Espaces probabilisés et variables aléatoires discrètes
Espaces probabilisés, variables aléatoires discrètes (finies ou infinies), moments (espérance, variance, transfert), lois usuelles (Bernoulli, binomiale, uniforme, géométrique, Poisson) et généralisation des formules de probabilités.
Choisissez une approche :
Comment déterminer la loi d'une variable aléatoire discrète et vérifier que c'est bien une loi ?
Détermination de $X(\Omega)$ et des probabilités $P(X=x)$, puis vérification des axiomes d'une loi de probabilité discrète.
Comment déterminer la loi de ?
Détermination de la loi d'une transformée $Y=g(X)$ à partir de celle de $X$, en fusionnant les antécédents par $g$.
Comment reconnaître une loi usuelle dans une modélisation ?
Identification d'une loi usuelle (Bernoulli, binomiale, uniforme, géométrique, Poisson) à partir du schéma probabiliste d'une expérience.
Comment calculer l'espérance d'une variable aléatoire discrète ?
Calcul de $E(X)$ par définition pour une variable discrète, avec vérification de la convergence absolue dans le cas infini, ou via les lois usuelles connues.
Comment calculer la variance et l'écart-type d'une variable aléatoire discrète ?
Calcul de $V(X)$ via la formule de Koenig-Huygens ou via la stabilité par transformation affine, puis de l'écart-type $\sigma(X)=\sqrt{V(X)}$.
Comment appliquer le théorème de transfert pour calculer ?
Calcul de l'espérance d'une fonction de variable aléatoire discrète $g(X)$ sans déterminer la loi de $Y=g(X)$, par application du théorème de transfert.
Comment appliquer la formule des probabilités totales sur un SCE dénombrable ?
Généralisation de la formule des probabilités totales à un système complet d'événements dénombrable, pour exprimer une probabilité en sommant sur tous les cas possibles.