Distributions discrètes vs continues

Une **distribution de probabilité** décrit la probabilité des différents résultats pour une variable aléatoire. ## Distributions discrètes Une **distribution discrète** s'applique aux variables qui ne peuvent prendre que des **valeurs spécifiques et séparées** (généralement comptées). **Exemples de variables discrètes :** - Nombre de faces en 10 lancers de pièce : $0, 1, 2, \ldots, 10$ - Lancer de dé : $1, 2, 3, 4, 5, 6$ - Nombre d'élèves dans une classe : $15, 16, 17, \ldots$ **Caractéristique clé :** On peut lister toutes les valeurs possibles. On utilise une **Fonction de masse de probabilité (PMF)** où : $$P(X = x) \geq 0 \text{ et } \sum_{\text{tout } x} P(X = x) = 1$$ ## Distributions continues Une **distribution continue** s'applique aux variables qui peuvent prendre **n'importe quelle valeur dans un intervalle** (généralement mesurées). **Exemples de variables continues :** - Taille d'une personne : toute valeur de 0 à 300 cm - Temps pour accomplir une tâche : toute valeur positive - Température : toute valeur sur un thermomètre **Caractéristique clé :** On ne peut pas lister toutes les valeurs possibles (infiniment nombreuses). On utilise une **Fonction de densité de probabilité (PDF)** où : $$P(a \leq X \leq b) = \int_a^b f(x)\, dx$$ Pour les variables continues, $P(X = \text{valeur exacte}) = 0$ car il y a infiniment de valeurs possibles.

Classifier les variables aléatoires

Classifie chaque variable comme discrète ou continue : (a) Nombre de voitures passant à un point de contrôle (b) Poids d'un colis (c) Nombre d'articles défectueux dans un lot

Analyse la variable (a): Les voitures sont comptées : 0, 1, 2, 3, ... On ne peut pas avoir 2,5 voitures = Discrète

Analyse la variable (b): Le poids est mesuré : 1,234 kg, 1,235 kg, etc. Toute valeur est possible = Continue

Analyse la variable (c): Les défauts sont comptés : 0, 1, 2, ... On ne peut pas avoir 1,7 défaut = Discrète

Answer: (a) Discrète, (b) Continue, (c) Discrète

Calculer des probabilités discrètes

Un dé équilibré est lancé. Trouve : (a) $P(X = 4)$ et (b) $P(X \leq 2)$

Identifie la distribution: Le lancer de dé a 6 résultats équiprobables : 1, 2, 3, 4, 5, 6 = Distribution discrète uniforme

Calcule P(X = 4): Un seul résultat égale 4, donc $P(X = 4) = \frac{1}{6}$ = $P(X = 4) = \frac{1}{6}$

Calcule P(X ≤ 2): Deux résultats satisfont ceci : 1 et 2 $P(X \leq 2) = P(X=1) + P(X=2) = \frac{1}{6} + \frac{1}{6}$ = $P(X \leq 2) = \frac{2}{6} = \frac{1}{3}$

Answer: (a) $\frac{1}{6} \approx 0,167$, (b) $\frac{1}{3} \approx 0,333$

Comprendre la probabilité continue

Les tailles dans une population suivent une distribution continue. Explique pourquoi $P(\text{taille} = 170,0000\ldots \text{ cm})$ égale zéro.

Considère la nature des variables continues: La taille peut être 170,0001 cm, 170,00001 cm, etc. Il existe infiniment de valeurs = Infiniment de valeurs possibles

Applique le raisonnement probabiliste: Si chaque valeur exacte avait une probabilité positive, la somme serait infinie (pas 1) = Chaque valeur exacte doit avoir une probabilité de 0

Comprends la signification pratique: On calcule $P(169,5 < X < 170,5)$ à la place. C'est l'aire sous la courbe entre ces limites = Utilise des intervalles, pas des valeurs exactes

Answer: Avec infiniment de valeurs possibles, attribuer une probabilité positive à chacune ferait dépasser le total de 1. Pour les distributions continues, on calcule les probabilités pour des intervalles, pas pour des valeurs exactes.

Comprendre la différence entre distributions discrètes et continues est fondamental pour : - **Statistiques** : Choisir le bon test ou modèle pour tes données - **Science des données** : Sélectionner les algorithmes d'apprentissage automatique appropriés - **Contrôle qualité** : Surveiller les processus de fabrication (nombre de défauts vs mesures) - **Finance** : Modéliser les cours boursiers (continu) vs nombre de transactions (discret) - **Médecine** : Analyser les nombres de patients (discret) vs lectures de tension artérielle (continu) Utiliser le mauvais type de distribution conduit à des conclusions et prédictions erronées !

Mistake: Penser que 'l'argent' est toujours discret parce qu'on compte les euros

Why: Bien qu'on arrondisse souvent l'argent aux centimes, les modèles financiers traitent fréquemment l'argent comme continu car les transactions peuvent théoriquement être de n'importe quel montant.

Correct: Le contexte compte : compter les pièces est discret, mais modéliser les cours boursiers est typiquement continu.

Mistake: Essayer de calculer P(X = valeur exacte) pour des distributions continues

Why: Pour les distributions continues, la probabilité en tout point unique est zéro. Seuls les intervalles ont une probabilité positive.

Correct: Pour les distributions continues, calcule toujours $P(a < X < b)$ en utilisant l'aire sous la courbe.

Mistake: Confondre 'peu de valeurs possibles' avec 'discret'

Why: Une variable est discrète selon sa nature, pas le nombre de valeurs observées dans un échantillon.

Correct: Demande-toi : 'Cette variable peut-elle théoriquement prendre N'IMPORTE QUELLE valeur dans un intervalle ?' Si oui, elle est continue.

Contrôle qualité en fabrication

Les usines utilisent des distributions discrètes pour compter les défauts et des distributions continues pour les mesures.

Une usine compte les articles défectueux par lot (discret : 0, 1, 2, ...) mais mesure le poids du produit en grammes (continu : 250,3 g, 250,31 g, ...).

Statistiques médicales

Les soins de santé utilisent les deux types : nombres de patients (discret) et signes vitaux (continu).

Nombre de patients admis aujourd'hui (discret : 45, 46, 47) vs lecture de tension artérielle (continu : 120,5 mmHg, 121,3 mmHg).

Les **distributions discrètes** s'appliquent aux variables avec des valeurs dénombrables et séparées (comme les lancers de dé, les tirages à pile ou face, ou les comptages)

Les **distributions continues** s'appliquent aux variables qui peuvent prendre n'importe quelle valeur dans un intervalle (comme la taille, le poids ou le temps)

Pour les variables discrètes, on utilise la PMF et on peut calculer $P(X = x)$ directement

Pour les variables continues, on utilise la PDF et on calcule les probabilités pour des intervalles : $P(a < X < b)$

Demande-toi : 'Est-ce compté ou mesuré ?' Compté = discret, Mesuré = continu

Q: Une variable peut-elle être à la fois discrète et continue ?

A: Non, une variable est fondamentalement l'une ou l'autre selon sa nature. Cependant, on modélise parfois des variables discrètes (comme les comptages) avec des distributions continues comme approximation quand les valeurs sont grandes.

Q: Pourquoi l'âge est-il parfois traité comme discret et parfois comme continu ?

A: L'âge en années (18, 19, 20) est discret. L'âge comme temps exact depuis la naissance (18,5273 ans) est continu. Le choix dépend de comment tu mesures et utilises les données.

Q: Quelle est la différence entre PMF et PDF ?

A: La PMF (Fonction de masse de probabilité) donne la probabilité réelle pour les valeurs discrètes. La PDF (Fonction de densité de probabilité) donne la densité pour les variables continues - tu dois intégrer sur un intervalle pour obtenir la probabilité.

Quitter la présentation

Distributions discrètes vs continues

1 / 11

Probabilités / Distributions de probabilité

Distributions discrètes vs continues

Apprends la différence entre les distributions de probabilité discrètes et continues, et quand utiliser chaque type.

Avancé25 min

Utilisez les touches fléchées ou la barre d'espace pour naviguer