Vous êtes sur la page 1sur 5

8

II. VARIABLES ALEATOIRES – LOIS DE PROBABILITES

Définitions –– Espérance mathématique – Variance et écart – type – Inégalité de Bienaymé –


Tchébichev –Couples de variables aléatoires – Lois marginales et lois conditionnelles –
Coefficient de corrélation linéaire

1. Notions de base
Une variable aléatoire réelle est une grandeur numérique attachée au résultat d'une expérience
aléatoire.
Exemples : S= somme des points affichés par 3 dés
T = durée de vie d'une ampoule
A chaque résultat possible de l'expérience correspond un nombre appelé " réalisation de la
variable ".
Définition : Une variable aléatoire réelle est une application X :
X : ( A, )        
 IR

A        X(A)  IR
On note : (X = x)  ( X est une réalisation , ou une valeur, de X)
2. Variables aléatoires discrètes.
Soient x1, x2, . . . ,xn les valeurs possibles de la v. a. X. A chaque xi est associé un événement
qui la réalise et qu' on note :
A = X-1(xi) = [X = xi] et P(X= xi)= P[X-1(xi)]= P(A)
Loi (ou distribution) de probabilité - C'est l'application : x    
 P(X  x)
Avec P(X= xi)=1.
Moments d'une variable aléatoire
Moments simples (d'ordre k) : m k   x ik P(X  x i )
i
m0 = P(X= x)=1; m1 = xi P(X= xi); m 2   x i2P(X  x i )
i
Espérance Mathématique : c'est le moment simple d'ordre 1. On note m1 = E(X)

Propriétés de l'opérateur E - X étant une variable aléatoire, on note E(X) l'espérance


mathématique de X.
E(X) = 0 ( X est une variable centrée)
E(a) = a, a étant une constante;
E(X + a) = E(X) + a; E(X + Y) = E(X) + E(Y); E(X) = E(X);
On notera que E(X - E(X)) = 0
E est un opérateur linéaire sur l'ensemble des v. a. associées à une même tribu A
Moments centrés (d'ordre k) :    (x  m) k P(X  x )
k i i
i
0   P(X  x i )  1 ; 1   (xi  m1)P(X  x i )  0;
i i
2
 2   (x i  m1) P(X  x i )  V(X)
i
Variance : C'est le moment centré d'ordre 2. La racine carrée de la variance est l'écart - type
V(X)  2 (X)  E[(X  m1)2 ]   (X)  V(X) est appelé l' écart - type

Programme GPE– variables aléatoires - Sow Tierno Oumar


9

Propriétés de la variance V(X)


V(X) = E(X2) - (E(X))2
V(X + a) = V(X)
V(X)= 2 V(X)
V(X) = 0  X = a
1
Inégalité de Bienaymé - Tchébichev : P[ X - E(X)  t ] 
t2
Preuve
 2  V(X)   (x i  m1) 2 P(X  x i )   (xi  m1 )2 P(X  x i )
i x i  m1  t

  ( t ) 2 P(X  x i )  (t )2  P(X  x i )  ( t ) 2 P[ x i  m1  t ]


x i  m1  t x i  m1  t
1
 P[ X - E(X)  t ] 
t2
Caractéristiques de forme
3
a) Coefficient d'asymétrie :  1  -3
3

Distribution est symétrique 1 = 0 étalée vers la droite 1>0

2
 '2

Etalée vers la gauche : 1<0 2> '2



Coefficient d'aplatissement :   4 . Et plus 2 est petit, plus la distribution est "aplatie".
2 4
3. Lois continues
Définitions
Soit X une variable aléatoire réelle définie sur un espace probabilisé.
Fonction de Répartition : La fonction de répartition de X est la fonction F définie par :
F : IR       
[0, 1]
x       F(x)  P(X  x)
Si X est une variable aléatoire continue il existe une fonction numérique f définie sur IR telle
que :

Programme GPE– variables aléatoires - Sow Tierno Oumar


10

- f(x)  0, x

  f(x)dx  1

f est alors la densité de probabilité de X.
x
x  IR, F(x)   f(t) dt
-
Si f est continue alors F est dérivable et F ' = f.

Propriétés de f
F étant la fonction de répartition de X, F(x) = P(X<x). La densité de probabilité f vérifie les
probabilités suivantes :
I - f est intégrable,
II - f est positive,

III -  f (t )dt  1


4. Couples de variables aléatoires discrètes


Loi conjointe - X et Y étant deux variables aléatoires discrètes , on définit la loi conjointe de
X et Y par :

pij = P(X = xi, Y= yj); avec pij 0 et  pij  1


i, j
X\Y y1 ¨¨ yj ¨¨ yl pi
x1 p11 ¨¨ p1j ¨¨ p1l pi
: : : : : :
xi pi1 ¨¨ pij ¨¨ pil pi
: : : : : :
xk Pk1 ¨¨ pkj ¨¨ pkl pi
pj p1 pj pl 1

Distributions marginales -
a) Loi ( marginale ) de X - Elle est donnée par :
x x1 ¨ xk
pi=P(X=xi) p1 ¨ pk
b) Loi (marginale) de Y -
y y1 ¨ yk
pj=P(Y=yj) p1 ¨ pk

Distributions conditionnelles
Loi conditionnelle X / Y= yj

x x1 ¨ xk
pij P ( X  xi ; Y  y j ) pkj
pi=P(X=xi / Y= yj)  ¨
p j P (Y  y j ) p j

Programme GPE– variables aléatoires - Sow Tierno Oumar


11

Loi Conditionnelle Y /X=xi

x y1 ¨ yk
pij P(X  xi ; Y  y j) pik
P(Y=yj / X= xi)  ¨
pi  P(X  xi ) pk 

Variables aléatoires indépendantes


X et Y sont indépendantes lorsque chaque probabilité conjointe est égale au produit des
probabilités marginales correspondantes.
pij =pi. pj; i, j; lorsque X et Y sont des variables aléatoires discrètes.
Si X et Y sont indépendantes, E(X.Y) = E(X).E(Y)
Covariance et Coefficient de corrélation linéaire
Cov (X, Y) = E(XY) - E(X) E(Y)
cov (X, Y)
 X ,Y  ; - 1   X ,Y  1
 X Y
5. Couples de variables aléatoires continues.
Loi conjointe - Elle est décrite par une fonction densité conjointe f définie par :
 f(x, y)  0
   
P(c  X  d, u  Y  v)   f(x, y)dxdy avec    f(x, y)dxdy  1
[c, d)]x[u,v] 
   

Distributions marginales -

a) Fonction densité marginale de X : f X (x)   f(x, y)dy pour x  IR
-

b) Fonction densité marginale de Y : f Y (y)   f(x, y)dx pour y  IR
-
Distributions conditionnelles
f(x, y)
a) fonction densité conditionnelle de X /Y=y : f X/Y ( x) 
f Y (y)
f(x, y)
b) fonction densité conditionnelle de Y /X=x : f Y/X ( y) 
f X (x)
Variables aléatoires indépendantes
Si X et Y sont indépendantes, on a, pour tout (x, y) : f(x, y) = fX(x). fY(y)
On a, par conséquent : fX/Y=y(x) = fX(x) pour tout y et fY/X= x(y) = fY(y), pour tout x
Exercices
1. On considère 2 variables aléatoires discrètes X et Y, dont la loi conjointe est donnée par le
tableau suivant :
X \Y -1 0 1
-1 2/9 1/9 0
0 1 /9 1/9 1/9
1 0 1/9 2/9
a) Les variables X et Y sont - elles indépendantes?
b) Donner le tableau de la distribution conjointe des variables X2 et Y2 .
c) Les variables X2 et Y2 sont - elles indépendantes?

Programme GPE– variables aléatoires - Sow Tierno Oumar


12

2. Deux variables discrètes, X et Y, dont les distributions sont données ci - dessous, sont
indépendantes .
x 0 1 2 Y 0 1 2 3
P(X=x) 1/4 1/2 1/4 P(Y=y) 1/8 2/8 3/8 2/8
Déterminer :
a) la loi conjointe de X et Y
b) Les lois conditionnelles de Y étant données les valeurs de X;
c) E(XY); E(X+Y) et V(X+Y)
3. Deux variables continues x et Y ont pour fonction densité conjointe :
4xy pour 0  x  1 et 0  y  1
f(x, y)  
 0 si non
Les deux variables sont - elles indépendantes? Justifier.
4. La densité de probabilité d'un couple de variables aléatoires continues est définie par :
f ( x, y ) = c.x.y si 0 <x <4, 1 < y < 5
f (x, y) = 0 si non

a) Calculer la constante c.
b) Calculer P[ 1< X < 2, 2< Y < 3].
c) Calculer les lois marginales de X et de Y.
d) Déterminer la fonction de répartition du couple (X, Y).
e) Calculer P [X + Y < 3]

5. Deux personnes se donnent rendez - vous entre midi et 13h. Chacune des deux personnes
arrive au hasard entre 12 h et 13H indépendamment de l'autre. la fonction densité
conjointe pour le temps d'arrivée X de la première personne arrivée et le temps d'arrivée Y
de la seconde personne arrivée est donnée par :
f(x, y) = 1 pour 0xy1
Déterminer :
a) la probabilité que la première personne arrivée attende l'autre au moins 10 minutes
b) les fonctions de densité marginales de X et de Y
c) les fonctions densité conditionnelles de X étant donné que Y = y pour 0  y  1 et
celles de Y étant donné que X =x pour 0  x  1
d) le coefficient de corrélation de X et Y. Commenter.

Programme GPE– variables aléatoires - Sow Tierno Oumar