Scheda di revisione: Introduction aux probabilités et variables discrètes

📋 Plan du Cours

1. Probabilités conditionnelles & événements
2. Probabilité d'intersection & relations
3. Variable aléatoire discrète & définition
4. Loi de probabilité & tableau associée
5. Fréquences marginales & calculs
6. Espérance & moyenne pondérée
7. Calculs de probabilité & exemples concrets
8. Application à la consommation & prix

📖 1. Probabilités conditionnelles & événements

🔑 Notions clés & Définitions

• Événement : Sous-ensemble de l’espace des issues d’une expérience aléatoire, représentant un résultat ou un ensemble de résultats possibles.
• Probabilité conditionnelle (P(A | B)) : Probabilité que l’événement A se réalise sachant que B est réalisé, notée P(A | B) = P(A ∩ B) / P(B), avec P(B) ≠ 0.
• Intersections (A ∩ B) : Événement où A et B se produisent simultanément ; sa probabilité est P(A ∩ B).
• Événements complémentaires (A̅, B̅) : Événements opposés à A et B, tels que A̅ = non A, B̅ = non B.
• Loi de probabilité d’une variable aléatoire discrète : Fonction qui associe à chaque valeur possible de la variable la probabilité qu’elle prenne cette valeur, notée P(X = xi).

📝 Points essentiels

• La probabilité conditionnelle permet de mettre à jour la probabilité d’un événement en tenant compte d’une information préalable.
• La formule P(A | B) = P(A ∩ B) / P(B) est fondamentale pour le calcul des probabilités conditionnelles.
• La relation P(A ∩ B) = P(A | B) × P(B) relie l’intersection à la probabilité conditionnelle.
• La loi de probabilité d’une variable discrète est représentée par un tableau listant toutes ses valeurs possibles et leurs probabilités associées.
• L’espérance d’une variable aléatoire discrète est la moyenne pondérée de ses valeurs, calculée par E(X) = Σ p_i × x_i.

💡 À retenir

La probabilité conditionnelle permet de modéliser la dépendance entre événements, et la loi de probabilité d’une variable discrète donne une vision complète des résultats possibles et de leur fréquence relative.

📖 2. Probabilité d'intersection & relations

🔑 Notions clés & Définitions

• Probabilité conditionnelle (P(B|A)) : Probabilité que l'événement B se réalise sachant que A est réalisé, notée P(B|A) = P(A ∩ B) / P(A), avec P(A) ≠ 0.
• Intersection (A ∩ B) : Événement où A et B se produisent simultanément. Sa probabilité est notée P(A ∩ B).
• Probabilité totale : Relation permettant de calculer la probabilité d’un événement en fonction de partitions de l’espace échantillonal.
• Variables aléatoires discrètes : Fonction qui associe à chaque issue d’une expérience un nombre réel, permettant de modéliser des résultats numériques.
• Loi de probabilité : Fonction qui attribue à chaque valeur possible d’une variable aléatoire la probabilité qu’elle prenne cette valeur, somme des probabilités égale à 1.
• Espérance (E(X)) : Moyenne pondérée des valeurs possibles d’une variable aléatoire, calculée par E(X) = Σ p_i x_i.

📝 Points essentiels

• La probabilité conditionnelle permet d’établir la relation entre deux événements en tenant compte de la réalisation de l’un d’eux.
• La formule P(A ∩ B) = P(A) × P(B|A) relie l’intersection à la probabilité conditionnelle.
• La loi de probabilité d’une variable discrète est représentée par un tableau listant ses valeurs possibles et leurs probabilités associées.
• L’espérance d’une variable discrète donne la moyenne attendue sur un grand nombre d’expériences, c’est une moyenne pondérée.
• La relation P(A ∩ B) = P(B ∩ A) illustre la symétrie de l’intersection.

💡 À retenir

La probabilité d’intersection et la probabilité conditionnelle sont fondamentales pour analyser la dépendance entre événements, tandis que la loi de probabilité et l’espérance permettent de modéliser et d’évaluer le comportement moyen d’une variable aléatoire discrète.

📖 3. Variable aléatoire discrète & définition

🔑 Notions clés & Définitions

• Variable aléatoire discrète : Fonction qui associe à chaque issue d'une expérience aléatoire un nombre réel, prenant un nombre fini ou dénombrable de valeurs possibles.
• Ensemble des issues (E) : Ensemble des résultats possibles d'une expérience aléatoire.
• Loi de probabilité : Fonction qui attribue à chaque valeur possible de la variable aléatoire une probabilité positive, telle que la somme des probabilités est égale à 1.
• Probabilité conditionnelle : Probabilité qu’un événement B se réalise sachant que A est réalisé, notée P(B|A) = P(A ∩ B) / P(A), avec P(A) ≠ 0.
• Espérance (E(X)) : Moyenne pondérée des valeurs possibles de la variable, calculée par E(X) = Σ pi xi, où pi est la probabilité de xi.
• Fréquences marginales : Probabilités associées à chaque valeur de la variable, indépendamment des autres variables.

📝 Points essentiels

• La variable aléatoire discrète permet de modéliser des phénomènes où le nombre de résultats possibles est dénombrable.
• La loi de probabilité doit satisfaire : P(X = xi) ≥ 0 pour tout i, et Σ P(X = xi) = 1.
• La loi de probabilité peut être représentée sous forme de tableau listant chaque valeur xi et sa probabilité associée.
• L’espérance donne une idée de la valeur moyenne attendue après plusieurs essais.
• La probabilité conditionnelle permet de mettre en relation deux événements et de calculer la probabilité d’un événement en connaissant un autre.

💡 À retenir

Une variable aléatoire discrète associe à chaque issue d’une expérience un nombre réel avec une loi de probabilité précise, permettant de calculer des espérances et d’étudier la distribution des résultats.

📖 4. Loi de probabilité & tableau associée

🔑 Notions clés & Définitions

• Probabilité conditionnelle (P(B|A)) : La probabilité que l'événement B se réalise sachant que A est réalisé, notée P(B|A) = P(A ∩ B) / P(A), avec P(A) ≠ 0.
• Interprétation de P(A ∩ B) : La probabilité que A et B se produisent simultanément.
• Loi de probabilité d'une variable aléatoire discrète : Ensemble des probabilités P(X=xi) associées à chaque valeur xi que peut prendre la variable X.
• Variable aléatoire discrète : Fonction qui associe à chaque issue d'une expérience aléatoire un nombre réel, souvent représentée par un tableau de probabilités.
• Tableau de loi de probabilité : Représentation tabulaire des valeurs possibles de X et de leurs probabilités correspondantes P(X=xi).
• Espérance (E(X)) : Moyenne pondérée des valeurs xi, calculée par E(X) = Σ pi xi, où pi = P(X=xi).

📝 Points essentiels

• La probabilité conditionnelle permet de mettre en relation deux événements et de calculer la probabilité d’un événement en tenant compte d’un autre.
• La formule P(A ∩ B) = P(A) × P(B|A) relie l’intersection à la probabilité conditionnelle.
• La loi de probabilité d’une variable discrète est toujours représentée sous forme de tableau avec deux colonnes : valeurs xi et probabilités P(X=xi).
• La somme des probabilités P(X=xi) pour toutes les valeurs xi doit être égale à 1.
• L’espérance donne une idée de la valeur moyenne que prend la variable X sur un grand nombre d’expériences.

💡 À retenir

La loi de probabilité d'une variable discrète, représentée par un tableau, permet de connaître toutes les probabilités associées à ses valeurs possibles, et l’espérance en donne la moyenne pondérée.

📖 5. Fréquences marginales & calculs

🔑 Notions clés & Définitions

• Fréquences marginales : Probabilités ou fréquences associées à une seule variable dans une distribution conjointe, obtenues en sommant ou en intégrant sur l'autre variable.
• Probabilité conditionnelle (P(B|A)) : Probabilité que l'événement B se réalise sachant que A est réalisé, calculée par P(B|A) = P(A ∩ B) / P(A), avec P(A) ≠ 0.
• Variable aléatoire discrète : Fonction qui associe à chaque issue d'une expérience aléatoire un nombre réel, avec un nombre fini ou dénombrable de valeurs possibles.
• Loi de probabilité : Fonction qui attribue à chaque valeur possible d'une variable aléatoire discrète la probabilité correspondante, somme des probabilités égale à 1.
• Espérance (E(X)) : Moyenne pondérée des valeurs possibles d'une variable aléatoire, calculée par E(X) = Σ p_i x_i, représentant la valeur moyenne attendue.

📝 Points essentiels

• Les fréquences marginales permettent d'étudier la distribution d'une seule variable en ignorant l'autre dans une distribution conjointe.
• La probabilité conditionnelle permet de mettre à jour la probabilité d’un événement en tenant compte d’une information préalable.
• La loi de probabilité d'une variable discrète est souvent représentée sous forme de tableau, précisant chaque valeur et sa probabilité.
• L’espérance d’une variable discrète donne la valeur moyenne attendue, utile pour faire des prévisions ou des analyses de tendance.
• La relation entre probabilités conditionnelles et fréquences marginales est essentielle pour le calcul de probabilités dans des situations dépendantes.

💡 À retenir

Les fréquences marginales et la probabilité conditionnelle sont des outils fondamentaux pour analyser la distribution d’une ou plusieurs variables, permettant de calculer des probabilités et d’estimer des valeurs moyennes dans un contexte probabiliste.

📖 6. Espérance & moyenne pondérée

🔑 Notions clés & Définitions

• Probabilité conditionnelle (PA(B)) : Probabilité que l'événement B se réalise sachant que A est réalisé, notée P(B|A), et calculée par P(B|A) = P(A ∩ B) / P(A), avec P(A) ≠ 0.
• Variable aléatoire discrète : Fonction qui associe à chaque issue d'une expérience aléatoire un nombre réel, permettant de modéliser des phénomènes aléatoires par des valeurs numériques.
• Loi de probabilité : Distribution qui donne la probabilité P(X=xi) pour chaque valeur xi prise par la variable aléatoire X, généralement sous forme de tableau.
• Espérance (E(X)) : Moyenne pondérée des valeurs prises par X, calculée par E(X) = Σ pi xi, où pi = P(X=xi). Représente la valeur moyenne attendue à long terme.
• Moyenne pondérée : Moyenne calculée en tenant compte des poids (probabilités) associées à chaque valeur, permettant de résumer une distribution de probabilités.

📝 Points essentiels

• La probabilité conditionnelle permet d’évaluer la probabilité d’un événement B sachant qu’un autre A est réalisé, avec la formule P(B|A) = P(A ∩ B) / P(A).
• La loi de probabilité d’une variable discrète précise toutes les probabilités associées à chaque valeur possible, facilitant le calcul de l’espérance.
• L’espérance d’une variable discrète est une moyenne pondérée, ce qui signifie qu’elle prend en compte à la fois la valeur et sa probabilité.
• La moyenne pondérée est un concept clé pour résumer une distribution de probabilités, notamment pour prévoir des valeurs moyennes à long terme.
• La relation entre probabilité conditionnelle, intersection, et loi de probabilité est fondamentale pour l’analyse probabiliste.

💡 À retenir

L’espérance d’une variable aléatoire discrète est la moyenne pondérée de ses valeurs, permettant d’estimer la valeur moyenne attendue d’un phénomène aléatoire à long terme.

📖 7. Calculs de probabilité & exemples concrets

🔑 Notions clés & Définitions

• Probabilité conditionnelle (P(B|A)) : La probabilité que l’événement B se réalise sachant que A est réalisé, notée P(B|A), et calculée par la formule :
  $P(B|A) = \frac{P(A \cap B)}{P(A)}$
  avec P(A) ≠ 0.

• Probabilité conjointe (P(A ∩ B)) : La probabilité que deux événements A et B se produisent simultanément.

• Loi de probabilité d’une variable aléatoire discrète : Fonction qui associe à chaque valeur possible xi de la variable X la probabilité P(X=xi). Elle est représentée par un tableau de valeurs et probabilités.

• Variable aléatoire discrète : Fonction qui, à chaque issue d’une expérience aléatoire, associe un nombre réel, souvent utilisée pour modéliser des résultats discrets (ex : prix d’un menu).

• Espérance (E(X)) : Moyenne pondérée des valeurs possibles de X, calculée par :
  $E(X) = \sum_{i} p_i x_i$
  où p_i = P(X=xi).

📝 Points essentiels

• La probabilité conditionnelle permet de mettre à jour la probabilité d’un événement en tenant compte d’une information préalable.
• La relation fondamentale :
  $P(A \cap B) = P(A) \times P(B|A) = P(B) \times P(A|B)$
  relie probabilités conjointes et conditionnelles.
• La loi de probabilité d’une variable discrète doit satisfaire :
  $\sum_{i=1}^n P(X= x_i) = 1$
• L’espérance donne une idée de la valeur moyenne attendue d’une variable aléatoire sur le long terme.

💡 À retenir

Les calculs de probabilité, notamment conditionnelle et conjointe, permettent d’évaluer la vraisemblance d’événements liés, tandis que la loi de probabilité et l’espérance facilitent la modélisation et la prévision de résultats aléatoires concrets.

📖 8. Application à la consommation & prix

🔑 Notions clés & Définitions

• Probabilité conditionnelle (P(B|A)) : Probabilité que l'événement B se réalise sachant que A est réalisé, notée P(B|A) = P(A ∩ B) / P(A), avec P(A) ≠ 0.
• Probabilité conjointe (P(A ∩ B)) : Probabilité que deux événements A et B se produisent simultanément.
• Variable aléatoire discrète : Fonction qui associe à chaque issue d'une expérience aléatoire un nombre réel, souvent représentée par un tableau de valeurs et leurs probabilités.
• Loi de probabilité : Ensemble des probabilités associées aux différentes valeurs prises par une variable aléatoire, vérifiant la somme des probabilités égale à 1.
• Espérance (E(X)) : Moyenne pondérée des valeurs possibles de la variable aléatoire, calculée par E(X) = Σ p_i x_i.

📝 Points essentiels

• La probabilité conditionnelle permet d’évaluer la probabilité d’un événement en tenant compte d’un contexte ou d’une information préalable.
• La relation P(B|A) = P(A ∩ B) / P(A) est fondamentale pour comprendre les dépendances entre événements.
• La loi de probabilité d’une variable discrète est représentée sous forme de tableau, avec des valeurs possibles et leurs probabilités respectives.
• L’espérance d’une variable discrète donne une idée de la valeur moyenne attendue sur le long terme.
• En contexte de consommation, la loi de probabilité permet de modéliser la distribution des prix ou autres caractéristiques aléatoires.

💡 À retenir

La compréhension des probabilités conditionnelles et de la loi de probabilité d’une variable discrète est essentielle pour analyser et prévoir les comportements de consommation et les variations de prix.

📊 Tableaux de Synthèse

Aspect	Probabilités conditionnelles & événements	Variable aléatoire discrète & loi
Définition	P(A	B) = P(A ∩ B) / P(B), avec P(B) ≠ 0
Relation clé	P(A ∩ B) = P(A	B) × P(B)
Représentation	Formule, tableau de probabilités conditionnelles	Tableau de loi de probabilité avec valeurs xi et P(X=xi)
Espérance	E(X) = Σ p_i × x_i	Moyenne pondérée des valeurs possibles
Utilité	Met à jour la probabilité en fonction d'une information	Modélise la distribution des résultats possibles

⚠️ Pièges & Confusions Fréquentes

1. Confondre P(A | B) avec P(B | A).
2. Oublier que P(B) ≠ 0 pour utiliser la formule conditionnelle.
3. Confondre intersection (A ∩ B) et union (A ∪ B).
4. Négliger la somme des probabilités P(X=xi) qui doit être égale à 1.
5. Confusion entre espérance (moyenne) et valeur d'une variable.
6. Ignorer que la loi de probabilité doit être positive pour toutes ses valeurs.
7. Confondre fréquence marginale et probabilité conditionnelle.

✅ Checklist Examen

• Définir un événement et une variable aléatoire discrète.
• Expliquer la formule de la probabilité conditionnelle.
• Calculer P(A ∩ B) à partir de P(A | B) et P(B).
• Représenter une loi de probabilité sous forme de tableau.
• Vérifier que la somme des probabilités d'une variable discrète est égale à 1.
• Calculer l'espérance d'une variable discrète à partir de ses probabilités.
• Différencier intersection, union et complément d'événements.
• Appliquer la formule de la probabilité totale.
• Identifier les fréquences marginales dans une distribution conjointe.
• Calculer une probabilité conditionnelle à partir d'un tableau.
• Comprendre l'application des probabilités à la consommation et au prix.
• Vérifier la cohérence des lois de probabilité.