Cours de probabilités. Niveau L2/L3.

Bonsoir,

Qu'est ce qui différencie un cours de probabilités niveau L2 d'un cours de probabilités niveau L3, tous enseignés à la fac, en filière : Mathématiques appliquées ?
Autrement dit : Quels sont les chapitres qui existent en cours de probabilités : Niveau L3, et qu'on trouve absents en cours de probabilités niveau L2 ?

Mème question, pour les cours de statistique : Niveau L2 / L3.

Merci d'avance.

Edit :
Et une autre question :
Quelle est la première nouvelle notion enseignée en cours de probabilités de niveau M1, après juste avoir terminé un cours de probabilités de niveau L3 ? ( ... Mème question, pour le cours de statistique ).
Merci d'avance.

Réponses

  • Il n'y a pas de bonne réponse, les contenus des enseignements dépendent des universités : il n'y a pas de programme officiel des maths en fac. Mais il y a quand même des conventions, qui font qu'on enseigne généralement des probas surtout discrètes en L2, puis à partir de la L3 on se sert de la théorie de la mesure et l'intégration de Lebesgue pour faire des probas telles que conceptualisées par Kolmogorov. Enfin à partir du M1 on commence généralement à étudier certains types de processus stochastiques, notamment les martingales et les chaînes de Markov. Dans un master orienté spécifiquement probas/stats ça ira sûrement plus loin.
  • Beaucoup de facs reprennent tout à plat en l3 aussi, même les probas discrètes.
    Ce qui n'est probablement pas un luxe. Sortant d'un cours de deuxième année sans la lumière de la mesure, on se demande par exemple d'où sort la "tribu" d'un espace probabilisé puisqu'au début c'est toujours les parties de N. Beaucoup de monde a aussi du mal à comprendre la notion de loi d'une va (suffit de lire les rapports de concours comme centrale). Bref, sans mesure ça coince dès les bases. Tant et si bien que j'explique mal la raison d'être des probas en l2/spé.
  • Merci pour vos réponses.
    En regardant le contenu du cours des probabilités de niveau L2, par exemple ici : http://www.les-mathematiques.net/pages/deug.php , on se rend compte que tous ce qui est enseigné en L2 en probabilités, niveau L2 est le meme ( à la lettre ) que le programme de L3. Je ne vois aucune différence. Qu'en pensez vous ?
    En L2, on trouve les notions suivantes :
    - Variables aléatoires à valeurs dans un espace fini.
    - Variables aléatoires à valeurs dans un espace discret.
    - Variables aléatoires à valeurs dans un espace bornée de $ \mathbb{R} $. ( Loi uniforme à titre d'exemple ).
    - Variables aléatoires à valeurs dans $ \mathbb{R} $.
    - Variables aléatoires à valeurs dans $ \mathbb{R}^d $. ( Vecteurs aléatoires ).
    ... et toutes les propriétés qui vont avec. :
    - Fonctions génératrices.
    - Fonctions caractéristiques.
    - Modes de convergences.
    - Théorème de la limite centrale.
    - Lois des grands nombres. ( i.e : Faible / Forte ).
    Qu'est ce qu'on ajoute de particulier au programme de L3 à part ces points cités ?
  • C'est un document un peu ancien.

    Voici le programme de Licence à l'université de Lorraine:
    Maquette
  • La l3 ajoute le point de vue mesure et les lois à densité notamment.

    A mon avis les textes s'éloignent pas mal de la réalité. Mon cours de spé s'arrêtait à la loi faible des grands nombres. Certains voient Borel-Cantelli aussi par exemple. Mais on est vraiment loin de la loi forte ou du theoreme central limite. Les vecteurs aléatoires ne sont pas abordés non plus. Et pas de fonction caractéristique non plus.

    Tiur ce qui est écrit correspond au programme de l3.
  • Merci à vous deux. :-)
    Je n'ai pas cité Borel-Cantelli et les inégalités de Markov, et Bienaymé-Tchebychev, parce qu'ils sont inclus et sur quel repose le chapitre sur les modes de convergence. Une fois qu'on se familiarise avec les modes de convergence, et leurs relations de passage les uns aux autres, on découvre que Borel-Cantelli et les deux inégalités de Markov et Bienaymé-Tchebychev sont anecdotique.
  • Le lemme de Borel-Cantelli est un résultat très important.
  • Je ne pense pas que les vecteurs aléatoires ne sont pas enseignés en L2, sinon, @Riemann_lapins_cretins, tu n'aurais pas cité la loi faible des grands nombres que tu affirmes faisant partie du programme math-spé. ;-)
  • Bonjour,

    Cela dépend vraiment de la maquette de l'université. Le même cours peut être enseigné en L2 S4 dans une université, en L3 dans l'autre et en M1 dans la troisième...

    Sur le contenu, concernant les probabilités tout était dit ou presque. J'ajouterai quand même tout ce qui est combinatoire et graphe. A mon avis c'est très utile.


    Quant aux statistiques appliquées, en L2-L3 on ne va pas plus loin que la maximum de vraisemblance, les testes et la méthode des moments. Quand j'étais à la fac d'éco (M1 économie appliquée), nous avions cela (les choses ont changé, on fait encore plus de stats) :
    L2 S3 - programmation (à l'époque c'était Pascale) et des bases de SQL
    L2 S4 - combinatoire, probas discrètes et introduction aux v.a. continues
    L3 S5 - loi continues, estimation ponctuelle, maximum de vraisemblance, théorie des tests, les tests les plus courant
    L3 S6 - économétrie de base (inférence statistique appliquée à l'économie) + 2 cours sur les logiciels
    M1 S7 - Stats (mise à niveau, max. de vraisemblance, testes plus poussés, autres outils) + économétrie II + analyse des données (PCA et cie)
    M1 S8 - Stats (méthode des moments, copules) + Programmation en R des outils stats et algos d'optimisation + Séries temporelles + Données de Panel
    M2 c'était un peut autre choses :)

    Les master d'économétrie "pure" vont encore plus loi, tu peux regarder la plaquette de master ESA (Orléans).
    Les formations MSHS et quelques MIAGE c'est mi info, mi analyse des données/économétrie.
    Il y a aussi des master spécialisés en stats pour la finance/assurance.
    Jusqu'à 2012-2013 il n'y avait pas d'autre chose en statistiques en France (à ma connaissance), sauf bien évidement les master recherche en stats. En 2013-2014 la plaquette de formation à ENSAE était juste horrible et d'outre âge. ENSIMAG, Telecom et quelques autres écoles avaient des formations spécifiques liées à leurs métier, mais pas de vraie master "Data Science". Si je ne me trompe pas, il y avait juste un seul master solide et complet : MVA.

    Voilà...
  • A pas compris la remarque sur la loi faible à moi :(
  • @vorobichek :

    Pour la statistique, voici ce j'avais comme programme quant j'étais en L2. Je ne suis pas allé jusqu'au L3-S6 pour être au courant de ce qui se fait en L3 statistique. Mais, cela remonte à plus de $12$ ans. Donc, c'est très ancien ça. :-)

    - Avant de commencer un cours de statistique, il faut avoir comme prérequis, le cours des probabilités niveau L2.
    - Lois continues utilisée notamment en statistique. ( Loi de Student, Loi de Khi - deux, Loi de Fischer-Snedecor ).
    - Généralités autour de la notion d'échantillonnage.
    - Estimation. ( Ponctuelle. Par intervalle de confiance ).
    - Tests de conformité.
    - Tests de comparaison.
    - Tests de Khi - deux ( Tests d'adéquation à une loi théorique, Tests d'indépendance, Tests de homogénéité ).

    Mais, je ne sais pas ce qui se fait en cours de statistique de Niveau : L3. Tu en as une idée claire ?
  • A pas compris la remarque sur la loi faible à moi :(

    Pour définir la loi faible des grands nombres, il faut considérer à priori une suite de variables aléatoires dans $ \mathbb{L}^1 $. Non ? Et donc, qu'est ce qu'une suite de variables aléatoires $ X = (X_n)_{ n \geq 0 } $ ? N'est elle pas un vecteur aléatoire à une infinité de composantes ( i.e : à valeurs dans $ \mathbb{R}^{ \mathbb{N} } $ ) ?
    Cela justifie la présence de la notion de vecteur aléatoire dans le programme de L2.
    Si ça ne te convainc pas, tu peux voir qu'en loi faible des grands nombres, on considère la moyenne $ \overline{X}_n = f(X_1 , \dots , X_n ) = \dfrac{1}{n} ( X_1 + \dots + X_n ) $. Donc, la fonction $ f $ est paramétrée par des vecteurs aléatoires $ (X_1 , \dots , X_n ) $. :-)
  • Ok je comprends.

    Mais entre nous, le point de vue "une suite est un élément de R^N" est éclipsé par "chaque terme est un element de R". Le premier point de vue (loi du processus (Xn)) se trouve vu, éventuellement, en M1. Ou dès la L3 si on voit la loi du 0-1 de Kolmogorov par exemple, mais sans plus. Pour la loi faible et tout le programme de l2 on s'en sort très bien sans avoir conscience qu'on prend la loi d'un vecteur.

    Mais j'ai malgré tout dit une bêtise. La notion de vecteur aléatoire est au programme (de couple surtout, avec lois marginales et loi du couple dans le cas discret). En fait on aborde ca dans le cas fini dès la sup.
  • @Pablo_de_retour , pourquoi tu ne regardes pas la maquette de la formation?

    Pour l'estimation ponctuelle, vous avez le biais et la convergence? Risque quadratique? Sinon, il manque clairement une grosse partie : estimation par maximum de vraisemblance, les moments, méthode des moments, théorie sur les tests. Regarde ce cours : https://www-ljk.imag.fr/membres/Olivier.Gaudoin/SIA.pdf
    Après il y a toute une panoplie des outils statistiques, des tests, de méthodes de régression, de classification...
  • Poirot a écrit:
    Enfin à partir du M1 on commence généralement à étudier certains types de processus stochastiques, notamment les martingales et les chaînes de Markov. Dans un master orienté spécifiquement probas/stats ça ira sûrement plus loin.

    Par quels cours faut-t-il passer avant de se lancer dans l'apprentissage des cours portant sur les équations différentielles stochastiques, si tu en as une idée ?

    Merci d'avance.
  • Pour les EDS je dirais qu'il faut déjà avoir fait un cours de chaînes de Markov / martingale à temps discret. Un cours parmi d'autres : http://www.cmap.polytechnique.fr/~touzi/MAP432-Poly.pdf
Connectez-vous ou Inscrivez-vous pour répondre.