Exemples de probabilité totale. Formule de probabilité totale et formules de Bayes
![Exemples de probabilité totale. Formule de probabilité totale et formules de Bayes](/uploads/caf2ad8014460f6e3e14cd33030678ca.jpg)
Lire aussi
Formulaire d'événements groupe complet, si au moins l'un d'entre eux se produira certainement à la suite de l'expérience et est incompatible par paire.
Supposons que l'événement UN ne peut se produire qu'avec l'un des nombreux événements incompatibles par paires qui forment un groupe complet. Nous appellerons les événements ( je= 1, 2,…, n) hypothèses expérience supplémentaire (a priori). La probabilité d'occurrence de l'événement A est déterminée par la formule pleine probabilité :
Exemple 16. Il y a trois urnes. La première urne contient 5 boules blanches et 3 boules noires, la seconde contient 4 boules blanches et 4 boules noires et la troisième contient 8 boules blanches. L'une des urnes est tirée au sort (cela pourrait par exemple signifier que le choix se fait parmi une urne auxiliaire contenant trois boules numérotées 1, 2 et 3). Une boule est tirée au hasard de cette urne. Quelle est la probabilité qu'il soit noir ?
Solution.Événement UN– la boule noire est retirée. Si l’on savait de quelle urne la balle a été tirée, alors la probabilité souhaitée pourrait être calculée en utilisant la définition classique de la probabilité. Introduisons des hypothèses (hypothèses) concernant l'urne choisie pour récupérer la balle.
La boule peut être tirée soit de la première urne (conjecture), soit de la deuxième (conjecture), soit de la troisième (conjecture). Puisqu'il y a des chances égales de choisir l'une des urnes, alors .
Il s'ensuit que
Exemple 17. Les lampes électriques sont fabriquées dans trois usines. La première usine produit 30 % du nombre total de lampes électriques, la seconde - 25 %,
et le troisième - le reste. Les produits de la première usine contiennent 1% de lampes électriques défectueuses, la seconde - 1,5%, la troisième - 2%. Le magasin reçoit des produits des trois usines. Quelle est la probabilité qu’une lampe achetée en magasin se révèle défectueuse ?
Solution. Des hypothèses doivent être faites concernant l’usine dans laquelle l’ampoule a été fabriquée. Sachant cela, nous pouvons trouver la probabilité qu'il soit défectueux. Introduisons la notation des événements : UN– la lampe électrique achetée s'est avérée défectueuse, – la lampe a été fabriquée par la première usine, – la lampe a été fabriquée par la deuxième usine,
– la lampe a été fabriquée par la troisième usine.
On trouve la probabilité souhaitée à l'aide de la formule de probabilité totale :
La formule de Bayes. Soit un groupe complet d'événements (hypothèses) incompatibles par paires. UN– un événement aléatoire. Alors,
La dernière formule qui permet de réestimer les probabilités des hypothèses après que le résultat du test ayant abouti à l'événement A soit connu s'appelle Formule de Bayes .
Exemple 18. En moyenne, 50 % des patients atteints de la maladie sont admis dans un hôpital spécialisé À, 30% – avec maladie L, 20 % –
avec une maladie M. Probabilité de guérison complète de la maladie Kégal à 0,7 pour les maladies L Et M ces probabilités sont respectivement de 0,8 et 0,9. Le patient admis à l’hôpital est sorti en bonne santé. Trouver la probabilité que ce patient souffre de la maladie K.
Solution. Introduisons les hypothèses : – le patient souffrait d'une maladie À L, – le patient souffrait d’une maladie M.
Alors, selon les conditions du problème, on a . Présentons un événement UN– le patient admis à l’hôpital est sorti en bonne santé. Par condition
En utilisant la formule de probabilité totale, nous obtenons :
D'après la formule de Bayes.
Exemple 19. Supposons qu'il y ait cinq boules dans l'urne et toutes les suppositions sur le nombre de boules blanches sont également possibles. Une boule est prise au hasard dans l'urne et elle s'avère être blanche. Quelle hypothèse sur la composition initiale de l’urne est la plus probable ?
Solution. Soit l'hypothèse qu'il y ait des boules blanches dans l'urne , c'est-à-dire que six hypothèses peuvent être faites. Alors, selon les conditions du problème, on a .
Présentons un événement UN– une boule blanche prise au hasard. Calculons. Puisque , alors d’après la formule de Bayes on a :
Ainsi, l’hypothèse la plus probable est que .
Exemple 20. Deux des trois éléments fonctionnant indépendamment du dispositif informatique sont tombés en panne. Trouver la probabilité que les premier et deuxième éléments échouent si les probabilités de défaillance des premier, deuxième et troisième éléments, respectivement, sont de 0,2 ; 0,4 et 0,3.
Solution. Notons par UNévénement – deux éléments ont échoué. Les hypothèses suivantes peuvent être émises :
– les premier et deuxième éléments sont défaillants, mais le troisième élément est opérationnel. Puisque les éléments fonctionnent indépendamment, le théorème de multiplication s’applique :
Formule de probabilité totale. Formules bayésiennes. Exemples de résolution de problèmes
Comme on le sait, probabilité de l'événement A appelons le rapport du nombre m de résultats de tests favorables à l'apparition de l'événement A au nombre total n de tous les résultats incompatibles également possibles : P(A)=m/n.
En plus, probabilité conditionnelle de l'événement A (la probabilité de l'événement A, à condition que l'événement B se soit produit) est le nombre P B (A) = P (AB) / P (B), où A et B sont deux événements aléatoires la même épreuve.
Puisque les événements peuvent être représentés comme une somme et un produit, il existe alors règles pour ajouter des probabilités événements et, par conséquent, règles de multiplication de probabilité . Donnons maintenant la notion de probabilité totale.
Supposons que l'événement A ne puisse se produire qu'avec l'un des événements deux à deux incompatibles H1, H2, H3, ..., Hn, appelés hypothèses. Alors ce qui suit est vrai formule de probabilité totale :
Р(А) = Р(Н1)*Р Н1 (А)+ Р(Н2)*Р Н2 (А)+…+ Р(Нn)*Р Нn (А) = ∑Р(Н je) *RN je(UN),
ceux. la probabilité de l'événement A est égale à la somme des produits des probabilités conditionnelles de cet événement pour chacune des hypothèses et de la probabilité des hypothèses elles-mêmes.
Si l'événement A s'est déjà produit, alors les probabilités des hypothèses (probabilités a priori) peuvent être surestimées (probabilités a posteriori) en Formules bayésiennes :
Exemples de résolution de problèmes sur le thème « Formule de probabilité totale. Formules Bayes"
Problème 1 .
L'ensemble reçoit des pièces provenant de trois machines. On sait que la première machine donne 3% de défauts, la seconde - 2% et la troisième - 4%. Trouvez la probabilité qu'une pièce défectueuse entre dans l'assemblage si 100 pièces arrivent de la première machine, 200 de la deuxième et 250 pièces de la troisième.
Solution.
- événement A = (une pièce défectueuse entre dans l'assemblage) ;
- hypothèse H1 = (cette partie provient de la première machine), P(H1) = 100/(100+200+250) =100/550=2/11 ;
- hypothèse H2 = (cette partie provient de la deuxième machine), P(H2) = 200/(100+200+250) = 200/550=4/11 ;
- hypothèse H3 = (cette partie provient de la troisième machine), P(H3) = 250/(100+200+250) = 250/550=5/11.
2. Les probabilités conditionnelles que la pièce soit défectueuse sont P H1 (A) = 3 % = 0,03, P H2 (A) = 2 % = 0,02, P H3 (A) = 4 % = 0,04.
3. En utilisant la formule de probabilité totale, nous trouvons
P(A)= P(H1)*P H1 (A)+ P(H2)*P H2 (A)+P(H3)*P H3 (A) = 0,03*2/11 + 0,02* 4/11 + 0,04*5/11 = 34/1100 ≈ 0,03
Problème 2 .
Il y a deux urnes identiques. Le premier contient 2 boules noires et 3 boules blanches, le second - 2 boules noires et 1 boule blanche. Tout d’abord, une urne est sélectionnée au hasard, puis une boule en est tirée au hasard. Quelle est la probabilité que la boule blanche soit tirée ?
Solution. 1. Considérez les événements et hypothèses suivants :
- A = (une boule blanche est tirée d'une urne arbitraire) ;
- H1 = (la boule appartient à la première urne), P(H1) = 1/2 = 0,5 ;
- H2 = (la boule appartient à la deuxième urne), P(H2) = 1/2 = 0,5 ;
2. La probabilité conditionnelle que la boule blanche appartienne à la première urne R H1 (A) = 3/(2+3) = 3/5, et la probabilité conditionnelle que la boule blanche appartienne à la deuxième urne R H2 (A) = 1/(2+1)=1/3;
3. En utilisant la formule de probabilité totale, nous obtenons P(A) = P(H1)*P H1 (A)+P(H2)*P H2 (A) = 0,5*3/5 + 0,5*1/3 = 3 /10 + 1/6 = 7/15 ≈ 0,47
Problème 3 .
La coulée en ébauches provient de deux ateliers d'approvisionnement : du premier atelier - 70 %, du deuxième atelier - 30 %. La coulée du premier atelier présente 10 % de défauts, la coulée du deuxième - 20 % de défauts. Le flan pris au hasard s'est révélé sans défaut. Quelle est la probabilité de sa production par le premier atelier ?
Solution. 1. Considérez les événements et hypothèses suivants :
- événement A = (blanc sans défaut) ;
- hypothèse H1 = (le flan a été fabriqué par le premier atelier), P(H1) = 70 % = 0,7 ;
- hypothèse H2 = (le flan a été fabriqué par le deuxième atelier), P(H2) = 30% = 0,3.
2. Puisque la coulée du premier atelier présente 10 % de défauts, alors 90 % des ébauches produites par le premier atelier ne présentent aucun défaut, c'est-à-dire R H1 (A) = 0,9.
La coulée du deuxième atelier présente 20% de défauts, alors 80% des ébauches produites par le deuxième atelier ne présentent aucun défaut, c'est-à-dire R H2 (A) = 0,8.
3. En utilisant la formule de Bayes, nous trouvons R A (H1)
0,7*0,9/(0,7*0,9+0,3*0,8)= 0,63/0,87≈0,724.
En pratique, il est souvent nécessaire de déterminer la probabilité qu’un événement d’intérêt se produise avec l’un des événements formant un groupe complet. Le théorème suivant, conséquence des théorèmes d’addition et de multiplication de probabilité, conduit à la dérivation d’une formule importante pour calculer la probabilité de tels événements. Cette formule est appelée formule de probabilité totale.
Laisser H 1 , H 2 , … , H n est nincompatible par paireévénements formant un groupe complet :
1) tous les événements sont incompatibles par paire : Salut ∩ Hj= ; je, j= 1,2, … , n; jej;
2) leur union forme l'espace des résultats élémentaires W :
De tels événements sont parfois appelés hypothèses. Que l'événement se produise UN, qui ne peut se produire que si l'un des événements se produit H je ( je = 1, 2, … , n). Alors le théorème est vrai.
Preuve. En effet, selon la condition de l'événement UN peut se produire si l’un des événements incompatibles se produit H 1 , H 2 … H n, c'est-à-dire survenance d'un événement UN désigne la survenance de l'un des événements H 1 ∙ UN, H 2 ∙ UN, … , H n∙ UN. Les derniers événements sont également incompatibles, car... depuis H je∙ H j = ( je j) il s'ensuit que ( UN ∙ H je) ∙ ( UN ∙ H j) = ( je j). Maintenant, nous notons que Cette égalité est bien illustrée sur la Fig. 1.19. Du théorème d'addition il résulte Commentaire. Probabilités d'événements (hypothèses) H 1 , H 2 , … , H n , qui sont inclus dans la formule (1.14) lors de la résolution de problèmes spécifiques, sont soit spécifiés, soit ils doivent être calculés pendant le processus de résolution. Dans ce dernier cas, l'exactitude du calcul R.(H je) ( je = 1, 2, … , n) est vérifié par la relation = 1 et le calcul R.(H i) est effectué à la première étape de la résolution du problème. Lors de la deuxième étape, il est calculé R.(UN). Lors de la résolution de problèmes à l'aide de la formule de probabilité totale, il convient de respecter la technique suivante. Méthodologie d'application de la formule de probabilité totale UN). Introduire un événement en considération (on le note UN), dont la probabilité doit être déterminée en fonction des conditions du problème. b). Introduire des événements (hypothèses) en considération H 1 , H 2 , … , H n , qui forment un groupe complet. V). Écrire ou calculer les probabilités des hypothèses R.(H 1), R.(H 2), … , R.(H n). Vérification de l'exactitude du calcul R.(H i) vérifié par condition G). Calculer la probabilité requise R.(UN) selon la formule (1.14). Exemple. L'économiste a calculé que la probabilité d'une augmentation du prix des actions de sa société en l'année prochaine sera de 0,75 si l'économie du pays est en hausse et de 0,30 en cas de crise financière. Selon les experts, la probabilité d’une reprise économique est de 0,6. Estimez la probabilité que le prix des actions de la société augmente au cours de la prochaine année. Solution. Au départ, la condition du problème est formalisée en termes de probabilité. Laisser UN– événement « les actions vont monter en prix » (par rapport au problème). Selon les conditions du problème, on distingue des hypothèses : H 1 – « l’économie sera en hausse », H 2 – « l’économie entrera dans une période de crise ». H 1 , H 2 – former un groupe complet, c'est-à-dire H 1 ∙ H 2 = , H 1 + H 2 = . Probabilité p(H 1) = 0,6, donc, p(H 2) = 1 – 0,6 = 0,4. Probabilités conditionnelles p(UN/H 1) = 0,75, p(UN/H 2) = 0,3. En utilisant la formule (1.14), on obtient : p(UN) = p(H 1) ∙ p(UN/H 1) + p(H 2) ∙ p(UN/H 2) = 0,75 ∙ 0,6 + 0,3 ∙ 0,4 = 0,57. |
Formule de probabilité totale.
Une conséquence des deux principaux théorèmes - théorèmes l'addition des probabilités et le théorème de multiplication des probabilités est la formule dite de probabilité totale.
Supposons qu'il soit nécessaire de déterminer la probabilité qu'un événement A puisse se produire avec l'un des événements
, formant un groupe complet d’événements incompatibles. Nous appellerons ces événements des hypothèses.
Montrons que dans ce cas
La probabilité de l'événement A est calculée comme la somme des produits de la probabilité de chaque hypothèse et de la probabilité conditionnelle de l'événement lorsque cette hypothèse se réalise.
Cette formule est appelée formule de probabilité totale.
Preuve
Puisque les hypothèses H1, H2..., Hn forment un groupe complet, l'événement A peut apparaître en combinaison avec n'importe laquelle de ces hypothèses.
A=AH1+AH2+…+Ahn.
Puisque les hypothèses H1, H2,…,Hn sont incompatibles, alors les combinaisons H1A, H2A,…,HnA sont également incompatibles ; En lui appliquant le théorème d’addition, on obtient :
En appliquant le théorème de multiplication à l'événement HiA, on obtient
Q.E.D.
Il existe trois urnes identiques : la première contient deux boules blanches et une noire ; dans la seconde, il y a trois boules blanches et une boule noire ; dans le troisième il y a deux boules blanches et deux boules noires.
Quelqu’un choisit une des urnes au hasard et en prend une boule. Trouvez la probabilité que cette boule soit blanche.
Considérons trois hypothèses :
H1-sélection de la première urne,
H2-sélection de la deuxième urne,
H3-choix de la troisième urne
Et l’événement A est l’apparition d’une boule blanche.
Puisque les hypothèses selon les conditions du problème sont également possibles, alors
Les probabilités conditionnelles de l'événement A sous ces hypothèses sont respectivement égales
Problème 3.5.
L'usine fabrique des produits dont chacun présente un défaut avec une probabilité p.
Il y a trois superviseurs dans l'atelier ; est considéré par un seul inspecteur, avec une probabilité égale le premier, le deuxième ou le troisième. La probabilité de détecter un défaut (le cas échéant) pour le i-ième inspecteur est égale à Pi (i = 1,2,3). Si le produit n’a pas été rejeté en atelier, il est alors envoyé au service de contrôle qualité de l’usine, où le défaut, le cas échéant, est détecté avec une probabilité P0.
Déterminez la probabilité que le produit soit rejeté.
A - le produit sera rejeté
B - le produit sera rejeté en atelier
C- le produit sera rejeté par le service de contrôle qualité de l’usine.
Puisque les événements B et C sont incompatibles et
P(A)=P(B)+P(C)
On trouve P(B). Pour qu'un produit soit rejeté en atelier, il faut, d'une part, qu'il ait un défaut, et d'autre part, que le défaut soit détecté.
La probabilité qu'un défaut soit découvert en atelier est égale à
Vraiment,
Formuler des hypothèses
Défaut H1 détecté par le 1er inspecteur
Défaut H2 détecté par le 2ème inspecteur
Défaut H3 détecté par le 3ème inspecteur
D'ici
De même
Théorème d'hypothèse (formule de Bayes)
Une conséquence du théorème de multiplication et de la formule de probabilité totale est ce qu'on appelle le théorème d'hypothèse ou formule de Bayes.
Posons le problème suivant.
Il existe un groupe complet d'hypothèses incompatibles Н1, Н2,…Hn. Les probabilités de ces hypothèses sont connues avant l'expérience et sont respectivement égales à Р(Н1), Р(Н2),…, P(Hn). a été réalisée, à la suite de laquelle la survenance d'un événement A a été observée. La question est de savoir comment modifier les probabilités des hypothèses en relation avec la survenance de cet événement.
Ici, nous parlons essentiellement de trouver la probabilité conditionnelle P (Hi/A) pour chaque hypothèse.
Du théorème de multiplication nous avons :
P(AHi)=P(A)*P(Salut/A)=P(Salut)*H(A/Salut),
Ou jetez le côté gauche
P(A)*P(Hi/A)=P(Hi)*P(A/Hi), i=1,2,…,n d'où
Ou en exprimant P(A) en utilisant la formule de probabilité totale, nous avons
Cette formule est appelée formule de Bayes ou théorème d'hypothèse.
L'appareil peut être assemblé à partir de pièces de haute qualité et de pièces de qualité ordinaire ; en général, environ 40 % des appareils sont assemblés à partir de pièces de haute qualité. Si l'appareil est assemblé à partir de pièces de haute qualité, sa fiabilité (probabilité de fonctionnement sans panne) dans le temps t est de 0,05 ; si les pièces sont de qualité ordinaire, sa fiabilité est de 0,7. L'appareil est testé pendant un temps t et fonctionne parfaitement. Trouvez la probabilité qu'il soit assemblé à partir de pièces de haute qualité.
Deux hypothèses sont possibles :
L'appareil H1 est assemblé à partir de pièces de haute qualité,
L'appareil H2 est assemblé à partir de pièces de qualité ordinaire.
La probabilité de ces hypothèses avant l'expérience
P(H1) = 0,4 ; P(H2)=0,6.
À la suite de l'expérience, l'événement A a été observé : l'appareil est sans défaut.
A travaillé pendant le temps t. Probabilités conditionnelles de cet événement à
Les hypothèses H1 et H2 sont égales :
P(A/H1) = 0,95 ; P(A/H2) = 0,7.
En utilisant la formule de Weiss, on trouve la probabilité de l'hypothèse H1 après
Problèmes de combinatoire.
Dans de nombreux recherche statistique Il existe des problèmes combinatoires dont le caractère unique est utile de démontrer avec des exemples :
De combien de façons peut-on disposer 10 livres différents sur une étagère ?
8 équipes participent au tournoi. Combien d’idées différentes peuvent être formulées concernant les trois premières places (en fonction des résultats du concours) ?
Combien de mots différents de trois lettres peuvent être formés à partir de 32 lettres de l'alphabet, que les mots composés de lettres aient un sens ou non ?
De combien de manières r éléments peuvent-ils être sélectionnés parmi un ensemble de k éléments (différents) ?
Quel est le nombre de résultats différents obtenus en lançant deux dés ?
Les exemples donnés montrent que dans les problèmes combinatoires on s'intéresse généralement au nombre d'échantillons différents de certains objets, et, selon le type exigences supplémentaires, il est nécessaire de distinguer quels échantillons sont considérés comme identiques et lesquels sont différents.
En théorie des probabilités et statistiques mathématiques Ils utilisent principalement trois concepts de combinatoire :
Emplacements
Réarrangements
Combinaisons
Les arrangements de n éléments par m sont les connexions qui diffèrent les unes des autres par les éléments eux-mêmes ou par leur ordre. Par exemple : placements de 3 éléments a, b, c par 2 : ab, ac, bc, ba, ca, cb Nombre de tous les placements de n éléments différents par m A.
Par exemple : placements de 3 éléments a, b, c par 2 : ab,ac,bc, ba, ca,cb Nombre de tous les placements de n éléments différents par m A.
Total m multiplicateurs
Les permutations de n éléments sont les connexions qui diffèrent les unes des autres uniquement par l'ordre des éléments qu'elles contiennent. Par exemple : une permutation de trois. éléments a,b et c : abc, bca, cab, cba, bac, acb. Nombre de toutes les permutations de n éléments différents Pn
Pn= 1*2*3* …*n=n!=Un
De combien de façons peut-on disposer 10 livres sur une étagère ?
P10=10!=3628800.
Les combinaisons de n éléments de m sont appelées leurs composés, ne différant les uns des autres que par les éléments eux-mêmes. Par exemple : combinaisons de trois éléments a, b et c, deux chacun : ab, ac, bc. Le nombre de toutes les combinaisons de n éléments différents par m est noté Cn
Nous pouvons écrire
Répéter les expériences
À application pratique La théorie des probabilités rencontre souvent des problèmes dans lesquels la même expérience ou des expériences similaires sont répétées à plusieurs reprises. À la suite de chaque expérience, un événement A peut apparaître ou non à la suite d'une série d'expériences.
De tels problèmes sont très facilement résolus lorsque les expériences sont indépendantes.
Plusieurs expériences sont dites indépendantes si la probabilité de l'un ou l'autre résultat de chaque expérience ne dépend pas des résultats des autres expériences. Plusieurs retraits successifs d'une carte du jeu constituent des expériences indépendantes, à condition que la carte retirée soit remise dans le jeu à chaque fois et que les cartes soient mélangées ; sinon, expériences dépendantes.
Des expériences indépendantes peuvent être réalisées dans des conditions identiques ou différentes.
Théorème général sur la répétition des expériences.
Un théorème particulier sur la répétition des expériences concerne le cas où la probabilité de l'événement A est la même dans toutes les expériences. Dans la pratique, nous rencontrons souvent un cas plus complexe, lorsque les expériences sont réalisées dans des conditions différentes et que la probabilité d'un événement change d'une expérience à l'autre. Une méthode pour calculer la probabilité d'un nombre donné d'occurrences d'événements dans de telles conditions est donnée par le théorème général sur la répétition des expériences.
Soit le nombre d'expériences u=2, alors le groupe complet d'événements :
P1P2+P1q2+q1P2+q1q2
Soit le nombre d'expériences u=3, alors le groupe complet d'événements :
P1P2P3+P1P2q3+P1q2P3+q1P2P3+P1q2q3+q1P2q3+q1q2P+q1q2q3
De même, pour le nombre d’expériences n, le groupe complet d’événements est :
P1P2*…*Pn+P1P2*…*qn+…+q1P2*…*Pn+…+q1*q2*…qn, et dans chacun des produits, l'événement A apparaît m fois, et l'événement A apparaît n-m fois. les combinaisons sont toujours
ou plus court
où z est un paramètre arbitraire.
La fonction jn(z), dont le développement en puissances du paramètre z donne pm,n comme coefficients de probabilité, est appelée fonction de probabilité génératrice pm,n ou simplement fonction génératrice.
En utilisant la notion de fonctions génératrices, on peut formuler un théorème général sur la répétition d'expériences sous la forme suivante :
La probabilité que l'événement A apparaisse exactement m fois dans n expériences indépendantes est égale au coefficient de zm dans l'expression de la fonction génératrice
jn(z)=(qi+piz) où pi est la probabilité d'occurrence de l'événement A dans la i-ème expérience
La formulation ci-dessus du théorème général sur la répétition des expériences, contrairement au théorème particulier, ne fournit pas d'expression explicite de la probabilité pm,n.
En principe, une telle expression peut être écrite, mais elle est trop complexe et nous ne la donnerons pas.
Cependant, sans recourir à une expression aussi explicite, il est encore possible d'écrire le théorème général sur la répétition des expériences sous la forme d'une formule unique
valeur aléatoire.
L’un des concepts de base les plus importants de la théorie des probabilités est le concept de variable aléatoire.
Une variable aléatoire est une quantité qui, à la suite d'une expérience, peut prendre telle ou telle valeur, et on ne sait pas à l'avance quel nom.
Exemples de variables aléatoires :
Le nombre d'appels reçus au central téléphonique par jour ;
Nombre de garçons nés à la maternité par mois ;
Nombre de filles nées à la maternité par mois ;
Dans les trois exemples, les variables aléatoires peuvent prendre des valeurs individuelles et isolées qui peuvent être énumérées à l'avance.
Dans l'exemple 1 ;
De telles variables aléatoires qui ne prennent que des valeurs individuelles séparées les unes des autres sont appelées variables discrètes.
Il existe d'autres types de variables aléatoires.
Par exemple, la température de l'air, l'humidité de l'air, la tension du réseau électrique.
Fonction de répartition.
Série de distribution, polygone de distribution non
sont des caractéristiques universelles Variable aléatoire: elles n'existent que pour des variables aléatoires discrètes. Il est facile de voir qu'une telle caractéristique ne peut pas être construite pour une variable aléatoire continue. En effet, une variable aléatoire continue a un nombre infini de valeurs possibles, ???? occupant un certain intervalle (ce qu'on appelle « l'ensemble indénombrable »). Il est impossible de créer un tableau répertoriant toutes les valeurs possibles d'une telle variable aléatoire. Par conséquent, pour une variable aléatoire continue, il n’existe pas de série de distribution au sens où elle existe pour une variable discontinue. Cependant, différentes régions de valeurs possibles d'une variable aléatoire ne sont toujours pas également probables, et pour une variable continue, il existe une distribution de probabilité, mais pas dans le même sens que pour une variable discontinue (ou discrète).