Lois de Probabilité en Statistique
Les lois de probabilité décrivent la distribution des valeurs possibles d'une variable aléatoire. On distingue les lois discrètes (Bernoulli, binomiale, Poisson) et continues (normale, exponentielle, Student). La loi normale (gaussienne) occupe une place centrale grâce au théorème central limite. La maîtrise de ces lois est indispensable pour l'inférence statistique et l'économétrie.
🎯 Objectifs pédagogiques
À la fin de ce chapitre, vous devez être capable de :
- Distinguer lois discrètes et continues
- Maîtriser les principales lois
- Calculer probabilités et quantiles
- Comprendre le rôle de la loi normale
- Appliquer aux tests statistiques
📚 Concepts clés à maîtriser
Notions fondamentales avec leurs définitions académiques :
- Loi normale
- Distribution symétrique en cloche (μ, σ²)
- Loi binomiale
- Nombre de succès en n essais Bernoulli
- Loi de Poisson
- Événements rares sur un intervalle
- Loi de Student
- Inférence sur petits échantillons
- Loi du Chi-deux
- Somme de carrés de normales
📋 Plan type du cours
Structure du cours en Licence 2 :
- Variables aléatoires et lois
- Lois discrètes : Bernoulli, binomiale, Poisson
- Loi normale et propriétés
- Autres lois continues : exponentielle, uniforme
- Lois dérivées : Student, Chi-deux, Fisher
- Tables et calculs de probabilités
👨🏫 Auteurs de référence
Économistes fondamentaux à connaître :
⚠️ Pièges fréquents
Erreurs classiques à éviter aux examens :
- Confondre loi normale et loi normale centrée réduite
- Utiliser Student au lieu de normale (ou inversement)
- Mal identifier la loi appropriée
💼 Applications concrètes
Exemples d'application dans le monde réel :
- Tests d'hypothèses
- Modélisation de phénomènes aléatoires
Niveau de ce chapitre : 🟢 Niveau fondamental