Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
Probabilités
Introduction
Objectifs du Chapitre :
1 Dé…nir la notion de variable aléatoire.
2 Etudier les di¤érents cas à savoir le cas discret, le cas continu, le cas de
couple de variables aléatoires discrètes et continues.
3 Traiter les caractéristiques des variables aléatoires.
4 Dé…nir : la notion d’espérance mathématique, la variance, la covariance et
la corrélation.
5 L’inégalité de Biénaymé Tchebyche¤.
Dé…nition
De…nition
Trois concepts sont souvent à l’origine des confusions dans la théorie des
probabilités : 1- Expérience aléatoire 2- Variable aléatoire 3- loi de probabilité.
Expérience aléatoire : une expérience dont le résultat exact est inconnu
mais dont les résultats possibles sont connus d’avance. Elle doit avoir au
moins deux résultats (pièce de monnaie)
Variable aléatoire : On dé…nit une variable alétoire lorsqu’on associe un
nombre réel à chacun des résultats possibles d’une expérience aléatoire. Il
est possible de dé…nir plusieurs variables aléatoire à partir d’une
expérience alétoire réaliséee.
Dé…nition
De…nition
Loi de probabilité : Si à chacun des nombres associés aux résultats possibles de
l’expérience aléatoire, on associe la probabilité de sa réalisation, on dira qu’on a
dé…ni une loi de probabilité.
De…nition
Une variable aléatoire est discrète si elle varie de façon discontinue, la variable
ne peut prendre que des valeurs entières.
Distribution de probabilité
De…nition
À chacune des valeurs x que peut prendre une variable aléatoire X ,
correspond une probabilité p (x ), soit la probabilité que la variable
aléatoire X prenne la valeur x :
p (x ) = p (X = x ) (1)
Distribution de probabilité
De…nition
La distribution cumulée des probabilités est appelée fonction de répartition :
x
F (x ) = p (X x) = ∑ p (x ) (3)
k =0
0 F (x ) 1
De…nition
Une variable aléatoire X est dite continue si elle peut prendre toutes ou
presque toutes les valeurs d’un intervalle et s’il existe une fonction f appelée
fonction de densité de probabilité, telle que la probabilité pour que X prenne
une certaine valeur dans un intervalle [a, b ] soit égale à :
Z +∞
p (a < X < b ) = f (x )dx (4)
∞
De…nition
avec f (x ) : hauteur et d (x ) : largeur
Propriété
Pour qu’une fonction f soit acceptée comme fonction de densité de probabilité,
il faut qu’elle véri…e les deux conditions suivantes :
1 f (x ) 0
R +∞
2
∞ f (x )dx = 1
F (x + ∆ x ) F (x )
f (x ) = lim
∆x !0 ∆x
Remarque
La fonction de densité de probabilité f n’est que la dérivée de la fonction de
répartition F . Les deux fonctions f et F sont liées par la relation suivante :
Z +∞
F (x ) = f (t )dx (5)
∞
Notation
Nous avons employé f (t )dt pour éviter la confusion entre "x" qui est
l’argument de la fonction f et "x" qui est la borne supérieure de
l’intégrale. Cette notation sera utilisée lorsque l’une des bornes de
l’intégrale est x .
Les trois notations : probabilité (p ), fonction de densité (f ) et fonction
de répartition (F ) sont liées par l’égalité suivante :
Z +∞
p (X x) = f (t )dt = F (x ) (6)
∞
Espérance mathématique
Dé…nition
De…nition
L’espérance mathématique d’une variable aléatoire X (notée E (X )) est la
moyenne arithmétique des valeurs possibles de X pondérées par leurs
probabilités correspondantes.
On appelle espérance mathématique la valeur moyenne de la variable, elle
remplace la moyenne arithmétique dans le cas d’une variable statistique.
Cas discrèt :
n
E (X ) = ∑ p (X = xi ) xi
i =1
Cas continu : Z +∞
E (X ) = x f (x )dx
∞
Université Mohammed V- Agdal - FSJES -Rabat Probabilités Enseignant : Ragbi Aziz
Introduction
Dé…nition
Variable aléatoire discontinue
Chapitre 3 : Notion de variables aléatoires
Variable aléatoire continue
Caractéristiques d’une variable aléatoire
Inégalité de Bienaymé tchebyche¤
Espérance mathématique
Propriétés
De…nition
Cas discrèt
E (X 2 ) = ∑ x 2 p (x )
Example
Cas continu Z +∞
E (X 2 )= x 2 f (x ) dx
∞
Espérance mathématique
De…nition
L’espérance d’une constante est la constante :
E (a ) = a
E (X + Y ) = Probabilités
Université Mohammed V- Agdal - FSJES -RabatE (X ) + E (Y :)Ragbi Aziz
Enseignant
Introduction
Dé…nition
Variable aléatoire discontinue
Chapitre 3 : Notion de variables aléatoires
Variable aléatoire continue
Caractéristiques d’une variable aléatoire
Inégalité de Bienaymé tchebyche¤
Espérance mathématique
De…nition
L’espérance d’une di¤érence est la di¤érence des espérances :
E (X Y ) = E (X ) E (Y )
L’espérance d’un produit est le produit des espérances si les variables sont
indépendantes :
E (X Y ) = E (X ) E (Y )
Variance et écart-type
De…nition
Comme pour la moyenne, la variance d’une variable aléatoire conserve la
même dé…nition que la variance d’une variable statistique. C’est
l’espérance mathématique des carrés des écarts par rapport à l’espérance.
Cas discret
n
V ((X ) = E [(X E (X ))2 ] = ∑ (x E (X ))2 p (x )
i =1
Cas continu
Z +∞
V (X ) = E [(X E (X ))2 ] = (x E (X ))2 f (x )dx
∞
Variance et écart-type
De…nition
La variance est calculé à partir de la formule développée suivante :
Propriétés
V (a ) = 0
Propriétés
La variance d’une somme est la somme des variances si les variables sont
indépendantes :
h i
V (X + Y ) = E ((X + Y ) E (X + Y ))2
h i
V (X + Y ) = E (X + Y E (X ) E (Y ))2
h i
V (X + Y ) = E ((X E (X )) + (Y E (Y )))2
V (X + Y ) = E [(X E (X ))2 + 2 (X E (X )) (Y E (Y ))
2
+ (Y E (Y )) ]
V (X + Y ) = E [(X E (X ))2 ] + 2E [(X E (X )) (Y E (Y ))]
2
+E [Y E (Y )) ]
Propriétés
Propriétés
Propriétés
De…nition
Une variable aléatoire est dite centrée si son espérance mathématique est
nulle, elle est dite réduite si son écart-type est égal à 1.
Toute variable aléatoire peut être transformée en une variable centrée
réduite par le changement de variable .
X E (X )
σ
X E (X )
σ
Quelque soit la variable aléatoire X, la probabilité d’un intervalle
[E (X ) kσ, E (X ) + σ] a pour borne inférieure 1 k12 .
V (X ) = ∑ (x E (X ))2 p (x )
[E (X ) kσ, E (X ) + σ]
V (X ) = S1 + S2 + S3
avec :
S1 = ∑ (x E (X ))2 p (x ) x < E (X ) kσ
2
S2 = ∑ (x E (X )) p (x ) E (X ) kσ x E (X ) + σ
2
S3 = ∑ (x E (X )) p (x ) x > E (X ) + σ
V (X ) = S1 + S2 + S3
V (X ) S1 + S3
Pour S1 x < E (X ) kσ
x E (X ) < kσ
(x E (X ))2 > k 2 σ2
∑ (x E (X ))2 p1 (x ) ∑ k 2 σ2 p1 (x )
S1 = k 2 σ2 ∑ p1 (x )