Aléatoire : une introduction aux probabilités - Partie 2

Obtenez l'une de nos meilleures offres avec Coursera Plus pour 199 $ (habituellement 399 $). Économisez maintenant.

Aléatoire : une introduction aux probabilités - Partie 2

Instructeurs : Sylvie Méléard

6 406 déjà inscrits

Inclus avec

6 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

40 avis

2 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

6 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

40 avis

2 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Compétences que vous acquerrez

Catégorie : Probability Distribution
Catégorie : Probability & Statistics
Catégorie : Numerical Analysis
Catégorie : Mathematical Theory & Analysis
Catégorie : Correlation Analysis
Catégorie : Simulations
Catégorie : Advanced Mathematics
Catégorie : Sampling (Statistics)
Catégorie : Integral Calculus
Catégorie : Probability
Catégorie : Statistical Methods
Catégorie : Statistical Inference
Catégorie : Statistical Analysis
Catégorie : Applied Mathematics

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

5 devoirs

Enseigné en Français

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Il y a 6 modules dans ce cours

Ce cours d'introduction aux probabilités a la même contenu que le cours de tronc commun de première année de l'École polytechnique donné par Sylvie Méléard.

Le cours introduit graduellement la notion de variable aléatoire et culmine avec la loi des grands nombres et le théorème de la limite centrale. Les notions mathématiques nécessaires sont introduites au fil du cours et de nombreux exercices corrigés sont proposés. Ce cours propose aussi une introduction aux méthodes de simulations des variables aléatoires comme la méthode de Monte Carlo. Des expériences numériques interactives sont également mises à votre disposition pour vous permettre de visualiser diverses notions.

Nous entamons cette semaine le Cours 4 dont le sujet est les vecteurs aléatoires, c'est-à-dire, une collection finie de variables aléatoires réelles, comme par exemple des couples de variables aléatoires. Ce cours s'étend sur deux semaines.

Inclus

8 vidéos3 lectures1 devoir2 plugins

8 vidéosTotal 135 minutes

Séance 1 : LOI D'UN VECTEUR ALÉATOIRE20 minutes
Séance 2 : MOMENTS27 minutes
Séance 3 : LOIS CONDITIONNELLES20 minutes
LA MÉTHODE DU REJET23 minutes
ILLUSTRATION & EXPÉRIMENTATION : LA MÉTHODE DU REJET9 minutes
Loi triangulaire8 minutes
Régression linéaire6 minutes
Aiguille de Buffon21 minutes

3 lecturesTotal 30 minutes

Loi triangulaire (*)10 minutes
Régression linéaire (**)10 minutes
Aiguille de Buffon (**)10 minutes

1 devoirTotal 30 minutes

QCM de la semaine30 minutes

2 pluginsTotal 10 minutes

Simulation d’une variable aléatoire à densité par la méthode du rejet5 minutes
Simulation par la méthode du rejet généralisée5 minutes

Il s'agit de la suite et de la fin du Cours 4. Nous allons en particulier généraliser le résultat qui nous permet de faire des calculs de lois.

Inclus

8 vidéos4 lectures1 devoir2 plugins

8 vidéosTotal 107 minutes

Séance 4 : VECTEURS ALÉATOIRES INDÉPENDANTS12 minutes
Séance 5 : CALCUL DE LOIS22 minutes
EXEMPLES DE MÉTHODES PARTICULIÈRES21 minutes
ILLUSTRATION & EXPÉRIMENTATION : INDÉPENDANCE ET FLÉCHETTES ALÉATOIRES13 minutes
Lois de Gauss et de Cauchy10 minutes
Calculs sur les lois Gamma6 minutes
Pannes informatiques12 minutes
Loi paire flippée11 minutes

4 lecturesTotal 40 minutes

Lois de Gauss et de Cauchy (*)10 minutes
Calculs sur les lois gamma (**)10 minutes
Pannes informatiques (**)10 minutes
Loi paire flippée (**)10 minutes

1 devoirTotal 30 minutes

QCM de la semaine30 minutes

2 pluginsTotal 10 minutes

Simulation - Illustration de la notion d’indépendance : fléchettes gausiennes5 minutes
Simulation - Illustration de la notion d’indépendance : fléchettes tirées uniformément5 minutes

Nous entamons le Cours 5 dont l'objet principal est le théorème communément appelé la « loi des grands nombres ». Nous introduirons aussi plusieurs notions de convergence d'une suite de variables aléatoires.

Inclus

11 vidéos6 lectures1 devoir1 plugin

11 vidéosTotal 129 minutes

Séance 1 : SOMMES DE VARIABLES ALÉATOIRES24 minutes
Séance 2 (1/2) : CONVERGENCES21 minutes
Séance 3 (2/2) : CONVERGENCES16 minutes
Séance 4 : LOI DES GRANDS NOMBRES25 minutes
ILLUSTRATION & EXPÉRIMENTATION : LA LOI DES GRANDS NOMBRES12 minutes
Minimum et maximum de variables aléatoires uniformes7 minutes
La convergence presque-sûre implique la convergence en probabilité2 minutes
Une métrique pour la convergence en probabilité5 minutes
Exemples de convergence de variables aléatoires6 minutes
Une condition de moment pour la convergence en moyenne5 minutes
Une condition suffisante pour la convergence presque-sûre6 minutes

6 lecturesTotal 60 minutes

Minimum et maximum de variables aléatoires i.i.d. uniformes (*)10 minutes
La convergence presque sûre implique la convergence en probabilité (*)10 minutes
Une métrique pour la convergence en probabilité (*)10 minutes
Exemples de convergence de variables aléatoires (**)10 minutes
Une condition de moment pour la convergence en moyenne (**)10 minutes
Une condition suffisante pour la convergence presque sûre (**)10 minutes

1 devoirTotal 30 minutes

QCM de la semaine30 minutes

1 pluginTotal 5 minutes

Simulation - Illustration de la loi des grands nombres5 minutes

Nous terminons le Cours 5 en donnant des exemples d'applications de la loi des grands nombres. Nous introduisons également la méthode de Monte Carlo.

Inclus

6 vidéos1 lecture1 devoir2 plugins

6 vidéosTotal 71 minutes

Séance 5 : APPLICATIONS DE LA LOI DES GRANDS NOMBRES20 minutes
ILLUSTRATION & EXPÉRIMENTATION : CONVERGENCE DE LA FONCTION DE RÉPARTITION EMPIRIQUE6 minutes
MÉTHODE DE MONTE CARLO (INTRODUCTION)12 minutes
MÉTHODE DE MONTE CARLO (FONDEMENT)12 minutes
ILLUSTRATION & EXPÉRIMENTATION : LES AIGUILLES DE BUFFON12 minutes
Placement risqué (difficulté **)9 minutes

1 lectureTotal 10 minutes

Placement risqué (*)10 minutes

1 devoirTotal 30 minutes

QCM de la semaine30 minutes

2 pluginsTotal 10 minutes

Simulation - Calcul de Pi avec une pluie aléatoire5 minutes
Simulation - Aiguilles de Buffon5 minutes

Nous commençons le Cours 6, le dernier de ce MOOC, à cheval sur deux semaines. Cette semaine, on introduit un nouvel outil très puissant : les fonction caractéristiques.

Inclus

2 vidéos

Cette dernière semaine est consacrée au second pilier de la théorie des probabilités : le théorème de la limite centrale. Ce résultat nécessite une nouvelle notion de convergence : la convergence en loi. Nous verrons notamment une application aux intervalles de confiance qui sont utilisés pour les sondages.

Inclus

11 vidéos5 lectures1 devoir2 plugins

11 vidéosTotal 156 minutes

Séance 3 : CONVERGENCE EN LOI30 minutes
Séance 4 : CONVERGENCE EN LOI (suite)16 minutes
Séance 5 : THÉORÈME DE LA LIMITE CENTRALE21 minutes
ILLUSTRATION & EXPÉRIMENTATION : THÉORÈME DE LA LIMITE CENTRALE9 minutes
INTERVALLES DE CONFIANCE D'UN SONDAGE18 minutes
ILLUSTRATION & EXPÉRIMENTATION : INTERVALLES DE CONFIANCE17 minutes
Trois exemples de convergence en loi10 minutes
Erreurs d’arrondi7 minutes
Second tour d'une élection présidentielle7 minutes
La convergence du Théorème Central Limite ne peut pas être en probabilité6 minutes
Test de moyenne nulle16 minutes

5 lecturesTotal 50 minutes

Trois exemples de convergence en loi (*)10 minutes
Erreurs d'arrondi (*)10 minutes
Second tour d'une élection présidentielle (**)10 minutes
La convergence du théorème limite central ne peut pas être en probabilité (**)10 minutes
Test de moyenne nulle (***)10 minutes

1 devoirTotal 30 minutes

QCM de la semaine30 minutes

2 pluginsTotal 10 minutes

Simulation - Illustration de la loi des grands nombres et du théorème de la limite centrale5 minutes
Simulation - Intervalles de confiance (sondage)5 minutes

Instructeurs

Évaluations de l’enseignant

(5 évaluations)

Sylvie Méléard

École Polytechnique

2 Cours19 853 apprenants

Jean-René Chazottes

École Polytechnique

2 Cours19 853 apprenants

Carl Graham

École Polytechnique

2 Cours19 853 apprenants

Offert par

École Polytechnique

En savoir plus sur Math and Logic

University of Zurich
An Intuitive Introduction to Probability
Cours
Catégorie : Prévisualisation
Catégorie : Crédit proposé
Johns Hopkins University
Random Processes
Cours
Catégorie : Prévisualisation
Catégorie : Crédit proposé
University of London
Probability and Statistics: To p or not to p?
Cours
Catégorie : Prévisualisation
Catégorie : Crédit proposé
Johns Hopkins University
Foundations of Probability and Random Variables
Cours
Statut : Essai gratuit
Catégorie : Crédit proposé

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

5 stars
67,50 %
4 stars
27,50 %
3 stars
2,50 %
2 stars
0 %
1 star
2,50 %

Affichage de 3 sur 40

Révisé le 29 juil. 2018

Merci pour ce cours à mi chemin entre la théorie et la pratique; très utile dans l'exploitation et la description du comportement de données en grandes dimensions :)

Voir plus d’avis

Foire Aux Questions

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.