Académique Documents
Professionnel Documents
Culture Documents
VARIABLE ALEATOIRE
Introduction
I) VARIABLE ALEATOIRE
Dans la plupart des cas le résultat d’une expérience aléatoire (événement aléatoire) se
laisse décrire de deux façons :
Le résultat peut être décrit par un nombre. Par exemples, le nombre obtenu
sur un dé, le nombre de pièces défectueuses dans un lot d’articles, la durée de
vie d’une machine, ….
Le résultat n’a aucun lien avec les nombres, il est possible de coder les issus
en leurs attribuant des nombres. Par exemple, il est possible d’attribuer le
nombre 1 à « pile » et 0 à « face » dans le cas de jet d’une pièce de monnaie, le
nombre 1 à « défectueux » et 0 à « non défectueux » dans le cas de contrôle
d’un article.
1
La variable aléatoire X , d’ensemble de valeurs possibles X , est dite :
Exemple 1 :
Considérons l’expérience aléatoire :" jet d’une pièce de monnaie (non truquée) deux fois".
On s’intéresse par exemple au nombre de piles obtenues lors des deux jets. On définit alors la
variable aléatoire X ‘‘ nombre de piles obtenues’’.
Card (E 0 ) 1
p(X 0) 0.25 <1
Card () 4
2
Card (E1 ) 2
p(X 1) 0.5 <1
Card () 4
Card (E 2 ) 1
p(X 2) 0.25 1
Card () 4
X 0 1 2 Somme
La distribution de probabilité de X
Exemple 2 : Soit l’expérience aléatoire: pesée d’un corps sur une balance analytique pouvant
commettre une erreur de pesée de 5 grammes (en plus ou en moins). On définit la variable
aléatoire W " erreur commise".
Les valeurs possibles de la variable aléatoire W peuvent être aussi bien positives que négatives et
couvrant d’une façon continue une certaine partie de l’axe, aussi bien à droite qu’à gauche de
zéro, soit w [-5, 5]. Cet ensemble (intervalle) w [-5.............,5] n’est pas dénombrable, donc
W est une variable aléatoire continue.
On appelle loi (ou distribution) de probabilité d’une variable aléatoire discrète X, une règle (tableau
ou fonction) qui permet de trouver la probabilité que X prenne une certaine valeur x X.
Une première forme de loi de probabilité, dans le cas discret, est un tableau dont la ligne
supérieure dénombre dans l’ordre croissant toutes les valeurs possibles de la variable
aléatoire X: x1 x2, ...., xn et la ligne inférieure, les probabilités pour que X prenne les valeurs
correspondantes
X x1 x2 .. xi ... xn n
i 1
f(xi)=P(X=xi) P1 P2 pi pn 1
Loi de probabilité ou distribution de probabilité de X
3
Suite de l'exemple
X 0 1 2 n
i 1
f(xi)=P(X=xi) 0.25 0.5 0.25 1
Distribution de probabilité de X
Fonction
1
4 si x 0, 2
1
si x 1
f ( x ) P( X xi ) 2
0 sin on
Exemple 2:
La loi de probabilité de Y peut être donnée par la fonction f(y) =P (Y= y définie par :
p y ( 1 p )1 y si y Y
f ( y ) P( Y y )
0 sin on
P(Y=0)= p 0 ( 1 p )10 1 P
4
1 1
f ( y ) p y ( 1 p )1 y p 0 ( 1 p )10 p1( 1 p )11 1 p p 1
y 0 y 0
Densité de probabilité
La loi (ou distribution) de probabilité d’une variable aléatoire continue, est définie par
la donnée d’une densité de probabilité.
La fonction f(x) est appelée fonction densité (ou densité de probabilité) d’une variable
aléatoire continue X de vérifiant les propriétés ci-dessous.
f (x) 0
f (x) = 0 si x X
5
f(x)
f ( x )dx P( X a )
a
b f ( x )dx P( X b )
x
a 0 b
a f ( x )dx P( a X b )
b
F : 0 , 1
x F ( x ) P( X x )
F vérifie les propriétés suivantes:
6
lim F ( x ) 0
x
lim F ( x ) 1
x
Ainsi on a:
Reprenons l'exemple du jet d'une pièce de monnaie deux fois et à l'événement qui
définit le nombre de Pile obtenu
X 0 1 2
P
Distribution de probabilité de X
X 0 1 2 3
on a:
F(0)= P(X<0)=0
7
F(4) = P(X<4)= P(0)+P(1)+P(2)= 0.75+0.25=1
De même on a :
P( X 2 ) F ( 2 ) 0.75
La probabilité d'avoir au moins X égale à 1 est :
P( X 1 ) 1 P( X 1 ) 1 F ( 1 ) 1 0.25 0.75
Suite de l'exercice 1
x 0 1 2 3 4 5 6 6
P( x )
i 0
i
F(x)= P( X x )
8
F ( 1 ) P( X 1 ) 0.1
P( X 1 ) 1 P( x 1 ) 1 F ( 0 ) 1 0.1 0.9
P( X 1 ) P( 2 ) ..... P( 6 ) 0.8
P( X 1 ) P( 0 ) P( 1 ) 0.2
F ( 7 ) P( X 7 ) =1
1) Espérance mathématique
n
m1 E( X ) xi .Pi ( x ) cas discret
i 1
9
n
Le moment non centré d'ordre 2: m2
i 1
x 2 i .Pi ( x )
n
Le moment non centré d'ordre 3: m3
i 1
x 3i .Pi ( x )
n
Le moment non centré d'ordre k: mk x k i .Pi ( x )
i 1
X 0 1 2 n
i 1
f(xi)=P(X=xi) 0.25 0.5 0.25 1
Distribution de probabilité de X
2
m1 E( X ) xi .Pi ( x ) x0 P( 0 ) x1 P( 1 ) x2 P( 2 ) 0 0.25 1 0.5 2 0.25 1
i 0
E( aX b ) E( aX ) E( b ) aE( X ) b
10
Suite de l'exemple
X 0 1 2 n
i 1
f(xi)=P(X=xi) 0.25 0.5 0.25 1
Distribution de probabilité de X
Calculer E(X)
On a
2
E( X ) xi .Pi ( x ) x0 . p( 0 ) x1 . p( 1 ) x2 . p( 2 ) 0 0.25 1 0.5 2 0.25 1
i 0
2
E( X ) x1 .P1 ( x ) 0 0.25 1 0.5 2 0.25 1
- i 0
Exemple 2:
La loi de probabilité de Y peut être donnée par la fonction f(y) =P (Y= y définie par :
p y ( 1 p )1 y si y Y
f ( y ) P( Y y )
0 sin on
P(Y=0)= p 0 ( 1 p )10 1 P
1
E( X ) yi .Pi ( y ) y0 * P( y0 ) y1 * P( 1 ) 0 ( 1 p ) 1 P P
i 0
11
Un paramètre de dispersion:
i 1
V ( X ) xi m1 . f i ( x ) x i . f i ( x ) xi . f i ( x )
n n n
2 2
i 1 i 1 i 1
V ( X ) m2 m1
2
Écart type
n
. X V( X ) xi E( x )2 . f i ( x ) cas discret
i 1
4) Propriétés de la variance
12
V( c) = c - c .f(x) 0
x X
a 2V ( X )
Exercice 1
Pour la production d’un article, une société utilise une machine testée au préalable pour un
fonctionnement sans arrêts techniques durant 8 heures. Dès que ce temps est dépassé, la machine
peut subir des arrêts partiels de surcapacité. Elle doit être mise en réparation si elle s’arrête
partiellement six fois successives. Le nombre de ce type d’arrêt est une variable aléatoire X dont la
distribution de probabilité est représentée par le diagramme suivant :
P(X =x )
P(X=x)
2p
0 1 2 3 4 5 6 7
Diagramme en bâtons
X est une variable aléatoire discrète car elle prend des valeurs isolées
x 0 1 2 3 4 5 6 6
P( x )
i 0
i
P(x=x) p p 2p 2p 2p p p 1
La distribution de probabilité de X
2) Déterminer la valeur de p
13
On a la somme des probabilités est égale à 1
i 0
Pi ( x ) 1 p p 2 p 2 p 2 p p 1 1
1
10 p 1 p 0.1
10
X 0 1 2 3 4 5 6 6
P( x )
i 0
i
X 0 1 2 3 4 5 6 6
P( x )
i 0
i
n
m1 E( x ) xi .Pi ( x ) 0 0.1 1 0.1 2 0.2 3 0.2 4 0.2 5 0.1 6 0.1 3
i 1
2
n n
n
V ( x ) xi m1 . f i ( x ) x i . f i ( x ) xi .Pi ( x )
2 2
i 1 i 1 i 1
v( X ) m2 m1
2
V ( X ) m2 m1
2
n
m2 E( x 2 ) x 2 i .Pi ( x ) 0 2 0.1 12 0.1 2 2 0.2 32 0.2 4 2 0.2 5 2 0.1 6 2 0.1 11.3
i 1
m2=11.3 (moment non centré d'ordre 2)
14
V ( X ) m2 m1 11.3 32 2.3 >0
2
Exercice 2
Une société utilise une machine pour produire des disques de diamètre donné. On définit la variable
aléatoire X « erreur de mesure commise par la machine lors de la fabrication ». La fonction densité de
X est donnée par :
c2 x 1 si 2 x 0
1
f( x ) c1 2 x si 0 x
1
2
0 sinon
1) Déterminer la constante c. Représenter le graphique de la densité de X. Illustrer P(X < -0.4), P(X > 0.4)
et P( -0.4 < X < 0.4) sur le graphique de la densité. En justifiant votre réponse, comparer les
probabilités P(X < -0.4) et P(X > 0.4).
Corrigé
a f ( x )dx F ( x )a F ( b ) F ( a )
b b
15
22 x 1 si 2 x 0
1
f( x ) 21 2 x si 0 x
1
2
0 sinon
f(x)
P(X < -0.4), P(X > 0.4) et P( -0.4 < X < 0.4)
16
m1 E( X ) X x. f ( x )dx 0.5 x. f ( x )dx 0.5 x. f ( x )dx 0 x. f ( x )dx
0.5 0 0.5
1
2 2 x 1 si x0
2
1
f( x ) 21 2 x si 0 x
2
0 sinon
0 0.5
x 3 4 x 3
4 x 2 x 2
3 0.5 3 0
0 0.166 0.25 ( 0.25 0.166
0.083 0.083 0
0 0.5
4 x3 x3 4
x 2 2 x
= 3 0.5 3
0
0 ( 0.0625 0.083 ) 0.083 0.0625 ) 0.041
V ( X ) m2 m1 0.041
2
17
V ( X ) 0.041 0 0.041
2
>0
V ( X ) 0.041 0.20
18