Rappel Proba

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 29

Probability

D. Clouteau

Introduction

Ensembles Modélisation probabiliste en mécanique


probabilisés
Mesure Rappels de probabilité
Variables
Aléatoires
Probabilités
condition-
nelles et
marginales
D. Clouteau
Variables
du second
ordre Department of Mechanical and Civil Engineering
Espérance
et Ecole Centrale Paris, France
corrélation
Moments

Fonction January 4, 2021


char-
actéristique
Variables
gaussiennes

Résumé
Problèmes aux limites

Probability
Trouver u tel que :
D. Clouteau

Introduction −Divσ(u) + ρ∂tt u = g in Ω


Ensembles
probabilisés
σ = C(u) in Ω
Mesure
Variables tn (u) = σ(u) · n = td on Γσ
Aléatoires
Probabilités
condition- u = ud on Γu
nelles et
marginales
u(., t = 0) = uo in Ω
Variables
du second
ordre
∂t u(., t = 0) = v o in Ω
Espérance
et
corrélation
Moments
connaissant :
Fonction la géométrie Ω, Γu , Γσ , les propriétés mécaniques (ρ, C),
char-
actéristique
Variables
les forces g, les conditions aux limites (td , ud ) et les
gaussiennes
conditions initiales (uo , v o ).
Résumé
Données incertaines
Pour un problème aux limites

Probability

D. Clouteau

Introduction

Ensembles Paramètres aléatoires


probabilisés
Mesure
Variables aléatoires (ρ, E, ν)
Variables
Aléatoires Champs aléatoires
Probabilités
condition-
nelles et
propriétés (ρ, C),
marginales
conditions initiales (uo , v o ).
Variables
du second Processus aléatoires
ordre
Espérance forces g(x, t),
et
corrélation conditions aux limites (ud , td ).
Moments

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

Variables Ωθ est l’ensemble des réalisations,


du second
ordre E est une σ-Algèbre d’évènement A ⊂ Ωθ stable par
Espérance
et
corrélation
réunion et complémentaire (∅ ∈ E, Ωθ ∈ E)
Moments

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

Résumé P (Iα,β ) = p(θ)dθ


α
Mesure de probabilité sur R
variable aléatoire scalaire

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

Fonction p(θ) = ∂θ1 ...θn D est la densité de probabilité vérifiant


char- Z Z Z
actéristique
Variables
gaussiennes
P (A) = p(θ)dθ = ... p(θ1 , .., θn )dθ1 ...dθn
A
Résumé (θ1 ,..,θn )∈A
Mesure de probabilité sur Ωθ ⊂ Rn
Vecteur aléatoire

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

Fonction Le densité de probabilité marginale


char-
actéristique Z
Variables ∂DF
gaussiennes pF1 (f1 ) = (f1 , +∞) = pF (f1 , f2 )df2
∂f1 R
Résumé
Mesure de probabilité sur Ωθ ⊂ Rn
Vecteur aléatoire

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

Fonction la loi de probabilité PX sur (ΩX , EX ) satisfait


char-
actéristique
Variables
gaussiennes PX (B) = P (f −1 (B))
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
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

Fonction Deux évènements sont indépendants quand :


char-
actéristique
Variables P (A|B) = P (A)
gaussiennes P (A ∩ B) = P (A)P (B) ⇔
Résumé P (B|A) = P (B)
Espace produit et probabilité marginales

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

D. Clouteau Cadre : Ωθ ⊂ V un espace vectoriel normé.


Introduction
Définitions
Ensembles L’espérance ou moyenne d’ensemble :
probabilisés
Mesure
Z
Variables
Aléatoires E(X) =< X >= X = xpX (x)dx
Probabilités ΩX
condition-
nelles et
marginales
une v.a. est centrée quand E(X) = 0.
Variables
du second L’espérance conditionnelle est :
ordre
Espérance y
et Z z }| {
corrélation
Moments E(Y |X ∈ B) = fy (θ) dP (θ)/Px (B)
Fonction fx−1 (B)
char- Z
actéristique
Variables
= y py|x (y|x ∈ B)dy
gaussiennes Rn
Résumé
Corrélation et covariance

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

Ensembles E(kXk2 ) < +∞


probabilisés
Mesure
Variables
Aléatoires Elles est centrée et unitaire quand E(X) = 0, C X = I d .
Probabilités
condition-
nelles et Une variable du second ordre satisfait l’Inégalité de
marginales

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

D. Clouteau Pour X une v.a. sur V , un espace vectoriel normé


Introduction C X est une matrice symétrique positive
Ensembles
probabilisés
x̂i et σi2 sont ses vecteurs propres et valeurs propres
Mesure

C X x̂i = σi2 x̂i


Variables
Aléatoires
Probabilités
x̂i · x̂j = δij
condition-
nelles et
marginales n
X
Variables
du second
CX = σi2 x̂i ⊗ x̂i
ordre 1
Espérance
et n
corrélation X x̂i · (X(θ) − X)
Moments
X(θ) = X + σi ξi (θ)x̂i ξi (θ) =
Fonction σi
char- 1
actéristique
Variables Les ξi sont centrées, unitaires et décorrélées
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
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 ?

Vous aimerez peut-être aussi