Théorie des probabilités

La théorie des probabilités en mathématiques est l'étude des phénomènes caractérisés par le hasard et l'incertitude. Elle forme avec la statistique les deux sciences du hasard qui sont partie intégrante des mathématiques. Les débuts de l'étude des probabilités correspondent aux premières observations du hasard dans les jeux ou dans les phénomènes climatiques par exemple. Bien que le calcul de probabilités sur des questions liées au hasard existe depuis longtemps, la formalisation mathématique n'est que récente. Elle date du début du avec l'axiomatique de Kolmogorov. Des objets tels que les événements, les mesures de probabilité, les espaces probabilisés ou les variables aléatoires sont centraux dans la théorie. Ils permettent de traduire de manière abstraite les comportements ou des quantités mesurées qui peuvent être supposés aléatoires. En fonction du nombre de valeurs possibles pour le phénomène aléatoire étudié, la théorie des probabilités est dite discrète ou continue. Dans le cas discret, c'est-à-dire pour un nombre au plus dénombrable d'états possibles, la théorie des probabilités se rapproche de la théorie du dénombrement ; alors que dans le cas continu, la théorie de l'intégration et la théorie de la mesure donnent les outils nécessaires. Les objets et résultats probabilistes sont un support nécessaire à la statistique, c'est le cas par exemple du théorème de Bayes, de l'évaluation des quantiles ou du théorème central limite et de la loi normale. Cette modélisation du hasard permet également de résoudre plusieurs paradoxes probabilistes. Qu'il soit discret ou continu, le calcul stochastique est l'étude des phénomènes aléatoires qui dépendent du temps. La notion d'intégrale stochastique et d'équation différentielle stochastique font partie de cette branche de la théorie des probabilités. Ces processus aléatoires permettent de faire des liens avec plusieurs domaines plus appliqués tels que les mathématiques financières, la mécanique statistique, le , etc.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Résumé

Catégories

Source officielle

https://fr.wikipedia.org/wiki/Théorie_des_probabilités

À propos de ce résultat

Catégories associées (88)

Concepts associés (51)

Cours associés (20)

Séances de cours associées (361)

Personnes associées (2)

Publications associées (21)

Development of discrete surface growth models for frictional surfaces

Thomas Fry

Both natural and manufactured surfaces have been found to be self-affine over many length scales. Yet, it is still not understood what mechanisms lead to the final self-affine morphology, which is cha

2020

The sources of sovereign risk: a calibration based on Levy stochastic processes

Sylvain Jean Pascal Carré, Daniel Cohen

Governments choose to issue risky or riskless debt depending on the nature of the stochastic process of output. We use Brownian motion and Poisson shocks a modeling method in the literature on corpora

ELSEVIER SCIENCE BV2019

Financial Stability and the Macroeconomy

Corinne Dubois

The financial crisis of 2007-2009 drew attention to the essential role of banks for the macroeconomy and to the importance of having a resilient financial sector. A vulnerability in the financial sect

EPFL2018

CS-101: Advanced information, computation, communication I

Discrete mathematics is a discipline with applications to almost all areas of study. It provides a set of indispensable tools to computer science in particular. This course reviews (familiar) topics a

MATH-232: Probability and statistics

A basic course in probability and statistics

COM-300: Stochastic models in communication

L'objectif de ce cours est la maitrise des outils des processus stochastiques utiles pour un ingénieur travaillant dans les domaines des systèmes de communication, de la science des données et de l'i

Mesure aléatoire

En théorie des probabilités, une mesure aléatoire est une détermination de mesure d'un élément aléatoire. Soit X un espace métrique séparable complet et la tribu de son ensemble de Borel. Une mesure de Borel μ sur X est finie si μ (A) < ∞ pour chaque ensemble A borélien limité. Soit l'espace de toutes les mesures finies sur . Soit un espace probabilisé. Alors, une mesure aléatoire des cartes de cet espace de probabilité à l'espace mesurable .

Processus de Lévy

En théorie des probabilités, un processus de Lévy, nommé d'après le mathématicien français Paul Lévy, est un processus stochastique en temps continu, continu à droite limité à gauche (càdlàg), partant de 0, dont les accroissements sont stationnaires et indépendants (cette notion est expliquée ci-dessous). Les exemples les plus connus sont le processus de Wiener et le processus de Poisson.

Processus de Poisson composé

Un processus de Poisson composé, nommé d'après le mathématicien français Siméon Denis Poisson, est un processus stochastique en temps continu à droite limité à gauche (Càdlàg). C'est en particulier un processus de Lévy. Un processus de Poisson composé est un processus aléatoire indexé par le temps qui s’écrit où est un processus de Poisson et est une suite de variables aléatoires indépendantes et identiquement distribuées et indépendantes de . Comme tout processus de Lévy, le processus de Poisson composé est à accroissements indépendants et à accroissements stationnaires.

Théorie des probabilités

Statistique mathématique

vignette|Une régression linéaire. Les statistiques, dans le sens populaire du terme, traitent à l'aide des mathématiques l'étude de groupe d'une population. En statistique descriptive, on se contente de décrire un échantillon à partir de grandeurs comme la moyenne, la médiane, l'écart type, la proportion, la corrélation, etc. C'est souvent la technique qui est utilisée dans les recensements. Dans un sens plus large, la théorie statistique est utilisée en recherche dans un but inférentiel.

Processus stochastique

Un processus ou processus aléatoire (voir Calcul stochastique) ou fonction aléatoire (voir Probabilité) représente une évolution, discrète ou à temps continu, d'une variable aléatoire. Celle-ci intervient dans le calcul classique des probabilités, où elle mesure chaque résultat possible (ou réalisation) d'une épreuve. Cette notion se généralise à plusieurs dimensions. Un cas particulier important, le champ aléatoire de Markov, est utilisé en analyse spatiale.

Régression linéaire probabiliste PHYS-467: Machine learning for physicists

Examine la régression probabiliste linéaire, couvrant les probabilités articulaires et conditionnelles, la régression des crêtes et l'atténuation excessive.

Fondements de la probabilité : événements et indépendance CS-101: Advanced information, computation, communication I

Introduit les bases de la probabilité, couvrant les probabilités d'événement, les probabilités conditionnelles et l'indépendance.

Variables aléatoires et valeur prévue CS-101: Advanced information, computation, communication I

Introduit des variables aléatoires, des distributions de probabilité et des valeurs attendues au moyen d'exemples pratiques.