Le cours de Probabilités donne au futur chargé de marketing digital les outils pour raisonner dans l’incertitude : quelle est la probabilité qu’un prospect contacté sur WhatsApp achète ? Combien de clients faut-il prévoir entre 18 h et 19 h dans un supermarché de Niamey ? Le panier moyen observé sur 36 clients permet-il de conclure qu’une promotion a fonctionné ? Quelle marge d’erreur accompagne le résultat d’une enquête de satisfaction ? Le cours part des fondements (espaces de probabilité, événements, probabilité conditionnelle, indépendance), étudie les variables aléatoires discrètes et continues, leurs lois usuelles, l’espérance, la variance et les vecteurs aléatoires. Il présente ensuite les modes de convergence et les grands théorèmes limites (loi des grands nombres, théorème central limite, convergence vers la loi de Poisson, théorème de Glivenko-Cantelli), puis les distributions d’échantillonnage (khi-deux, Student, Fisher), les vecteurs gaussiens, les intervalles de confiance et le test de la moyenne. Les exemples sont tirés du commerce, des études de marché et du marketing en ligne au Niger.
Objectifs d’apprentissage
- Modéliser une expérience aléatoire et calculer des probabilités, y compris conditionnelles (formule de Bayes).
- Utiliser les lois usuelles (binomiale, Poisson, géométrique, uniforme, exponentielle, normale) et calculer espérance et variance.
- Manipuler un couple de variables aléatoires : covariance, corrélation, variance d’une somme.
- Énoncer et appliquer les théorèmes limites et les approximations de lois.
- Connaître les lois du khi-deux, de Student et de Fisher et les propriétés des vecteurs gaussiens.
- Construire un intervalle de confiance et réaliser un test sur une moyenne.
Prérequis
Mathématiques et statistique descriptive de L1-L2 : dénombrement, sommes et séries simples, dérivées et intégrales de base, moyenne et écart-type.
Plan du cours
- Leçon 1 — Espaces de probabilité, probabilité conditionnelle et indépendance
- Leçon 2 — Variables aléatoires, lois usuelles, espérance, variance et vecteurs aléatoires
- Leçon 3 — Convergences et théorèmes limites
- Leçon 4 — Distributions d’échantillonnage, intervalles de confiance et test de la moyenne
Modalités d’évaluation
Volume horaire (maquette) : 20 h de cours magistral (CM), 10 h de travaux dirigés (TD), 0 h de TP et 30 h de travail personnel (TPE), pour 3 crédits. Évaluation : contrôle continu (40 % : quiz en ligne, séries d’exercices de TD, devoir sur table) et examen terminal écrit (60 % : exercices de calcul et d’interprétation, tables statistiques autorisées).
Bibliographie
- Gilbert SAPORTA, Probabilités, analyse des données et statistique, Paris, Technip.
- Jean-Pierre LECOUTRE, Statistique et probabilités, Paris, Dunod.
- Sheldon M. ROSS, Initiation aux probabilités, Lausanne, Presses polytechniques et universitaires romandes.
- Bernard GRAIS, Méthodes statistiques, Paris, Dunod.
