Aléatoire : une introduction aux probabilités - Partie 2

Ends in 6 days! Save 40% on your access to 10,000+ programs and make a real impact in your career. Save now.

Aléatoire : une introduction aux probabilités - Partie 2

Instructors: Sylvie Méléard

6,407 already enrolled

Included with Learn more

Ask Coursera

6 modules

Gain insight into a topic and learn the fundamentals.

40 reviews

2 weeks to complete

at 10 hours a week

Flexible schedule

Learn at your own pace

6 modules

Gain insight into a topic and learn the fundamentals.

40 reviews

2 weeks to complete

at 10 hours a week

Flexible schedule

Learn at your own pace

Skills you'll gain

Details to know

Shareable certificate

Add to your LinkedIn profile

Assessments

5 assignments

Taught in French

See how employees at top companies are mastering in-demand skills

Learn more about Coursera for Business

logos of Petrobras, TATA, Danone, Capgemini, P&G and L'Oreal

There are 6 modules in this course

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.

What's included

8 videos3 readings1 assignment2 plugins

8 videosTotal 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 readingsTotal 30 minutes

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

1 assignmentTotal 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.

What's included

8 videos4 readings1 assignment2 plugins

8 videosTotal 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 readingsTotal 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 assignmentTotal 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.

What's included

11 videos6 readings1 assignment1 plugin

11 videosTotal 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 readingsTotal 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 assignmentTotal 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.

What's included

6 videos1 reading1 assignment2 plugins

6 videosTotal 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 readingTotal 10 minutes

Placement risqué (*)10 minutes

1 assignmentTotal 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.

What's included

2 videos

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.

What's included

11 videos5 readings1 assignment2 plugins

11 videosTotal 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 readingsTotal 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 assignmentTotal 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

Instructors

Instructor ratings

(5 ratings)

Sylvie Méléard

École Polytechnique

2 Courses19,855 learners

Jean-René Chazottes

École Polytechnique

2 Courses19,855 learners

Carl Graham

École Polytechnique

2 Courses19,855 learners

Offered by

École Polytechnique

Explore more from Math and Logic

University of Zurich
An Intuitive Introduction to Probability
Course
Category: Preview
Johns Hopkins University
Random Processes
Course
Category: Preview
University of London
Probability and Statistics: To p or not to p?
Course
Category: Preview
Johns Hopkins University
Foundations of Probability and Random Variables
Course
Status: Free Trial

Why people choose Coursera for their career

Felipe M.

Learner since 2018

"To be able to take courses at my own pace and rhythm has been an amazing experience. I can learn whenever it fits my schedule and mood."

Jennifer J.

Learner since 2020

"I directly applied the concepts and skills I learned from my courses to an exciting new project at work."

Larry W.

Learner since 2021

"When I need courses on topics that my university doesn't offer, Coursera is one of the best places to go."

Chaitanya A.

"Learning isn't just about being better at your job: it's so much more than that. Coursera allows me to learn without limits."

Learner reviews

5 stars
67.50%
4 stars
27.50%
3 stars
2.50%
2 stars
0%
1 star
2.50%

Showing 3 of 40

Reviewed on Jul 29, 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 :)

View more reviews

Frequently asked 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.