Académique Documents
Professionnel Documents
Culture Documents
20 avril 2017
Plan
Plan
Proposition
Soient a, b ∈ R telle que a < b et X une variable aléatoire de fonction de
répartition F, alors on a :
Zb
1 P(X ≤ b) = F(b) = f (t)dt.
−∞
Z b
2 P(a ≤ X ≤ b) = F(b) − F(a) = f (t)dt.
a
Z +∞
3 P(X > a) = f (t)dt = 1 − F(a).
a
4 P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b).
5 P(X = a) = 0.
Exemple
si x ∈]0, π2 ]
(
cos(x),
Soit f : R → R. définie par : f (x) =
0 si non.
Exemple
si x ∈]0, π2 ]
(
cos(x),
Soit f : R → R. définie par : f (x) =
0 si non.
Exemple
Soit X une variable aléatoire admet une densité f .
Déterminer la loi de Y = exp(X).
Si x ≤ 0, G(x) = 0
Si x > 0 G(x) = P(X ≤ log(x)) = F(log(x))
⇒ G ′ (x) = 1x F ′ (log(x)) = x1 f (log(x))
0 si x ≤ 0
Alors Y a pour densité g(x) :=
1 f (log(x))
si x > 0.
x
Exemple
Soit X une variable aléatoire admet une densité f .
Déterminer la loi de Y = exp(X).
Si x ≤ 0, G(x) = 0
Si x > 0 G(x) = P(X ≤ log(x)) = F(log(x))
⇒ G ′ (x) = 1x F ′ (log(x)) = x1 f (log(x))
0 si x ≤ 0
Alors Y a pour densité g(x) :=
1 f (log(x))
si x > 0.
x
Définition
Z
Soit X une variable aléatoire admet une densité f . Si xf (x)dx converge,
R
on dit que
Z X admet une espérance mathématique on la note par
E(X) = xf (x)dx et aussi appellé moment d’ordre 1 de X ou moyenne
R
d’ordre 1.
Exemple
Déterminer l’espérance si elle existe de la variable aléatoire X qui admet la
densité f définie par f (x) = cos(x)1]0, π2 ] .
Z Z π
2
E(X) = xf (x)dx = x cos(x)dx, par intégration par parties nous
R 0
π
obtenons E(X) = 2 − 1.
Définition
Z
Soit X une variable aléatoire admet une densité f . Si xf (x)dx converge,
R
on dit que
Z X admet une espérance mathématique on la note par
E(X) = xf (x)dx et aussi appellé moment d’ordre 1 de X ou moyenne
R
d’ordre 1.
Exemple
Déterminer l’espérance si elle existe de la variable aléatoire X qui admet la
densité f définie par f (x) = cos(x)1]0, π2 ] .
Z Z π
2
E(X) = xf (x)dx = x cos(x)dx, par intégration par parties nous
R 0
π
obtenons E(X) = 2 − 1.
Proposition
Soient
Z X une variable aléatoire admet une densité f et g : R → R telle que
g(x)f (x)dx converge, alors :
R
Z
L’espérance mathématique de Y = g(X) est : E(Y ) = g(x)f (x)dx.
R
En particulier
Z si g(x) = x. L’espérance mathématique de X est :
E(X) = xf (x)dx.
R
Exemple
Soit X une variable aléatoire qui admet une densité f . On va donner un
exemple d’une variable aléatoire qui admet une espérance mathématique
mais pas de variance.
Par exemple :f (x) = x23 1]1,+∞[
(
(x) 1, si x ∈ [a, b]
1[a,b] =
0, si x < [a, b] .
b
b 2 − a2
Z Z
x a+b
E(X) = xf (x)dx = dx = = .
R a b−a 2(b − a) 2
a2 + ab + b 2
Z
E(X 2 ) = x2 f (x)dx = .
R 3
a2 +ab+b2 (b−a)2
V (X) = 3 − ( a+b 2
2 ) = 12 .