MATH-233 / 3 credits

Teacher: Panaretos Victor

Language: French


Résumé

Le cours fournit une initiation à la théorie des probabilités et aux méthodes statistiques pour physiciens.

Contenu

Probabilités : notions de base, algèbre d'événements, axiomes de Kolmogorov, cas finis et infinis, probabilités conditionnelles, indépendance, indépendance conditionnelle.

Variables et vecteurs aléatoires : définition, fonctions de répartition et de densité, lois conditionels, transformations, espérance, variance, covariance, corrélation, moments, fonctions génératrices, fonctions caractéristiques, entropie.

Lois discrètes et continues : Lois de bases telles que Bernoulli, binomiale, Poisson, géométrique, normale, exponentielle, le formalisme de la famille exponentielle.

Théorèmes limites : notions de convergence stochastique, loi des grands nombres, théorème central limite, méthode delta.

Introduction aux statistiques : populations et échantillons, inférence statistique, approches paramétriques et non paramétriques, points de vue fréquentiste et bayésien.

Estimation : estimation ponctuelle, biais, erreur quadratique moyenne, inégalité de Cramér-Rao, estimateur du maximum de vraisemblance, propriétés asymptotiques.

Intervalles de confiance et tests d'hypothèses : intervalles de confiance unilatéraux et bilatéraux, pivots et pivots approximatifs, tests d'hypothèses, dualité entre intervalles et tests.

Compétences requises

Cours prérequis obligatoires

Analyse I, Analyse II, Algèbre linéaire.

Cours prérequis indicatifs

Notions de calcul différentiel et intégral

Acquis de formation

A la fin de ce cours l'étudiant doit être capable de:

  • Exposer le contenu du cours.
  • Etablir une stratégie pour résoudre un problème de probabilités /statistique
  • Utiliser les règles liées à la manipulation de variables aléatoires
  • Interpréter les théories exposées dans le cours.
  • Proposer un modèle pour expliquer un phénomène
  • Appliquer les règles du calcul de probabilités.
  • Appliquer les idées de statistiques à des données

Compétences transversales

  • Persévérer dans la difficulté ou après un échec initial pour trouver une meilleure solution.
  • Auto-évaluer son niveau de compétence acquise et planifier ses prochains objectifs d'apprentissage.

Méthode d'enseignement

Cours ex cathedra, exercices en classe

Travail attendu

Se préparer au cours et faire les séries d'exercices.

Méthode d'évaluation

Ecrit (mid-term, examen finale)

Encadrement

Office hours Non
Assistants Oui
Forum électronique Oui

Ressources

Bibliographie

  • Introduction à la théorie des probabilités de Robert C. Dalang et Daniel Conus, Presses polytechniques et universitaires romandes. (Open Access)
  • Statistique pour mathématiciens de Victor M. Panaretos, Presses polytechniques et universitaires romandes. (Open Access)

 

Ressources en bibliothèque

Liens Moodle

Préparation pour

Statistique théorique et appliquée, analyse des données, méchanique quantique, et des cours professionnels utilisant la statistique

In the programs

  • Semester: Fall
  • Exam form: Written (winter session)
  • Subject examined: Probability and statistics
  • Courses: 2 Hour(s) per week x 14 weeks
  • Exercises: 1 Hour(s) per week x 14 weeks
  • Type: mandatory

Reference week

Monday, 9h - 10h: Exercise, TP CM1

Tuesday, 13h - 15h: Lecture CM1

Related courses

Results from graphsearch.epfl.ch.