Vous êtes sur la page 1sur 10

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes

Variables alatoires discrtes et ses


lois
1. Variables alatoires discrtes :
1.1
. Gnralits
xi

Une variable alatoire est une grandeur numrique dont la valeur

dpend de

lexprience alatoire.
Exemple 1:
On lance une pice de monnaie 3 fois de suite et on sintresse au nombre de piles obtenues
= { PPP , PFF , PPF , FPF , PFP , , FPP , FFP , FFF }
Dfinition : Une variable alatoire est une application

X:

IR

X ()

telle que

est dnombrable, i.e en correspondance bijective avec IN.


On note X ( ) : lensemble des valeurs prises par X .
X 1 ( )= { w tq X ( w )=x } (w est une ventualit).
X l' appl ication et par la lettre minuscule

N.B : On dsigne par une majuscule


valeur prise par X .

toute

1 .2 . Loi de probabilit
X

On appelle loi de probabilit de


X

P X ( I )=P( { w tq X ( w ) I } )

et on note

est une variable alatoire discrte si E= X ( ) est fini ou dnombrable. on pose


pi=P( X=x i) .

Une loi est alors dfinie par le tableau (


est fini

x i , pi

) avec

pi 0

pi=1
i I

dnombrable).

Revenant lexemple 1 :
xi
pi

1
1
8

2
3
8

3
8

3
1
8

Cette loi peut tre reprsente graphiquement par un diagramme en btons :

I
,

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes
y
6

-8

-7

-6

-5

-4

-3

-2

-1

-1

-2

-3

-4

-5

-6

1.3. Fonction de rpartition


Dfinition :
On appelle fonction de rpartition de la variable X la fonction F dfinie sur IR
Par F ( x )=P ( X x ) pour tout x IR
Proprits :
1. F est valeurs dans [0,1],
2.

lim F ( x )=0
x

lim F ( x ) =1

x +

3. F est une fonction croissante,

Dans le cas o

est une variable alatoire de la loi discrte (

x i , pi

), F est une

fonction en escalier. Si les


4.

xi

sont ranges par ordre croissant alors

P ( a< X b )=F ( b )F (a)

Revenant lexemple 1 :

pi=F ( x i)
k=1

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes

0 si x ,0

1
si x
8

0,1
F(x)=

4
si x
8

1,2

2. Moments dune variable alatoire discrte


2.1. Esprance dune variable alatoire discrte
X

Soit

une variable alatoire discrte de la loi (

x i , pi

). On appelle esprance

E ( X )= xi pi

mathmatique de X et on note

iI

Proprits de lesprance
1. Soit a IR E ( a )=a ,
2.

E ( aX )=aE( X ) ,

3.

E ( X +a )=E ( X ) +a ,

4.

E ( X +Y )=E ( X ) + E(Y ) ,

5. Si

et Y sont indpendantes on E ( XY )=E ( X ) E(Y )

Revenant lexemple 1 :

1
3
3
1 12
E ( X )= xi pi=0 +1 +2 + 3 =
8
8
8
8 8
i

2.2. Variance dune variable alatoire discrte


X
V (X )
On appelle variance de
et on note
2

V ( X )=E ([ X E( X )] )
On peut montrer que (la formule de Huyghens).

V ( X )=E ( X 2 )(E( X ))2

le

nombre

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes
X

Si

une variable alatoire discrte de la loi (

x i , pi ), alors

V ( X )= x i2 pi (E ( X ))2
i I

En

revenant

lexemple

1:

1
3
3
1 24
E ( X 2 ) = x 2i pi=0 +1 + 4 +9 = =3
8
8
8
8 8
i
3 2
9 3
V ( X )=E ( X 2 )( E( X ))2=3( ) =3 =
2
4 4
Proprits
1. V ( X ) 0

( la variance mesure lcart moyen la moyenne ),

2.

V ( X +a ) =V ( X ) ,

3.

V ( aX )=a V ( X) ,

4.

V ( X +Y )=V ( X ) +V ( Y ) +2 cov (X , Y )

Avec cov ( X ,Y )=E [ ( X E ( X ) ) ( Y E (Y ) ) ]=E ( XY )E ( X ) E (Y )


5.

V ( aX +bY )=a2 V ( X ) + b2 V (Y )+2 abcov ( X ,Y ) ,


X

6. Si

et

sont

indpendantes

V ( X +Y )=V ( X ) +V ( Y ) (

E ( XY )=E ( X ) E ( Y ) cov ( X , Y )=0


On appelle cart type de

le nombre ( X ) =V ( X ) , et pour tout a IR

( aX ) =|a| ( X )

3. Variables alatoires indpendantes


Dfinition :

X et Y sont indpendantes ssi

Deux variables alatoires discrtes


chaque vnement (
vnement (
Alors

Y=y j

X =xi

)de

) de

est indpendant de chaque

Y .

pij =P(( X=x i )Y = y j )=P(X =x i) P(Y = y j) i, j

4. Ingalits de Bienaym-Tchebychev
Thorme :
4

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes
Alors P (|X E ( X )| a )

a>0

Soit X une variable alatoire et

( X )2
a2

Application exercice 1 et exercice7 (srie 2)

5. Lois usuelles discrtes :


5.1 .loi uniforme sur { 1,2, n }

Suit une loi uniforme si

X ( )= {1,2, n }

et

1
P ( X=k )= si1 k n
n

E ( X )=

n+1
n 1
et V ( X )=
2
12

Attention, les formules de lesprance et la variance dpendent


de . Ces formules sont diffrents (et recalculer) si

5.2 Loi de Bernoulli de paramtre


X

X ( )= { 0,1 }

suit une loi de Bernoulli si

={0,1, n } .

, 0 p 1

et

P ( X=1 )= p et P ( X=0 )=1 p=q


Si X

On dit
note

suit loi de Bernoulli

de paramtre

et on la

X B(1, p)
E ( X )= p et V ( X )= p(1p)

Alors
5.3 Loi Binomiale

Une pice fait pile avec une probabilit p 0,1 , on lance n fois et
on compte le nombre de piles obtenues alors
X =k
) : Obtenir

et

k
nk

P ( X=k )=C n p ( 1 p)

dobtenir

nk

piles et
o

Cn

faces

k X ( )

le nombre de faons possibles

piles en n lancers
5

, X ( )= {0, 1,2, n }

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes
Vrifions bien que cest une loi de probabilit
En effet
n

C kn p k (1 p)nk =( p +1 p)n=1n=1

( Formule de binme de Newton)

k=0

E ( X )= k C p (1p)
k=0

k C n=

Or

k
n

nk

k1

nk

k=1

k '=0

=0+ k C n p (1 p)
k

nk

k=1

kn !
n!
n ( n1 ) !
=
=n C k1
n1
k ! ( nk ) ! ( k1 ) ! ( nk ) ! = ( k1 ) ! ( nk ) !

E ( X )= nC n1 p (1 p)

n1

'

n1

=n C n1 p
k'

'

k +1

'

n(k +1 )

(1 p)

k '=0

n1

'

'

'

'
'
n Ckn1
pp k (1p)n 1k =np C kn1
pk (1 p)n1k =np( p+1 p) n1
k' =0

E( X)=np

V ( X )=E ( X 2 )E( X )2
On a

E ( X ( X1) )=E ( X 2) E( X)
n

E ( X ( X1) )= k (k 1)C n p (1 p)
k

nk

k=0

k ( k 1 ) C kn=

Or
n

k2

nk

k=2

'

nk

k=2

k ( k 1 ) n!
n(n1)(n2)!
n!
=
=
=n(n1)C k2
n2
k ! ( nk ) ! (k 2)! ( nk ) ! (k 2)! ( nk ) !

n ( n1 ) C n2 p ( 1 p )
n2

=0+0+ k (k1)C n p (1 p)

'

n2

k'

=n(n1) C n2 p

n ( n1 ) Cnk 2 p2 p k ( 1 p )

'

k +2

'

n(k + 2)

(1 p)

k ' =0

n2k '

k ' =0

n(n1) p

n2

k '=0

p+1p

E ( X ( X1) )=n (n1) p 2

'

'

C kn2 p k ( 1 p )n2k

'

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes
E ( X 2 ) =E ( X ( X1) )+ E ( X )=n ( n1 ) p 2+ np
Do
V ( X )=E ( X 2 )E( X )2=n2 p 2n p2+ npn2 p2 =np(1p)

Proposition: Si

suit une loi binomiale de paramtres


X B ( n , p ) P ( X=k )=C kn p k (1 p)nk

et on la note
E ( X )=np

n et p

V ( X )=np (1 p)

Et

Exemple : On dsigne par X la v.a qui reprsente le nombre de


boules rouges obtenues aprs cinq tirages avec remise dans une
urne qui contient qui contient 2 boules rouges et 6 boules blanches.
Dterminer sa loi de probabilit puis calculer E( X) et V (X ) .
Rponse :
Les
tirages

avec

2
X B(n=5, p= )
8

avec

remise

sont

E ( X )=np=

5
4

indpendants
et

et

V ( X )=np ( 1p )=

donc

15
16

n, p
Proprit : X B )
Y B ( m , p ) X +Y B(n+m , p)
X et Y

sont indpendants

5.4 Loi Gomtrique


Exemple : on lance un d autant de fois quil faut pour obtenir la
face 6
X le nombre de n lancers
X ( )= {1,2, n }=

P ( X=1 )=

P ( X=1 )=

51
66

1
6

succs

Echec succs

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes
5
6

P ( X=k )=

Dfinition :

(k-1) chec succs

suit une loi gomtrique et on la note G( p ) ,

X G ( p ) si X ( )=
P ( X=k )=( 1 p )k1 p , k 1
Vrifions que cest une loi de probabilit
n

( 1 p )

k1

k=1

p= p ( 1 p )
k=1

k1

= p (1 p)k ' = p
k' 0

1
=1
1(1p)

(1(1p))
n

1
1
E ( X )= k (1 p)k1 p= p (1p)k 1= p =
p
k=1
k 1

E ( X ( X1) )= k ( k1 ) ( 1 p )

k1

k=0

( 1( 1p ) )3
k 1 ( 1p )
=

k2

2
= p (1 p )

2 ( 1p )

p2
k
p ( 1 p )
k2

V ( X )=E ( X 2 )E( X )2=

2p 1 1 p
2= 2
2
p
p
p

Proposition
8

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes
E ( X )=

X G ( p ) alors

Si

1
p

et

V ( X )=

1 p
p2

Application Exercice 3 (Srie2)


5.5. Loi de Poisson
X

suit une loi de Poisson de paramtre

>0

si

et on note

X ( )=
P ( X=k )=e

, k
k!

Vrifions cest une loi de probabilit :


On a le dveloppement en srie entire :

e =
k 0

k
k!

e
Do

e = e e =1
k!
k
!
k0
P ( X =k ) =
k 0

k0

E ( X )=
k 0

k e k
k1
=e
=e e =
k!
(k
1)!
k1

E ( X ( X1) )=
k 0

k ( k1)e
k2
e 2
=2 e e = 2
k!
(
k2)!
k 2

E ( X 2 )=E ( X ( X1 ) ) + E ( X )=2 +

V ( X )=E ( X 2 )E( X )2=2 + 2 =


Proposition :

X P ( )

[Tapez un texte]

Chapitre 2
Becheikh Ferdawes
X

suit une loi de Poisson de paramtre

alors

E ( X )=

et

V ( X )=
Proprit :
Si X P ( ) ,Y P ( )
X +Y P ( + )
X et Y

sont indpendantes

Application exercice 4 (Srie 3)


Loi de Poisson limite
En pratique on approche une loi binomiale de paramtres
par une loi de Poisson
On prend

P ( np= )

n>50 , np<5 et p <0.1

Application exercice 5 (srie 3)

10

si

net p

n et p