Probabilités
P ( A ∪ B )=P ( A ) + P ( B ) −P ( A ∩ B )
Continuité croissante ( A n ) ↗ ⇒ lim P ( An ) =P ( ¿ n=0 ¿+ ∞ A n ) n
Continuité décroissante ( A n ) ↘ ⇒ lim P ( An ) =P ( ¿ n=0 ¿+ ∞ A n ) n
+∞ P ( ¿ n=0 ¿ +∞ A n ) ≤ ∑ P ( A n ) n =0
Probabilités conditionnelles P ( A ∩ B) PB ( A )= P (B )
Probabilités composées P ( A 1 ∩… ∩ A n ) =P ( A 1 ) ∙ P A ( A2 ) ∙ P A ∩ A ( A 3 ) ∙ …∙ P A ∩ … ∩ A ( A n ) 1 1 2 1 n−1
o Probabilités totales +∞ +∞ P ( B )=∑ P ( B∩ A n )=∑ P A ( B ) ∙ P ( A n ) n n=0 n =0
o Bayes PA (B )∙ P( An) PB ( A i )= +∞ i
∑ PA ( B)∙ P ( An) n n=0
Fonction de répartition F ( x )=P ( X ≤ x )
+∞ E ( X )=∑ x n ∙ P ( X=x n ) n=0
E ( X ) ≥ α ∙ P ( X ≥ α ) (Markov)
( ) +∞
Variance 2 V ( X )=E ( X−E ( X ) )
V ( X )=E ( X 2 )−( E ( X ) ) 2
2 V ( aX +b )=a ∙ V ( X )
V (X) P (|x−E ( X )|≥t ) ≤ 2 ( Bienaymé −Tchebychev ) t
Ecart-Type σ X = √V ( X )
Covariance Cov ( X , Y ) =E [ ( X −E ( X ) ) ∙ ( Y −E ( Y ) ) ]
Cov ( X , Y ) =E ( X ∙Y ) −E ( X ) ∙ E ( Y )
V ( X +Y ) =V ( X ) +V (Y )+ 2∙ Cov ( X , Y )
Coefficient de corrélation Cov ( X , Y ) ρ ( X , Y )= σ X ∙ σY
−1 ≤ ρ ( X , Y ) ≤1 ( Cauchy−Schwarz )
Fonction Génératrice +∞ G X ( t )=∑ P ( X =n ) ∙t n n=0
Loi uniforme 1 P ( X=k )= n n+ 1 E ( X )= 2 2 n −1 V ( X )= 12
Loi de Bernoulli P ( X=1 )= p P ( X =0 )=1− p
E ( X )=p
V ( X )= p ∙ ( 1− p )
Loi binomiale
k k () P ( X=k )= n ∙ p ∙ ( 1− p ) n−k
E ( X )=n ∙ p
V ( X )=n∙ p ∙ (1−p )
Loi Géométrique k−1 P ( X=k )= p ∙ ( 1− p )
1 E ( X )= p 1− p V ( X )= 2 p
Loi de Poisson n −λ λ P ( X=n )=e − n! E ( X )=λ
V ( X )= λ
