Académique Documents
Professionnel Documents
Culture Documents
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
Chapitre 3
Variables alatoires
Sommaire
1. Introduction3
2. Variables alatoires discrtes4
2.1. Dfinition..4
2.2. Loi de probabilit.4
2.3. Fonction de rpartition.5
4. Esprance et variance11
4.1. Esprance mathmatique11
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
1.
Introduction
Dans la plupart des phnomnes alatoires, le rsultat dune preuve peut se traduire par une
grandeur mathmatique, trs souvent reprsente par un nombre entier ou un nombre rel.
La notion mathmatique qui reprsente efficacement ce genre de situation concrte est celle
de variable alatoire (note galement v.a.). Ainsi le temps de dsintgration dun atome
radioactif, le pourcentage de rponses oui une question pose dans un sondage ou
le nombre denfants dun couple sont des exemples de variables alatoires.
Remarque : On se limitera ici au cas des variables alatoires relles (les entiers faisant bien
sr partie des rels).
Etant donn un espace probabilis despace fondamental et de mesure de probabilit P,
on appelle variable alatoire sur cet espace, toute application X de dans R telle que :
X:
() R
X ()
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
2.1
Dfinition
Une variable alatoire est dite discrte si elle ne prend que des valeurs discontinues dans un
intervalle donn (born ou non born). Lensemble des nombres entiers est discret. En rgle
gnrale, toutes les variables qui rsultent dun dnombrement ou dune numration sont
de type discrtes.
Exemples :
Les variables alatoires,
- le nombre de petits par port pour une espce animale donne (chat, marmotte, etc),
- le nombre de bactries dans 100 ml de prparation,
- le nombre de mutations dans une squence dADN de 10 kb,
etc
sont des variables alatoires discrtes.
2.2
Loi de probabilit
Une variable alatoire est caractrise par lensemble des valeurs quelle peut prendre et par
lexpression mathmatique de la probabilit de ces valeurs. Cette expression sappelle la loi
de probabilit (ou distribution de probabilit) de la variable alatoire.
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
La loi de probabilit dune variable alatoire discrte est entirement dtermine par les
probabilits pi des vnements {X = xi}, xi parcourant lunivers image X(). La loi de
probabilit est donne par les (xi, pi)i.
Remarque : Afin de simplifier lcriture, nous noterons pour la suite du cours :
P({X = xi}) quivalent P(X=xi) ou pi
Exemple :
Dans le cas de la constitution dune fratrie de deux enfants, si lon fait lhypothse que la
probabilit davoir un garon est gale celle davoir une fille (1/2), alors la distribution de
probabilit ou loi de probabilit du nombre de filles dans une fratrie de deux enfants est :
Ensemble des
vnements possibles
Valeurs de la
variable alatoire
X
Probabilits associes
la variable X
0
1
2
1/4
1/2
1/4
G et G
F et G ou G et F
F et F
P(X=xi) ou pi
Proprits dadditivit
(2)
P(F G)= P(F)P(G)
Proprit dindpendance
do P[(F G) (G F)]= P(X =1)= (1/2x1/2)+(1/2x1/2)=1/2
Remarque : Une loi de probabilit nest tablie que si
2.3
Fonction de rpartition
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
(P2)
(P3)
t +
si a b P (a X b) = FX (b) - FX (a)
(P4)
Voici pourquoi :
(P1) rsulte de la dfinition dune probabilit
(P2) si a b, alors {X < a } {X < b } donc P(X < a ) P(X < b ) voir inclusion
(P3) mme raison que pour P1
(P4) {X < b }= { a X b } {X < a } ainsi FX (b) = P(a X b) + FX (a)
Exemple :
P(X = xi )
FX
de piles
1/8
1/8
3/8
4/8
3/8
7/8
1/8
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
F
1
3\8
1\8
C
Diagramme en btons
Fonction de rpartition
3.1.
Dfinition
Une variable alatoire est dite continue si elle peut prendre toutes les valeurs dans un
intervalle donn (born ou non born). En rgle gnrale, toutes les variables qui rsultent
dune mesure sont de type continu.
Exemples :
3.2.
Dans le cas dune variable alatoire continue, la loi de probabilit associe une probabilit
chaque ensemble de valeurs dfinies dans un intervalle donn. En effet, pour une variable
alatoire continue, la probabilit associe lvnement {X = a} est nulle, car il est
impossible dobserver exactement cette valeur.
On considre alors la probabilit que la variable alatoire X prenne des valeurs comprises
dans un intervalle [a,b] tel que P(a X b).
Lorsque cet intervalle tend vers 0, la valeur prise par X tend alors vers une fonction que lon
appelle fonction densit de probabilit ou densit de probabilit.
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
x R
(P2)
f (x) 0
f (x) dx = 1
f (x) dx existe)
f(x)
probabilit f(x) :
(1)
laire
hachure
en
vert
correspond la probabilit
P(X < -10)
(2) laire hachure en bleu
correspond la probabilit
P(+10 <X < +15)
x
Remarque : Cette fonction densit de probabilit est une loi de probabilit car laire sous la
courbe est gale 1 pour toutes les valeurs de x dfinies.
Rciproquement :
Une variable alatoire X dfinie sur un univers est dite absolument continue, sil existe
une fonction densit de probabilit telle que :
t R
P(X < t) =
f (x) dx
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
3.3.
Fonction de rpartition
t R
FX (t) = P( X < t) =
f (x) dx
La fonction de rpartition FX (t) est la primitive (voir cours danalyse) de la fonction densit
de probabilit f (x), et permet dobtenir les probabilits associes la variable alatoire X, en
effet :
Soit X une variable alatoire absolument continue de densit f et de fonction de rpartition
FX , alors :
(P1) P(a X b) = FX (b) - FX (a) =
(P2) a R
Voici pourquoi :
(P1 ) P(a X b) = P(X < b) - P(X < a) = FX (b) - FX (a)
do
(P2) Si f est continue sur un intervalle de la forme [a, a+h] avec h 0 alors,
a +h
P(a X a+h) = a
f(x) dx = h f (a+ h)
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
f(x)
FX(t)
0.5
Fonction de rpartition FX
(P2)
t +
Voici pourquoi :
(P4)
10
f (x) dx
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
Exemple :
Dans une population de canards colverts, lors dune alerte, lensemble des individus quittent
leur lieu de repos. Ainsi t = 0, la surface de ltang est dserte et la probabilit quun canard
regagne ltang entre les temps t1 et t2 (en minutes) est donne par :
t2
(t)
F(t)
.5
.4
.8
.3
.6
.2
.4
.1
.2
Fonction de rpartition
Lvolution de la recolonisation de ltang par les canards colverts en fonction du temps est
donne par la courbe rouge. On observe ainsi que plus de 50 % des canards se posent sur
ltang au cours des 2 premires minutes qui suivent lalerte. Au bout de 7 minutes, tous les
canards ont regagn ltang. La distribution des probabilits cumules est donne sur la
courbe verte.
4. Esprance et Variance
Une loi de probabilit peut tre caractrise par certaines valeurs typiques correspondant aux
notions de valeur centrale, de dispersion et de forme de distribution.
4.1.
Esprance mathmatique
Lesprance dune variable alatoire E(X) correspond la moyenne des valeurs possibles de
X pondres par les probabilits associes ces valeurs. Cest un paramtre de position qui
correspond au moment dordre 1 de la variable alatoire X. Cest lquivalent de la moyenne
11
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
arithmtique X . En effet lorsque le nombre dpreuves n est grand, X tend vers E(X) (voir
estimation).
4.1.1.
Si X est une variable alatoire discrte dfinie sur un univers probabilis , on appelle
esprance de X, le rel dfini par : E(X) = X( )P( )
Remarque : Si X() est infini, on nest pas sr que lesprance existe. Lesprance
mathmatique est galement note (X), X ou encore si aucune confusion nest craindre.
Nous pouvons donner une autre dfinition de lesprance dune variable alatoire discrte X
si , on associe limage x telle que X() = x.
Thorme :
Si X est une variable alatoire discrte de loi de probabilit (xi, pi)i dfinit sur un nombre
fini (n) dvnements lmentaires alors :
E(X) =
x i pi
i =1
Exemples :
Si lon reprend lexemple dune fratrie de deux enfants, lesprance de la variable alatoire
nombre de filles est :
E(X) = 0 * 1/4 + 1* 1/2 + 2*1/4 = 1 do E(X) = 1
Si lon observe un nombre suffisant de fratries de 2 enfants, on attend en moyenne une fille
par fratrie.
4.1.2.
12
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
Exemple :
E(T) =
t f (t)dt = 0 t(2e
2e
2 t
)dt = 3/2
(voir Rsultat)
4.1.3.
Proprits de lesprance
Les proprits de lesprance valent aussi bien pour une variable alatoire discrte ou une
variable alatoire absolument continue.
Si X et Y sont deux variables alatoires dfinies sur un mme univers , admettant une
esprance, alors :
(P1) E(X+Y)=E(X)+E(Y)
(P2) E(aX)=aE(X) a R
(P3)
(P4)
Si X 0 alors E(X) 0
Si X est un caractre constant tel que :
+ +
X () = k alors E(X) = k
vrifie quelques soient les relations de dpendance ou dindpendance statistique entre les
deux variables.
Voici pourquoi :
Nous dmontrerons les proprits dans le cas de deux variables alatoires discrtes avec
pi , la probabilit de ralisation de {X = xi} et {Y = yi} et n vnements lmentaires.
n
i =1
i= 1
i =1
x i pi + yi pi
= E (X ) + E(Y )
i= 1
kpi
i= 1
pi
i =1
=1
Nous verrons les applications directes de ces proprits dans le cadre des oprations sur
les variables alatoires.
13
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
4.2.
Variance
La variance dune variable alatoire V(X) est lesprance mathmatique du carr de lcart
lesprance mathmatique. Cest un paramtre de dispersion qui correspond au moment
centr dordre 2 de la variable alatoire X. Cest lquivalent de la variance observe S2. En
effet lorsque le nombre dpreuves n est grand, S2 tend vers V(X) (voir estimation).
Remarque : Si X() est infini, il nest nullement vident que V(X) existe. De plus comme
[X E(X)]2 0 ncessairement V(X) 0. Par dfinition, une variance est toujours positive.
La variance est galement note 2 si aucune confusion nest craindre.
Si X est une variable alatoire ayant une variance V(X), on appelle cart-type de X,
le rel :
(X ) = V (X )
4.2.1.
Si X est une variable alatoire discrte de loi de probabilit (xi, pi)i dfinie sur un nombre fini
(n) dvnements lmentaires alors la variance est gale :
n
V (X ) = (x i E (X )) pi = xi pi E(X )
2
i =1
i =1
14
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
Exemple :
Si lon reprend lexemple dune fratrie de deux enfants, la variance de la variable alatoire
nombre de filles est :
V(X) = 1/4 (O-1)2 + 1/2 (1-1)2 + 1/4 (2-1)2 = 1/2
V(X) = 1/2 et (X) = 0,7
4.2.2.
Si X est une variable alatoire continue donne par sa densit de probabilit alors la variance
de X est le nombre rel positif tel que :
+
f (x)dx E(X)
Exemple :
Proprits de la variance
(P3)
V (X) = 0 X = E(X)
Loi jointe
Les dfinitions portant sur la loi jointe entre deux variables alatoires X et Y impliquent que
ces dernires soient dfinies sur le mme espace fondamental . Si X et Y sont dfinies
15
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
respectivement sur les espaces fondamentaux 1 et 2, alors il faut envisager un espace qui
englobe 1 et 2 appel espace-produit .
Il suffit alors de connatre la loi jointe des deux variables alatoires ou loi de probabilit du
couple (X,Y),la fonction dfinie par :
x,y pxy = P ((X = x) et (Y = y)) dans le cas discret
Dans le cas continu, pxy = P ((xa < X < xb ) et (yc < Y < yd)) permet de dfinir la probabilit
pour que (X,Y) soit dans un rectangle.
Remarque : Ceci peut tre gnralis un nombre quelconque de variables alatoires.
Exemple :
On place au hasard deux billes rouge et verte dans deux boites A et B. On note X, la variable
alatoire nombre de billes dans la boite A et Y, la variable alatoire nombre de boites
vides .
Les distributions de probabilits associes chacune des variables X et Y ainsi que celle de
la loi jointe sont indiques ci-dessous. Pour chaque loi, la valeur de lesprance et de la
variance est galement indique.
Variable X :
E(X) = 1
X() = {0,1,2}
V(X) = 1/2
Variable Y :
E(Y) = 1/2
Y() = {0,1}
V(Y) = 1/4
Variable XY :
E(XY) = 1/2
XY() = {0,1,2}
V(XY) = 3/4
16
xi
pi
1/4
1/2
1/4
yj
qj
1/2
1/2
x i yj
ij
3/4
1/4
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
5.2.
Thorme :
Si X et Y sont deux variables alatoires indpendantes dfinies sur le mme univers
alors :
E(XY) = E(X)E(Y)
Remarque : Lapplication rciproque nest pas vraie. La relation E(XY) = E(X)E(Y)
nimplique pas forcment lindpendance de deux variables alatoires.
Exemple :
Dans lexemple concernant la rpartition des deux billes dans les 2 boites, la relation
E(XY) = E(X)E(Y) est vrifie car : E(X) = 1 ; E(Y) = 1/2 et E(XY) = 1/2
cependant les variables alatoires X et Y ne sont pas indpendantes.
En effet 00 = P ((X = 0) (Y = 0)) = 0 car il est impossible davoir la fois aucune bille
dans la boite A et aucune boite vide. Or on attend si X et Y sont deux variables
statistiquement indpendantes, ce que
P ((X = 0) (Y = 0)) = P(X = 0)P(Y = 0) = 1/4*1/2 = 1/8 0
Thorme :
Si X et Y sont deux variables alatoires indpendantes dfinies sur le mme
univers alors V(X + Y) = V(X) + V(Y) Dmonstration
Remarque : Lapplication rciproque nest pas vraie. La relation V(X + Y) = V(X) + V(Y)
nimplique pas forcment lindpendance de deux variables.
Exemple :
Si lon reprend lexemple de la rpartition de deux billes dans deux boites, la distribution de
probabilit de la variable alatoire (X+Y) est :
17
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
Variable X+Y :
E(X+Y)=3/2
X+Y()={0,1,2,3}
V(X+Y)=3/4
xi+ yj
ij
3/4
1/4
Comme V(X) = 1/2 et V(Y) = 1/4 alors V(X) + V(Y) = 3/4 = V(X+Y)
On retrouve ainsi la relation V(X + Y) = V(X) + V(Y) bien que X et Y ne soient pas
indpendantes (voir dmontration).
5.3.
Covariance et Corrlation
Lorsque lon considre deux variables alatoires simultanment, il faut dfinir un indicateur
de leur liaison qui complte les paramtres qui les caractrisent chacune sparment
(esprance mathmatique et variance).
Si X et Y sont deux variables alatoires dfinies sur le mme univers , on appelle
covariance de ces deux variables, le rel :
cov(X,Y) = E(XY) - E(X)E(Y)
et coefficient de corrlation, le rel :
R(X, Y) =
cov( X,Y)
(X) (Y)
18
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
5.4.
Il arrive souvent que lon effectue des transformations sur les variables alatoires par
commodit de calcul et il est important de savoir comment se comportent les paramtres
associs cette variable.
Nous avons rsum dans le tableau ci-dessous quelques transformations possibles avec
a et b R.
Cas gnral
XX+b
X aX
X aX + b
E(X+ b) = E(X) + b
E(aX) = aE(X)
E(aX + b) = aE(X) + b
V(X + b) = V(X)
V(aX) = a2 V(X)
V(aX + b) = a2 V(X)
Une variable alatoire admettant une variance est dite rduite si V(X) = 1.
Exemple :
La variable Y =
X
est une variable alatoire rduite car
V (X)
19
D. Mouchiroud (10/10/2002)
......................................................................................................................................................................................................
X 2 X 2
V (Y ) = E (Y ) E (Y ) = E
E
V (X ) V (X )
2
1
1
2
V(Y ) =
E (X )
E (X) voir proprits P2 de lesprance
V (X)
V (X)
1
V(X )
2
2
V (Y ) =
[E (X ) E (X ) ]
do V (Y) =
=1
V(X )
V (X )
2
X E(X )
dite variable alatoire centre rduite et dont lemploi est
V (X )
indispensable pour utiliser la plupart des tables notamment les tables de la loi normale
rduite.
5.5.
Si lon considre une preuve laquelle est associe un espace fondamental et une variable
alatoire X et si lon rpte n fois, de faon indpendante cette preuve, on obtient une suite
X1, X2,. Xn variables alatoires qui sont :
- dfinies sur le mme espace fondamental
- de mme loi de probabilit
- indpendantes
n
20