Académique Documents
Professionnel Documents
Culture Documents
VARIABLES ALEATOIRES
Variable Aléatoire
Exemple introductif:
Dans un jeu on lance deux fois une pièce de monnaie, on gagne
en dirhams le nombre de fois où face est sorti. Mais si pile sort
deux fois, vous versez à l’organisateur 3 dirhams.
On sait que l’ensemble W traduisant l’expérience est
W = {PP,PF,FP,FF}.
À l’issue de PP, on associe le réel –3 ; à l’issue de PF ou FP, on
associe 1 ; à l’issue FF, on associe 2.
Considérons la fonction qui à chaque événement élémentaire
associe un réel.
Dans cet exemple on note X le gain du joueur cette fonction:
X(PP)= -3
X(PF)=X(FP)=1
X(FF)=2
X est appelé variable aléatoire définie de W dans {-3,1,2}
1
Variable aléatoire
Définition : On appelle variable aléatoire une application X
définie sur un espace de probabilité (Ω, P) et à valeurs réelles.
La fonction de répartition F d'une variable aléatoire X est la
fonction de IR dans IR définie, pour tout réel x, par :
F(x) = P({ X ≤ x })
La variable aléatoire est une variable dont la valeur est déterminée
par le résultat d’une expérience aléatoire. Cette valeur appartient à
un ensemble V.
Exemples :
Somme des points obtenus en lançant 2 dés.
Temps mis pour traiter une transaction à un guichet
d’agence bancaire.
Proposition:
Soient X une v. a., F sa fonction de répartition, alors:
1. ∀x ∈ IR, 0 ≤ F(x) ≤ 1.
2. Le comportement à l’infini :
lim F ( x ) 0 et lim F ( x ) 1
x x
3. La fonction F est croissante.
4. La fonction F est continue à droite, i. e.
x IR lim F ( x ) F ( a )
x a
Exercice:
Soit X une variable aléatoire, et soit F sa fonction de répartition.
Pour a et b réels (a < b), exprimer en fonction de F : P( X > a ),
P( a< X ≤ b ), P[X<a].
4
2
Remarque:
Cet exercice montre que la connaissance de la fonction de répartition
F d'une variable aléatoire X permettra de calculer, pour n'importe
quel intervalle I de IR , la probabilité P({ XϵI }). On peut démontrer
qu'elle permet aussi, de calculer la probabilité P({ XϵB }) pour
n'importe quel sous-ensemble B de IR . On dit en que la fonction de
répartition de X détermine la loi de probabilité de X.
P[ X x ] si x X ( )
pX ( x)
6
0 sinon
3
Loi de probabilité discrète
On peut représenter la distribution de X par le tableau suivant:
xi x1 x2 x3 …… xn
P(xi)=P(X=xi)=pi p1 p2 p3 …… pn
Propriété :
Si x, px , x V est une loi de probabilité alors
p 0 x V
x
p 1 x
x
La fonction de répartition dans ce cas est une fonction en escalier
F x p j
x j x
Propriétés:
m
* Pour tout x [ xm , xm1[ F ( x ) pk
k 1
4
Paramètres d’une loi discrète
Dans cette partie, X et Y désignent deux variables aléatoires
discrètes réelles. On note X(Ω)={xn; n∈I} et Y(Ω)={yn; n∈J}
5
Couple de variables aléatoires - indépendance
On appelle couple de variables aléatoires discrètes un couple (X,Y)
Où X et Y sont deux variables aléatoires discrètes.
La loi conjointe du couple (X,Y) est la loi de (X,Y) vue comme
variable aléatoire.
Autrement dit, la loi conjointe est la donnée de toutes les valeurs de
P(X=x,Y=y) pour (x,y)∈X(Ω)×Y(Ω).
Les lois de X et de Y sont les lois marginales de X et de Y.
Soit x un élément de X(Ω) tel que P(X=x)>0.
On appelle loi conditionnelle de Y sachant que (X=x) la probabilité
Px définie sur Y(Ω) par ∀y∈Y(Ω),
P ( X x, Y y )
PX ( y ) P (Y y / X x )
P( X x )
Deux variables aléatoires discrètes X et Y sont dites indépendantes
si, pour tout x∈X(Ω) et tout y∈Y(Ω), on a
P(X=x,Y=y)=P(X=x)P(Y=y)
11
6
Si X et Y admettent un moment d'ordre 2, on appelle covariance
de X et de Y le réel
Cov(X,Y)=E((X−E(X))(Y−E(Y))=E(XY)−E(X)E(Y).
Le coefficient de corrélation linéaire est
Cov( X , Y )
( X ,Y )
( X ) (Y )
14
La durée de réalisation d’un projet.
7
Proposition:
Soit g une fonction réelle vérifiant :
i. Pour tout x ∈ R, g(x) ≥ 0.
ii. g ( x) dx 1.
IR
Proposition:
Soient X une variable aléatoire absolument continue, fX sa fonction
de densité et a, b ∈ IR avec a < b. On a b
P(a X b) FX (b) FX (a ) f X (t )dt
a
Exemple:
En étudiant la durée de vie en heures d’une ampoule électrique
on s’est aperçu que c’est une variable aléatoire dont la fonction
de densité est définie par:
x si 0 x 1
f ( x ) 2 x si 1 x 2
0 ailleurs
a) Montrer que l’on a bien une fonction de densité;
b) Donner la représentation graphique de cette fonction.
c) Calculer : P(X 0,5); P(X > 1,5) et P(0,5 X 1,5).
16
8
Espérance et variance
Définition:
On appelle espérance mathématique ou moyenne d’une variable
aléatoire réelle absolument continue X, la quantité notée E(X) et
définie par:
E ( X ) xf ( x )dx
IR
9
Application:
Reprenons la v.a dont la fonction de densité était définie par:
3x
f ( x ) 2ce si x 0
0 sinon
Calculer l’espérance puis la variance de cette v.a.
19
10