Probabilités 1A Ensimag
Toggle Dark/Light/Auto mode Toggle Dark/Light/Auto mode Toggle Dark/Light/Auto mode Back to homepage

CM amphi 1


Enseignant: Pierre Étoré (pierre.etore@grenoble-inp.fr)
Créneau: lundi 8h15-9h45 (sauf exception)

Cette page contient des informations concernant exclusivement les élèves de l’amphi 1 (groupes de TD 1 à 4).


Points abordés en cours

CM1 11/09 :

  • CHAP1 Evénements, tribus, espaces probabilisés, propriétés de base (formule de l’union, etc.)

CM2 18/09 :

  • Probabilités conditionnelles, formule des probabilités totales, formule de Bayes, indépendance, notion de variable aléatoire.

CM3 25/09 :

  • Variables aléatoires (suite et fin), algorithme de rejet FIN_CHAP1; CHAP2 loi géométrique et loi binomiale FIN_CHAP2

;CHAP3 Espérance (vus: titre du chapitre et théorème de tranfert)

CM4 02/10 :

  • Diverses propriétés de l’espérance, v.a. étagées, exemples

CM5 09/10

d’autres exemples de calcul d’espérance FIN_CHAP3; CHAP4 Loi de Poisson, Espérance conditionnelle et formule de conditionnement dans le cas discret FIN_CHAP4; CHAP5 Loi à densité, définition de la fonction de répartition d’une v.a.

CM6 16/10

exemples de loi à densité; exemples de calcul de loi avec la f.d.r. FIN_CHAP_5; CHAP6 Variance et covariance

CM7 23/10

exemples; inégalités de Chebychev; loi faible des grands nombres (énoncé)

CM8 20/11

loi faible des grands nombres (démonstration) FIN_CHAP6; CHAP7 Méthode de Monte Carlo, principe général et réduction de variance par échantillonage préférentiel, exemple du calcul du nombre pi. FIN_CHAP7

CM8 27/11

CHAP8 Couples de variables aléatoires, densité bivariée, loi marginale et loi conditionnelle, espérance conditionnelle.