XVI. L'indispensable continu
1. Panorama485
2. Des problèmes historiques486
2.1. Le problème de l'aiguille de Buffon487
2.2. Le paradoxe de Bertrand489
3. Faire du discret avec du continu491
4. Un modèle pour le jeu de pile ou face494
5. Pour finir : la généricité des variables continues496
6. Exercices496
XVII. Variables aléatoires continues à densité
1. Panorama503
2. Lois continues à densité504
3. L'existence de la loi uniforme : un premier regard507
4. Fonctions de répartition et de survie d'une loi à densité508
5. Espérance d'une loi à densité509
6. Variance d'une loi à densité519
7. Fonction génératrice des moments520
8. Inégalités522
9. Exercices523
XVIII. Lois à densité classiques - Petit catalogue
1. Panorama541
2. Lois uniformes541
2.1. Lois uniformes541
2.5. Loi uniforme et simulation544
3. Lois exponentielles545
4. Lois Gamma548
5. Lois de Cauchy550
6. Lois gaussiennes551
7. Automatisation des calculs555
7.1. Simulation en utilisant le tableur555
7.2. Simulation avec Python556
8. Exercices562
XIX. Vecteurs aléatoires, indépendance
1. Panorama577
2. Vecteurs à densité, lois marginales578
3. Variables indépendantes580
4. Caractérisation intégrale de l'indépendance582
5. Quelques problèmes classiques583
5.1. L'aiguille de Buffon583
5.2. Le paradoxe de Bertrand584
5.3. Le jeu de « franc-carreau »585
6. Simulation par la méthode de rejet586
7. Exercices590
XX. Sommes de variables indépendantes
1. Panorama607
2. Loi de la somme de deux variables indépendantes608
3. Une autre méthode : les fonctions caractéristiques610
3.1. Introduction610
3.2. Fonction caractéristique d'une variable aléatoire610
3.9. Application aux sommes de variables aléatoires613
3.12. Un petit catalogue de fonctions caractéristiques614
4. Sommes de variables usuelles615
5. Exercices619
XXI. Conditionnement
1. Panorama635
2. Conditionnement entre variables discrète et à densité635
2.1. Conditionnement d'une variable à densité par une variable discrète636
2.8. Conditionnement d'une variable discrète par une variable à densité638
3. Conditionnement entre deux variables à densité642
4. Caractérisation intégrale de l'espérance conditionnelle644
5. Appendice : conditionnement pour un couple sans densité648
6. Exercices649
XXII. Outil 7 - Intégrales généralisées
1. Panorama655
2. Intégrales généralisées - Convergence655
3. Intégrales généralisées et fonctions positives658
4. Intégrales généralisées de fonctions de signe quelconque659
4.1. Convergence absolue et intégrabilité659
4.4. Semi-convergence660
5. Suites d'intégrales généralisées660
6. Application : fonctions définies par une intégrale661
7. Application : fonction caractéristique des lois classiques662
8. Exercices667
XXIII. Outil 8 - Intégrales multiples
1. Panorama671
2. Intégrales doubles672
2.1. Définition géométrique des intégrales doubles672
2.2. Quelques propriétés générales673
3. Calcul des intégrales doubles : théorèmes de Fubini673
4. Calcul en coordonnées polaires676
5. Calcul des intégrales par changement de variables677
6. Exercices678
Bibliographie681
Notations689
Index691