AccueilCoursBases des probabilités appliquées avec Python

Distinguer les fonctions de masse et de distribution de probabilité

Chapitre 2 · Premiers pas dans les simulations de lancers de pièces · leçon 5 sur 63
Réservée aux abonnés — voici son début
Après avoir réalisé de nombreuses expériences aléatoires, on constate que certains résultats sont plus probables que d’autres. Cette répartition des probabilités est décrite par une loi de probabilité. Deux fonctions jouent un rôle important dans les calculs : la fonction de masse de probabilité et la fonction de répartition cumulée. Déterminer la probabilité d’un résultat précis avec la PMF Une variable aléatoire discrète possède un nombre fini de résultats possibles. La fonction de masse de probabilité permet de calculer la probabilité d’obtenir un résultat particulier pour ce type de variable. Dans le cas d’une loi binomiale, elle permet notamment de déterminer la probabilité d’obtenir (k
La suite de cette leçon est réservée aux abonnés Créez votre compte gratuit pour tester les exercices d’exemple, puis passez à l'accès complet quand vous le souhaitez.

Créez votre compte gratuit

Sans carte bancaire, en trente secondes.
Continuer avec Google
ou
S'inscrire avec un e-mail
Déjà inscrit ? Se connecter
En continuant, vous acceptez les conditions d'utilisation et la politique de confidentialité. Vos données sont hébergées dans l'Union européenne.

Accès complet DATAGOZ

19 €/ mois — ou 190 € / an
  • Tous les cours publiés et les parcours métier
  • Exercices et quiz corrigés automatiquement
  • Entraînement, examen et attestation de suivi
  • Sans engagement, résiliable en ligne
Voir les formules
Cette leçon fait partie du cours

Bases des probabilités appliquées avec Python

short_training6 chapitres · 63 leçons

Découvrez et maîtrisez les principes essentiels des probabilités avec Python !

  • La plateforme de formationabonnés
  • Lancer une pièce à l’aide de Pythonabonnés
  • Simuler des lancers de piècesabonnés
  • Multiplier les simulations de lancers avec la fonction binomabonnés
  • Distinguer les fonctions de masse et de distribution de probabilitévous êtes ici
  • Estimer la probabilité de défautsabonnés
  • Prédire la situation professionnelle à partir des probabilitésabonnés
  • Estimer le taux de condamnation pour cambriolageabonnés
  • Découvrir l’espérance mathématique, la moyenne et la varianceabonnés
  • Calculer l’espérance et la variance d’une distributionabonnés
  • Estimer la moyenne à partir de simulationsabonnés
  • Vérifier la précision des résultats obtenusabonnés
  • Calculer la moyenne et la variance d’un échantillonabonnés
  • Calculer la probabilité de deux événementsabonnés
  • Analyser le chevauchement entre plusieurs événementsabonnés
  • Étudier les caractéristiques d’un échantillonabonnés
  • Calculer des probabilités conjointesabonnés
  • Résoudre des problèmes de probabilités avec un jeu de cartesabonnés
  • Déterminer des probabilités conditionnellesabonnés
  • Évaluer les probabilités de retard des volsabonnés
  • Analyser les relations entre événements avec un tableau de contingenceabonnés
  • Approfondir les calculs de probabilités avec les cartesabonnés
  • Appliquer la loi des probabilités totalesabonnés
  • Estimer les chances de victoire des pilotes de Formule 1abonnés
  • Analyser les probabilités liées aux choix des électeursabonnés
  • Utiliser la règle de Bayes pour actualiser les probabilitésabonnés
  • Approfondir le calcul des probabilités conditionnellesabonnés
  • Étudier les probabilités de production dans des usinesabonnés
  • Évaluer la fiabilité d’un test sanguin de dépistage de la grippe porcineabonnés
  • Explorer la loi normaleabonnés
  • Déterminer l’étendue des valeurs possiblesabonnés
  • Représenter graphiquement des distributions normalesabonnés
  • Étudier les valeurs situées à moins de trois écarts types de la moyenneabonnés
  • Calculer des probabilités à partir de la loi normaleabonnés
  • Appliquer la loi normale aux dépenses au restaurantabonnés
  • Modéliser l’autonomie d’une batterie de smartphone avec la loi normaleabonnés
  • Analyser la distribution des tailles chez les adultesabonnés
  • Découvrir la loi de Poissonabonnés
  • Appliquer la loi de Poisson aux opérations d’un distributeur automatiqueabonnés
  • Modéliser la fréquence des accidents sur autoroute avec la loi de Poissonabonnés
  • Générer et visualiser des distributions de Poisson en Pythonabonnés
  • Découvrir la loi géométriqueabonnés
  • Appliquer la loi géométrique à la capture de saumonsabonnés
  • Modéliser les réussites aux lancers francs avec la loi géométriqueabonnés
  • Générer et représenter graphiquement des distributions géométriquesabonnés
  • Passer de la moyenne d’un échantillon à celle de la populationabonnés
  • Créer un échantillon aléatoire en Pythonabonnés
  • Calculer la moyenne d’un échantillonabonnés
  • Représenter graphiquement la distribution des moyennes d’échantillonsabonnés
  • Étudier la somme de variables aléatoiresabonnés
  • Comparer les moyennes obtenues sur plusieurs échantillonsabonnés
  • Comprendre pourquoi les moyennes d’échantillons suivent une loi normaleabonnés
  • Analyser la somme des résultats de plusieurs lancers de désabonnés
  • Découvrir les principes de la régression linéaireabonnés
  • Ajuster un modèle de régression linéaire aux donnéesabonnés
  • Prédire les résultats d’examens à l’aide d’un modèle linéaireabonnés
  • Analyser les résidus d’un modèle de régressionabonnés
  • Découvrir la régression logistiqueabonnés
  • Construire et ajuster un modèle de régression logistiqueabonnés
  • Prédire la réussite des étudiants à partir de leurs donnéesabonnés
  • Calculer la probabilité de réussir deux examensabonnés
  • Faire le bilan des notions de probabilités et de statistiques étudiéesabonnés
  • Conclusion de la formationabonnés
Leçon suivante

Estimer la probabilité de défauts

Voir le programme Créer un compte pour continuer