Vous êtes sur la page 1sur 30

Variables aléatoires continues

Issam Elhattab

École Nationale de Commerce et de Gestion - Casablanca


Université Hassan II - Casablanca

2015 - 2016

I. Elhattab (ENCG) Variables continues 2015 - 2016 1 / 30


Sommaire

1 Loi d’une v.a. continue

2 Fonction de répartition

3 Moments d’une v.a. continue

4 Quelques lois usuelles continues

5 Loi uniforme

6 Loi normale

7 Loi exponentielle

I. Elhattab (ENCG) Variables continues 2015 - 2016 2 / 30


Loi d’une v.a. continue

Loi d’une v.a. continue

I. Elhattab (ENCG) Variables continues 2015 - 2016 3 / 30


Loi d’une v.a. continue

Soit X une variable aléatoire dont les valeurs possibles est un intervalle de R. On dit que X est
une variable aléatoire continue s’il existe une fonction f : R → R+ , telle que, pour tout
ensemble A ⊆ R on a
Z
P(X ∈ A) = f (x)dx. (1)
A

On appelle f fonction de densité de probabilité de la variable aléatoire X.

L’équation (1) exprime que la probabilité que X prenne ses valeurs dans A est obtenu en
intégrant f sur A. Par conséquent f doit vérifie :
Z
P(X ∈ R) = f (x)dx = 1.
R

On a aussi Z b
P(a ≤ X ≤ b) = f (x)dx.
a

Et pour a = b on a Z a
P(X = a) = f (x)dx = 0.
a

Ce qui exprime que la probabilité qu’une v.a. continue prenne une valeur donnée est nulle.

I. Elhattab (ENCG) Variables continues 2015 - 2016 4 / 30


Loi d’une v.a. continue

Théorème
Une fonction f définie sur R est une densité de probabilité si et seulement si :
1 f est continue sur R sauf peut être en un nombre dénombrable de points ;
2 f (x) ≥ 0 pour tout x ∈ R ;
R
R f (x)dx = 1.
3

Exemple
Soit f une fonction définie, pour tout x ∈ R, par

e−x

si x ≥ 0;
f (x) =
0 si x < 0.

1 Montrer que f est une fonction de densité de probabilité.


2 Calculer P(X ≤ 1).
Solution :
1 Il est clair que f est continue sur RR sauf au point 0. D’autant plus
f (x) ≥ 0, ∀x ∈ R. On vérifie que R f (x)dx = 1. Par conséquent f est une densité
de probabilité.
R1
2 P(X ≤ 1) = −∞ f (x)dx = 1 − e−1 .

I. Elhattab (ENCG) Variables continues 2015 - 2016 5 / 30


Fonction de répartition

Fonction de répartition

I. Elhattab (ENCG) Variables continues 2015 - 2016 6 / 30


Fonction de répartition

Définition
Soit X une v.a. de fonction de densité de probabilité f . La fonction de répartition F de X est
définie par : Z x
F(x) = P(X ≤ x) = f (x)dx.
−∞

dF
Remarquons que f (x) = F 0 (x) = (x), ∀x ∈ R.
dx

Théorème
Si X est une v.a. de fonction de densité de probabilité f , alors, on a :
Z x
1 F(x) = P(X ≤ x) = P(X < x) = f (x)dx.
−∞
2 ∀(a, b) ∈ R2 tel que a < b,
P(a < X ≤ b) = P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X < b) =
Z b
F(b) − F(a) = f (x)dx.
a

I. Elhattab (ENCG) Variables continues 2015 - 2016 7 / 30


Fonction de répartition

Exemple
C(4x − 2x 2 )

Soit X une v.a. continue de densité si 0 < x < 2;
f (x) =
de probabilité donnée par : 0 sinon.
1 Déterminer la valeur de C et calculer la fonction de répartition F de X.
Solution :
 2
2
f (x)dx = 1. Donc C(2x 2 − x 3 ) = 1, d’où
R
1 Puisque f est une densité, on a : R
3 0
3
C= .
8
2 Calculons la fonction de répartition
Rx de X. OnRa :
x
• pour tout x ≤ 0 : F(x) = −∞ f (x)dx = −∞ 0dx = 0.
Rx
0 dx + 0x 83 (4x − 2x 2 )dx =
R0 R
• pour tout 0 < x < 2 : F(x) = −∞ f (x)dx = −∞
3 x
8
(2x 2 − 23 x 3 ) 0 = 43 x 2 − 41 x 3 .
• pour tout x ≥ 2 :
Rx
0 dx + 02 38 (4x − 2x 2 )dx + 2x 0 dx = 1. On résume, on
R0 R R
F(x) = −∞ f (x)dx = −∞
si x ≤ 0;

 0
3 2 1

a donc : F(x) = x − x 3 si 0 < x < 2;
 4 4
si x ≥ 2.

1

I. Elhattab (ENCG) Variables continues 2015 - 2016 8 / 30


Moments d’une v.a. continue

Moments d’une v.a. continue

I. Elhattab (ENCG) Variables continues 2015 - 2016 9 / 30


Moments d’une v.a. continue

Espérance

Soit X une variable aléatoire de densité de probabilité f :

Définition
L’espérance mathématiques de X, notée E(X), est définie par :
Z
E(X) = xf (x)dx.
R

De manière générale, si g : R → R alors :


Z

E g(X) = g(x)f (x)dx.
R

I. Elhattab (ENCG) Variables continues 2015 - 2016 10 / 30


Moments d’une v.a. continue

Exemple
Soit X une v.a. de fonction de densité de probabilité définie par :

1


 si 0 < x < 2;
f (x) = 2


0 sinon.

1 Calculer E(X) et E(X 2 + 1).


Solution :
Z +∞ Z 2 1 1
1 On a E(X) = xf (x)dx = xdx = × 4 = 1.
−∞ 0 2 4
De même 2
Z +∞ Z 2 1 2

1 1 3 7
E(X 2 + 1) = (x 2 + 1)f (x)dx = (x + 1)dx = ( x + x) = .
−∞ 0 2 2 3 0 3

I. Elhattab (ENCG) Variables continues 2015 - 2016 11 / 30


Moments d’une v.a. continue

Variance
Soit X une variable aléatoire de densité de probabilité f :

Définition
La variance mathématiques de X, notée Var(X), est définie par :
h i
Var(X) = E (X − E(X))2
Z
= (x − E(X))2 f (x)dx.
R

De manière générale, si g : R → R alors :

h i2 

Var g(X) = E g(X) − E(g(X))
Z  2
= g(x) − E(g(X)) f (x)dx.
R

I. Elhattab (ENCG) Variables continues 2015 - 2016 12 / 30


Moments d’une v.a. continue

Exemple
Soit X une v.a. de fonction de densité de probabilité définie par :

1


 si 0 < x < 2;
f (x) = 2


0 sinon.

1 Calculer Var(X) et Var(X 2 + 1).


Solution :
Z +∞ Z 2  2
1 1
1 On a Var(X) = (x − E(X))2 f (x)dx = (x − 1)2 dx = (x − 1)3 =
−∞ 0 2 6 0
1 1 1
+ = .
6 6 3
De même
4 2
Z +∞  Z 2  
2 1
Var(X 2 + 1) = g(x) − E(g(X)) f (x)dx = x2 − dx =
−∞ 0 2 3
  2  
1 1 5 8 16 9−5 64
x − x3 + x = 16 = .
2 5 9 9 0 5×9 45

I. Elhattab (ENCG) Variables continues 2015 - 2016 13 / 30


Moments d’une v.a. continue

Propriétés
Soit X et Y deux variables aléatoires, et, a et b deux réels, on a,
1 E(a) = a, E(aX + b) = aE(X) + b.
2 Var(a) = 0, Var(aX + b) = a2 Var(X).

Démonstration
La v.a. X étant continue, X admet donc une densité de probabilité f .
Z Z Z
1 On a : E(aX + b) = (ax + b)f (x)dx = a xf (x)dx + b f (x)dx = aE(X) + b.
R R R
Remarquons que pour a = 0 on a E(b) = b.
2 On a :
Z  2 Z  2
Var(aX + b) = ax + b − E(aX + b) f (x)dx = ax − aE(X) f (x)dx
R R
Z  2
= a2 x − E(X) f (x)dx
R
= a2 Var(X).

Pour a = 0 nous avons donc Var(b) = 0.

I. Elhattab (ENCG) Variables continues 2015 - 2016 14 / 30


Quelques lois usuelles continues

Quelques lois usuelles continues

I. Elhattab (ENCG) Variables continues 2015 - 2016 15 / 30


Quelques lois usuelles continues

Introduction

1 Loi uniforme ;
2 Loi normale ;
3 Loi exponentielle.

I. Elhattab (ENCG) Variables continues 2015 - 2016 16 / 30


Loi uniforme

Loi uniforme

I. Elhattab (ENCG) Variables continues 2015 - 2016 17 / 30


Loi uniforme

Définition
On dit qu’une v.a. X est de loi uniforme sur un intervalle [a, b] (pour a < b), et on note
X ∼ U ([a, b]), si sa densité de probabilité est donnée par :
 1

 si a ≤ x ≤ b;
f (x) = b−a


0 sinon.

Remarque
Z
1
Z b
On vérifie que : f (x)dx = dx = 1.
R b−a a
1
Z d d−c
Aussi, pour a ≤ c ≤ d ≤ b, on a : P(c ≤ X ≤ d) = dx = .
b−a c b−a

Exemple
Soit X une v.a. de loi uniforme sur [0, 7]. Calculer la probabilité que : “2 < X < 5”.
5−2 3
P(2 < X < 5) = = .
7−0 7

I. Elhattab (ENCG) Variables continues 2015 - 2016 18 / 30


Loi uniforme

Fonction de répartition
Soit X une v.a. de loi uniforme sur [a, b]. La fonction de répartition de X est définie par :

 0 si x < a;
 x−a
F(x) = si a ≤ x < b;
 b−a

1 si x≥b

Exemple
Soit X une v.a. de loi uniforme sur [0, 7]. Calculer les probabilités que : “X < 3”, “X > 1”.
3−0 3 7−1 6 1
P(X < 3) = = , et, P(X > 1) = = (= 1 − ).
7−0 7 7−0 7 7

I. Elhattab (ENCG) Variables continues 2015 - 2016 19 / 30


Loi uniforme

Théorème
Soit X une v.a. de loi uniforme sur [a, b]. Alors on a :
a+b
E(X) = ,
2
et
(b − a)2
Var(X) = .
12

Exemple
Soit X une v.a. uniforme sur [0, 7]. Calculer E(3X 2 − 2) et Var(3X 2 − 2).

I. Elhattab (ENCG) Variables continues 2015 - 2016 20 / 30


Loi normale

Loi normale

I. Elhattab (ENCG) Variables continues 2015 - 2016 21 / 30


Loi normale

Définition
On dit qu’une v.a. X est de loi normale de paramètres µ et σ > 0, et on note X ∼ N (µ, σ), si sa
densité de probabilité est donnée par :

(x − µ)2
 
1
f (x) = √ exp − .
σ 2π 2σ 2

Remarque
Cas particulier (très important) : Si µ = 0 et σ = 1 on dit que X est de loi normale centrée
réduite. Dans ce cas, la densité de probabilité de X est donnée par :
 2
1 x
f (x) = √ exp − .
2π 2

Exemple
Soit X une v.a. de loi normale centrée réduite. Calculer la probabilité que : “X < 0”.

0 1 +∞ 1
Z  2 Z  2
1 x x 1
P(X < 0) = √ exp − dx = √ exp − dx = .
−∞ 2π 2 2 −∞ 2π 2 2

I. Elhattab (ENCG) Variables continues 2015 - 2016 22 / 30


Loi normale

Fonction de répartition
Soit X une v.a. de loi normale centrée réduite. La fonction de répartition de X s’écrit :

1
Z x  2
x
F(x) = √ exp − dx.
2π −∞ 2

Propriété
Si X ∼ N (0, 1), alors, pour tout x ∈ R, on a : F(−x) = 1 − F(x).

Démonstration

x2 x2 x2
Z −x ( ) Z +∞ ( ) Z +∞ ( )
1 1 1
En effet, F(−x) = √ exp − dx = √ exp − dx − √ exp − dx
−∞ 2π 2 −∞ 2π 2 −x 2π 2

x2
Z x ( )
1
= 1− √ exp − dx = 1 − F(x).
−∞ 2π 2

Exemple
1
On vérifie encore que pour une v.a. normale centrée réduite X, P(X < 0) = .
2
I. Elhattab (ENCG) Variables continues 2015 - 2016 23 / 30
Loi normale

Lien entre N (µ, σ) et N (0, 1)

Proposition
Si Y ∼ N (µ, σ), alors :
Y −µ
X= ∼ N (0, 1).
σ

Exemple

I. Elhattab (ENCG) Variables continues 2015 - 2016 24 / 30


Loi normale

Théorème
Soit X une v.a. de loi normale centré réduite. Alors on a :

E(X) = 0,

et
Var(X) = 1.
D’où le nom de v.a. normale centrée réduite

Exemple
Soit X une v.a. normale de paramètres µ et σ > 0. Calculer E(X) Var(X).

I. Elhattab (ENCG) Variables continues 2015 - 2016 25 / 30


Loi normale

I. Elhattab (ENCG) Variables continues 2015 - 2016 26 / 30


Loi exponentielle

Loi exponentielle

I. Elhattab (ENCG) Variables continues 2015 - 2016 27 / 30


Loi exponentielle

Définition
On dit qu’une v.a. X est de loi exponentielle de paramètre θ > 0, et on note X ∼ E(θ), si sa
densité de probabilité est donnée par :

 0 si x < 0;

f (x) =
 1 e− θ1 x

si x ≥ 0.
θ

Exemple
Soit X une v.a. de loi exponentielle de paramètre 1. Calculer la probabilité que : “1 ≤ X ≤ 3”.

I. Elhattab (ENCG) Variables continues 2015 - 2016 28 / 30


Loi exponentielle

Fonction de répartition
Soit X une v.a. de loi exponentielle de paramètre θ. La fonction de répartition de X s’écrit :

 0 si x < 0;
F(x) =
1
1 − e− θ x x ≥ 0.

si

Exemple
Soit X une v.a. de loi exponentielle de paramètre 2. Calculer la probabilité que : “1 ≤ X ≤ 3”.

I. Elhattab (ENCG) Variables continues 2015 - 2016 29 / 30


Loi exponentielle

Théorème
Soit X une v.a. de loi exponentielle de paramètre θ > 0. Alors on a :

E(X) = θ, et Var(X) = θ2 .

Exemple
Soit X une v.a. de loi exponentielle de paramètres θ = 2. Que vaut E(X) et Var(X) ?

I. Elhattab (ENCG) Variables continues 2015 - 2016 30 / 30