Formulaire de Probabilité

On considère une variable aléatoire réelle X sur un espace probabilisé (Ω, A, P ).

CAS DISCRET CAS CONTINU

Distribution de probabilités Densité de probabilités

Caractérisation de la loi de X
P (X = x), x ∈ X(Ω) f (x), x ∈ IR

Fonction de répartition FX de X
X Z x
∀x ∈ IR, FX (x) = P (X ≤ x) FX (x) = P (X = u) FX (x) = f (u)du
u∈X(Ω) −∞
u≤x

X Z +∞
E(X) : Espérance mathématique de X xP (X = x) xf (x)dx
x∈X(Ω) −∞

X Z +∞
V (X) : Variance de X (x − E(X))2 P (X = x) (x − E(X))2 f (x)dx
x∈X(Ω) −∞

E(ψ(X)) : Espérance
X Z +∞
d’une fonction connue ψ de X ψ(x)P (X = x) ψ(x)f (x)dx
x∈X(Ω) −∞

X Z +∞
k
mk (X) : Moment d’ordre k de X x P (X = x) xk f (x)dx
x∈X(Ω) −∞

X
k
Z +∞
k
µk (X) : Moment centré d’ordre k de X x − E(X) P (X = x) x − E(X) f (x)dx
x∈X(Ω) −∞

p p
σ(X) : écart-type de X V (X) V (X)

1
Théorème de Koenig-Huyghens :
∀a ∈ IR, E((X − a)2 ) = V (X) + (E(X) − a)2
On notera aussi que V (X) = E(X 2 ) − E 2 (X).
Probabilité conditionnelle
Soit B un événement de probabilité non nulle, soit A un événement quelconque.
La probabilité de A sachant (ou conditionnellement à) B est notée P (A | B) ou P (A/B).
Elle vérifie :
P (A ∩ B)
P (A | B) =
P (B)
Formule des probabilités totales
Soit (Ai )i∈I un système complet d’événements c’est-à-dire une partition de Ω.
Pour tout événement B, on a
X X
P (B) = P (B ∩ Ai ) = P (B | Ai )P (Ai ).
i∈I i∈I

Formule de Bayes ou probabilité des causes

Soit (Ai )i∈I un système complet d’événements, et B un événement de probabilité non nulle.
Alors :
P (B | Ai )P (Ai )
P (Ai | B) = X .
P (B | Ai )P (Ai )
i∈I
Formule des probabilités composées
Soient n événements A1 , · · · , An tels que P (A1 ∩ · · · ∩ An ) 6= 0. Alors :
P (A1 ∩ · · · ∩ An ) = P (A1 )P (A2 | A1 )P (A3 | A1 ∩ A2 )...P (An | A1 ∩ · · · ∩ An−1 ).

FORMULES POUR n TIRAGES DANS UNE URNE à N BOULES

Tirages avec remise Tirages sans remise

Urne à 2 catégories Formule binomiale Formule hypergéométrique

k n−k
CN × CN
N1 = N p est le nombre Cnk pk (1 − p)n−k 1
n
−N1
CN
de boules de catégorie 1

Urne à K catégories Formule multinomiale Formule polyhypergéométrique

K
Y
ni
K
CN i
n! Y i=1
Ni = N pi est le nombre pni
n1 !...nK ! i=1 i n
CN
de boules de catégorie i

2
 LOIS DE PROBABILITES DISCRETES CLASSIQUES

Dénomination Loi de probabilité Espérance Variance X(Ω)

Loi Uniforme
1 n+1 n2 − 1
Discrète U([[1, n]]) Px = [[1, n]]
n 2 12
n ∈ IN ∗

Loi de Bernoulli B(1, p) P0 = 1 − p et P1 = p p p(1 − p) {0, 1}

p ∈]0, 1[

n!
Loi Binomiale B(n, p) Px = px (1 − p)n−x np np(1 − p) [[0, n]]
x!(n − x)!
n ∈ IN , p ∈]0, 1[
∗

Loi Hypergéométrique
x n−x
CN p CN (1−p) N −n
H(N, n, p) Px = n np np(1 − p) ⊂ [[0, n]]
CN N −1
∗ 2
(N, n, p) ∈ (IN ) ×]0, 1[

e−λ λx
Loi de Poisson P(λ) Px = λ λ IN
x!
λ∈ ∗
IR+

1 p
Loi Géométrique G(p) Px = (1 − p)px−1 IN ∗
1−p (1 − p)2
p ∈]0, 1[

k−1 k kp
Loi de Pascal Pa(k, p) Px = Cx−1 (1 − p)k px−k [[k, +∞[[
1−p (1 − p)2
k ∈ IN , p ∈]0, 1[
∗

Loi Binomiale
x kp kp
Négative BN (k, p) Px = Cx+k−1 (1 − p)k px IN
1−p (1 − p)2
k ∈ IN , p ∈]0, 1[
∗

3
 LOIS DE PROBABILITES CONTINUES CLASSIQUES

Dénomination Loi de probabilité Espérance Variance X(Ω)

1 a+b (b − a)2
Loi Uniforme Continue U[a, b] 1I[a,b] (x) [a, b]
b−a 2 12
(a, b) ∈ IR2 , a < b

1  (x − µ)2 
Loi Normale N (µ, σ) √ exp − µ σ2 IR
σ 2π 2σ 2
µ ∈ IR, σ ∈ IR+
∗

1 1
Loi Exponentielle E(λ) λ exp(−λx)1I1R∗+ (x) [0, +∞[
λ λ2
λ∈ ∗
IR+

1I1R∗+ (x)  (log x − µ)2  σ2 2 2

Loi Log-Normale LN (µ, σ) √ exp − eµ+ 2 (eσ − 1)e2µ+σ ]0, +∞[
σx 2π 2σ 2
µ ∈ IR, σ ∈ ∗
IR+

λa xa−1 −λx a a
Gamma γ(a, λ) e 1I1R∗+ (x) ]0, +∞[
Γ(a) λ λ2
a∈ ∗
IR+ ,λ ∈ ∗
IR+

n x
2 x 2 −1 −
Khi-deux χ (n) n n e 2 1I1R∗+ (x) n 2n ]0, +∞[
Γ( )2 2
2
n 1
n ∈ IN ∗ , (χ2 (n) = γ( , ))
2 2
n+1
x2 −
Γ( n+1
2 )(1 + ) 2
n
Student T (n) n
√ 0 IR
Γ( n2 ) nπ n−2
n ∈ IN ∗ si n > 1 si n > 2
n m n
n 2 m 2 x 2 −1 1I1R∗+ (x) n 2n2 (m + n − 2)
Fisher-Snédécor F(m, n) ]0, +∞[
B( n2 , m
m+n
n−2 m(n − 2)2 (n − 4)
2 )(m + nx) 2

m ∈ IN ∗ , n ∈ IN ∗ si n > 2 si n > 4

a
Cauchy C(a) pas définie pas définie IR
π(a2 + x2 )
∗
a ∈ IR+