Rappel Proba
Rappel Proba
Rappel Proba
D. Clouteau
Introduction
Résumé
Problèmes aux limites
Probability
Trouver u tel que :
D. Clouteau
Probability
D. Clouteau
Introduction
Fonction
char-
actéristique
Variables
gaussiennes
Résumé
Principaux enjeux
Probability
D. Clouteau
Les variables/vecteurs aléatoires,
Introduction
pdfs, moments, variables du second ordre, dépendance
Ensembles
probabilisés Les champs aléatoires,
Mesure
Variables
Aléatoires
processus stochastiques, stationnarité, dérivation,
Probabilités
condition-
champs aléatoire sur un domaine borné : Décomposition
nelles et
marginales
de KL
Variables Champs/processus Gaussiens
du second
ordre Résolution
Espérance
et Filtrage linéaire
corrélation
Moments Filtrage non-linéaire
Fonction simulation de Monte-Carlo
char-
actéristique Eléments finis stochastiques
Variables
gaussiennes
Résumé
Plan
Probability
D. Clouteau
1 Ensembles probabilisés
Introduction
Mesure de probabilité
Ensembles
probabilisés Variables Aléatoires
Mesure
Variables Probabilités conditionnelles et marginales
Aléatoires
Probabilités
condition-
nelles et
marginales 2 Variables du second ordre
Variables
du second
Espérance, corrélation et covariance
ordre
Espérance
Moments
et
corrélation
Moments
Fonction
3 Fonction charactéristique
char-
actéristique
Variables gaussiennes
Variables
gaussiennes
Résumé
Ensembles probabilisés
Probability
D. Clouteau
Introduction
Ensembles
probabilisés
Mesure
Variables
Aléatoires
Probabilités
condition-
nelles et
marginales
Fonction
A ∈ E ⇒ Ωθ \ A ∈ E, An ∈ E, n ≤ +∞ ⇒ ∪n An ∈ E
char-
actéristique P une mesure de E dans [0, 1] telle que:
Variables
gaussiennes +∞
X
Résumé
P (Ωθ ) = 1, An ∩Am = ∅ ⇒ P (∪+∞
n=1 An ) = P (An )
Outline
Probability
D. Clouteau
1 Ensembles probabilisés
Introduction
Mesure de probabilité
Ensembles
probabilisés Variables Aléatoires
Mesure
Variables Probabilités conditionnelles et marginales
Aléatoires
Probabilités
condition-
nelles et
marginales 2 Variables du second ordre
Variables
du second
Espérance, corrélation et covariance
ordre
Espérance
Moments
et
corrélation
Moments
Fonction
3 Fonction charactéristique
char-
actéristique
Variables gaussiennes
Variables
gaussiennes
Résumé
Mesure de probabilité sur Ωθ ⊂ R
Probability
D. Clouteau
Introduction
Ensembles
probabilisés
Mesure
Variables
Aléatoires
Probabilités
condition-
nelles et
marginales
Probabilité sur Ia,b avec −∞ ≤ a < b ≤ +∞:
Variables
du second P (Iα,β ) = D(β) − D(α)
ordre
Espérance avec D la fonction de répartition telle que:
et
corrélation D est croissante et continue (à gauche),
Moments
Fonction
D(a) = 0 et D(b) = 1.
char-
actéristique
La densité de probabilité (p.d.f.) p = D0 :
Variables Z β
gaussiennes
Probability
Exemple
D. Clouteau Probabilité con-
Introduction
struite à partir
Ensembles
d’un enreg-
probabilisés istrement fθ (t)
Mesure
Variables
Aléatoires
Probabilités
condition-
nelles et
marginales
Variables
La fonction de répartition
du second
ordre
Espérance
DF (f ) = P (F < f )
et
corrélation Nfθ <f
Moments ≈
Fonction NT
char-
1 T +
Z
actéristique
Variables ≈ I (f − fθ (t))dt
gaussiennes T 0
Résumé
Mesure de probabilité sur R
Densité de probabilité
Probability
D. Clouteau
Densité de probabilité
Introduction
Ensembles
pF (f ) = ∂f DF
probabilisés
Mesure
Variables
Aléatoires
Probabilités
condition-
nelles et
marginales
Variables
du second
ordre
Espérance
et
corrélation
Moments
Fonction
char-
actéristique
Variables
gaussiennes
Résumé
Mesure de probabilité sur Ωθ ⊂ Rn
Probability
D. Clouteau
Introduction
Ensembles
probabilisés
Mesure
Variables
Aléatoires
Probabilités D(θ1 , .., θn ) est une fonction de répartition sur Rn ssi D est
condition-
nelles et
marginales
croissante par rapport a chaque θi , continue à gauche et
Variables vérifie :
du second
ordre
Espérance lim D(θ) = 0 lim D(θ) = 1
et θi →−∞ θj →+∞,j=1,n
corrélation
Moments
Probability
D. Clouteau
Exemple: vecteur force aléatoire F = (F1 , F2 )
Introduction
The Distribution function
Ensembles
probabilisés DF (f ) = DF (f1 , f2 ) =
Mesure
Variables
Aléatoires
Probabilités
condition-
nelles et La densité de probabilité conjointe
marginales
Variables
du second ∂ 2 DF
ordre pF (f1 , f2 ) =
Espérance ∂f1 ∂f2
et
corrélation
Moments
Probability
Exemple: Vagues aléatoires (λ, h)
D. Clouteau
La densité conjointe
Introduction ∂ 2 Dλ,h
pλ,h (λ, h) =
Ensembles ∂λ∂h
probabilisés
Mesure
Variables
Aléatoires
Probabilités
Lois marginales
condition-
nelles et
marginales
Variables
du second
ordre
Espérance
et
corrélation
Moments
Fonction
char-
actéristique
Variables
gaussiennes
Le cas général DF (f1 , . . . , fN ), pF = ∂fN1 ,...fN DF
Résumé
nécessite beaucoup de données
Outline
Probability
D. Clouteau
1 Ensembles probabilisés
Introduction
Mesure de probabilité
Ensembles
probabilisés Variables Aléatoires
Mesure
Variables Probabilités conditionnelles et marginales
Aléatoires
Probabilités
condition-
nelles et
marginales 2 Variables du second ordre
Variables
du second
Espérance, corrélation et covariance
ordre
Espérance
Moments
et
corrélation
Moments
Fonction
3 Fonction charactéristique
char-
actéristique
Variables gaussiennes
Variables
gaussiennes
Résumé
Variables Aléatoires
Probability
D. Clouteau
Introduction
Ensembles
probabilisés
Mesure
Variables
Aléatoires
Probabilités
condition-
nelles et
marginales Une variable aléatoire est une fonction X = f (θ) de
Variables
du second
(Ωθ , E, P ) dans (ΩX , EX ), ssi
ordre
Espérance
et ∀B ∈ EX , f −1 (B) ∈ E,
corrélation
Moments
Probability
D. Clouteau
1 Ensembles probabilisés
Introduction
Mesure de probabilité
Ensembles
probabilisés Variables Aléatoires
Mesure
Variables Probabilités conditionnelles et marginales
Aléatoires
Probabilités
condition-
nelles et
marginales 2 Variables du second ordre
Variables
du second
Espérance, corrélation et covariance
ordre
Espérance
Moments
et
corrélation
Moments
Fonction
3 Fonction charactéristique
char-
actéristique
Variables gaussiennes
Variables
gaussiennes
Résumé
Probabilité conditionnelle
Probability
D. Clouteau
Introduction
Ensembles
probabilisés
Mesure
Variables
Aléatoires
Probabilités
condition-
nelles et
marginales
P (A|B) est la probabilité conditionnelle de A sachant B
Variables
du second P (A ∩ B) = P (A|B)P (B) = P (B|A)P (A)
ordre
Espérance
et
corrélation P (A|B) est la vraisemblance de B sachant A
Moments
Probability
D. Clouteau
(Ω1 , E1 , P1 ) et (Ω2 , E2 , P2 ) deux ensembles probabilisés,
Introduction l’ensemble produit (Ω1 × Ω2 , E12 , P12 ) avec
Ensembles
probabilisés
Mesure E12 = {A1 × A2 } P12 (A1 × A2 ) = P1 (A1 )P2 (A2 )
Variables
Aléatoires
Probabilités
condition- est un espace probabilisé de loi :
nelles et
marginales
Variables
du second
FXY (x, y) = FX (x)FY (y) pXY (x, y) = pX (x)pY (y)
ordre
Espérance
et
corrélation
Les lois marginales sur Ω1 × Ω2 sont données par
Moments Z
p01 (θ 1 ) = p0 (θ 1 , θ 2 |θ 2 ∈ Ω2 ) = p0 (θ 1 , θ 2 )dθ 2
Fonction
char-
actéristique Ω2
Variables
gaussiennes
Résumé
Outline
Probability
D. Clouteau
1 Ensembles probabilisés
Introduction
Mesure de probabilité
Ensembles
probabilisés Variables Aléatoires
Mesure
Variables Probabilités conditionnelles et marginales
Aléatoires
Probabilités
condition-
nelles et
marginales 2 Variables du second ordre
Variables
du second
Espérance, corrélation et covariance
ordre
Espérance
Moments
et
corrélation
Moments
Fonction
3 Fonction charactéristique
char-
actéristique
Variables gaussiennes
Variables
gaussiennes
Résumé
Espérance
Probability
Probability
D. Clouteau
La corrélation
Z
Introduction
R(X, Y ) = E(X ⊗ Y ) = x ⊗ y pXY (x, y)dxdy
Ensembles ΩX ×ΩY
probabilisés
Mesure
Variables
Aléatoires
l’Auto-corrélation
Probabilités Z
condition-
nelles et
marginales RX = E(X ⊗ X) = x ⊗ x pX (x)dx
Variables ΩX
du second
ordre
Espérance La covariance
et
corrélation
Moments
Cov(X, Y ) = R(X − X, Y − Y ) = R(X, Y ) − X ⊗ Y
Fonction
char-
actéristique
Variables
X et Y sont indépendants ⇒ Cov(X, Y ) = 0
gaussiennes
Résumé
Cov(X, Y ) = 0 ⇔ X and Y sont décorrélées.
Variables du second ordre
Probability
D. Clouteau
Une variable aléatoire X est du second ordre quand
Introduction
Variables
Chebyshev:
du second
ordre
E(kX − Xk2 )
Espérance
et P (kX − Xk ≥ R) ≤
corrélation
Moments
R2
Fonction
p
char- tr (RX ) = E(kXk2 )1/2 est une norme sur l’espace
actéristique
Variables vectoriel des vecteurs aléatoires.
gaussiennes
Résumé
Décomposition orthogonale
sur les vecteurs propres et valeurs propres de la matrice de covariance
Probability
Résumé
Outline
Probability
D. Clouteau
1 Ensembles probabilisés
Introduction
Mesure de probabilité
Ensembles
probabilisés Variables Aléatoires
Mesure
Variables Probabilités conditionnelles et marginales
Aléatoires
Probabilités
condition-
nelles et
marginales 2 Variables du second ordre
Variables
du second
Espérance, corrélation et covariance
ordre
Espérance
Moments
et
corrélation
Moments
Fonction
3 Fonction charactéristique
char-
actéristique
Variables gaussiennes
Variables
gaussiennes
Résumé
Moments d’ordre supérieur
Probability
D. Clouteau
Introduction
Ensembles
probabilisés
Mesure
Définition
n − 1 fois
Variables
M nX
Aléatoires
z }| {
Probabilités = E(X ⊗....⊗ X)
condition-
nelles et
marginales Pour X une variable scalaire :
Variables
du second m3 caractérise l’asymétrie (skewness),
ordre m4 caractérise l’applatissement (Kurtosis).
Espérance
et
corrélation
Moments
Fonction
char-
actéristique
Variables
gaussiennes
Résumé
Fonction charactéristique
Probability
D. Clouteau
Introduction
La fonction caractéristique φX d’une v. a. X définie
Ensembles
sur ΩX est la fonction de Ω0X dans C telle que :
probabilisés
√
Mesure
Variables φX (k) = E(eik·x ) (i = −1)
Aléatoires
Probabilités
condition-
nelles et
marginales
C’est la Transformée de Fourier de pX
Variables Z
du second
ordre φX (k) = eik·x pX (x)dx
Espérance
et
Rn
corrélation
Moments
Z
1
Fonction pX (x) = e−ik·x φX (k)dk
char- (2π)n Rn
actéristique
Variables
gaussiennes
Résumé
Outline
Probability
D. Clouteau
1 Ensembles probabilisés
Introduction
Mesure de probabilité
Ensembles
probabilisés Variables Aléatoires
Mesure
Variables Probabilités conditionnelles et marginales
Aléatoires
Probabilités
condition-
nelles et
marginales 2 Variables du second ordre
Variables
du second
Espérance, corrélation et covariance
ordre
Espérance
Moments
et
corrélation
Moments
Fonction
3 Fonction charactéristique
char-
actéristique
Variables gaussiennes
Variables
gaussiennes
Résumé
Variables gaussiennes
Probability
X suit une loi Normale (Gaussienne) N (X, C X ) ssi sa
D. Clouteau
fonction caractéristique s’écrit :
Introduction
1
Ensembles
probabilisés
φX (k) = exp(ik · X − kT C X k)
Mesure
2
Variables
Aléatoires
Probabilités
condition- (x−X)T C−1 (x−X)
nelles et 1 X
marginales p(x) = p e− 2
Variables (2π)n/2 det(C X )
du second
ordre
Espérance
et
Pour toute v.a. X, la v. a. Y = X1 + ... +XN (avec les
corrélation
Moments Xi des copies indépendantes X) tend vers une loi
Fonction Normale
char-
actéristique
Y − NX Y
Variables
gaussiennes √ → N (0, σx2 ) lim P (k − Xk ≥ ) = 0
Résumé N N →∞ N →∞ N
Résumé
Probability
Les variables aléatoires sont complètement caractérisées
D. Clouteau par leur densité ou leur fonction caractéristique
et incomplètement par leurs moments.
Introduction
Les variables Gaussiennes sont totalement caractérisées
Ensembles
probabilisés par leur moyenne et leur covariance.
Mesure
Variables Les variables aléatoires peuvent également être définies
Aléatoires
Probabilités
condition-
comme des transformations d’autres variables.
nelles et
marginales Travailler avec des variables aléatoires du second ordre
Variables
du second
est nécessaire pour faire converger des simulations de
ordre Monte Carlo.
Espérance
et
corrélation
Moments
Questions
Fonction Comment fixer les lois associées à des variables
char-
actéristique
aléatoires ?
Variables
gaussiennes
Comment décrire des champs aléatoires ?
Résumé
Peut-on réduire les champs aléatoires à un ensemble de
variables ?