Sommaire

Variable aléatoire à densité

Lois usuelles continues

Chapitre 3 : Variable aléatoire à densité

I. MAHFOUDHI & T. MOULAHI

École Nationale d’ingénieurs de Monastir (ENIM)

20 avril 2017

Version provisoire merci de me signaler les erreurs!

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Variable aléatoire à densité
Lois usuelles continues

Plan

1 Variable aléatoire à densité

Fonction de répartition
Espérance et variance mathématique

2 Lois usuelles continues

Loi uniforme
Loi Nomale N (0, 1)

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Variable aléatoire à densité
Lois usuelles continues

Plan

1 Variable aléatoire à densité

Fonction de répartition
Espérance et variance mathématique

2 Lois usuelles continues

Loi uniforme
Loi Nomale N (0, 1)

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

Variable aléatoire à densité

Définition
On dit qu’une variable aléatoire admet une
Z densité f si sa fonction de
x
répartion F s’écrie sous la forme F(x) = f (t)dt où f est une fonction à
−∞
valeur réelle positive ayant un nombre fini de point de discontinuité et telle
Z +∞
que f (t)dt = 1. On dit alors que X est une variable aléatoire à densité.
−∞

Remarque Une fonction f : R → R est une densité de probabilité ssi

Continue sauf en un nombre fini de points
f ≥0
Z +∞
f (t)dt = 1.
−∞

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

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.

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

Exemple
si x ∈]0, π2 ]
(
cos(x),
Soit f : R → R. définie par : f (x) =
0 si non.

1) Montrer que f est une densité de probabilité

2) Déterminer la fonction de répartition F :

a) f est positive sur R. b) f est continue sur R∗

Z +∞ Z0 Z π Z +∞
2 π π
c) f (t)dt = f (t)dt + f (t)dt + f (t)dt = [sin(t)]02 = sin( ) = 1
−∞ −∞ 0 π 2
2
donc f est une densité de probabilité.
2) 
Zx  0
 si x ≤ 0
si x ∈]0, π2 ]

⇒ F(x) = f (t)dt =  sin(x),


−∞  1

si non.

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

Exemple
si x ∈]0, π2 ]
(
cos(x),
Soit f : R → R. définie par : f (x) =
0 si non.

1) Montrer que f est une densité de probabilité

2) Déterminer la fonction de répartition F :

a) f est positive sur R. b) f est continue sur R∗

Z +∞ Z0 Z π Z +∞
2 π π
c) f (t)dt = f (t)dt + f (t)dt + f (t)dt = [sin(t)]02 = sin( ) = 1
−∞ −∞ 0 π 2
2
donc f est une densité de probabilité.
2) 
Zx  0
 si x ≤ 0
si x ∈]0, π2 ]

⇒ F(x) = f (t)dt =  sin(x),


−∞  1

si non.

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

Exemple
Soit X une variable aléatoire admet une densité f .
Déterminer la loi de Y = exp(X).

Soit x ∈ R, G(x) = P(Y ≤ x) = P(exp(X) ≤ 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

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

Exemple
Soit X une variable aléatoire admet une densité f .
Déterminer la loi de Y = exp(X).

Soit x ∈ R, G(x) = P(Y ≤ x) = P(exp(X) ≤ 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

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

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.

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

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.

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Fonction de répartition
Variable aléatoire à densité
Espérance et variance mathématique
Lois usuelles continues

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

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Loi uniforme
Variable aléatoire à densité
Loi Nomale N (0, 1)
Lois usuelles continues

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,+∞[

f est continue sauf en 1

f ≥0
Z Z +∞
2 1
f (t)dt = 3
dt = [− 2 ]+∞
1 =1
R 1 t t
Z Z +∞  +∞
2 2
E(X) = tf (t)dt = 2
dt = − = 2.
R 1 t t 1
Z Z +∞
2 2 2
E(X ) = t f (t)dt = dt diverge, donc V (X) n’existe pas.
R 1 t

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Loi uniforme
Variable aléatoire à densité
Loi Nomale N (0, 1)
Lois usuelles continues

Définition (Loi uniforme )

On dit que X suit la loi uniforme sur [a, b] et on note X ∼ U([a, b]).
1 (x)
Si X une v.a.r pour densité : f (x) = b−a 1[a,b] , x∈R

(
(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 .

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Loi uniforme
Variable aléatoire à densité
Loi Nomale N (0, 1)
Lois usuelles continues

Définition (Loi Normale N (0, 1) )

On dit que X suit la loi normale centrée-réduite sur R et on note
X ∼ N (0, 1).
−x 2
Si X une v.a.r pour densité : f (x) = √1 e 2 , x∈R
2π

1) Montrer que f est une densité de probabilité.

2) Calculer l’espérance mathématique et la variance.
Z Z +∞
1 −x2
E(X) = xf (x)dx = √ xe 2 dx = 0.
R −∞ 2π
Z Z +∞
1 −x2
E(X 2 ) = x2 f (x)dx = √ x2 e 2 dx = 1
R −∞ 2π
V (X) = 1

I. MAHFOUDHI & T. MOULAHI ENIM-2016

 Sommaire
Loi uniforme
Variable aléatoire à densité
Loi Nomale N (0, 1)
Lois usuelles continues

Définition (Loi Normale N (0, 1) )

On dit que X suit la loi normale centrée-réduite sur R et on note
X ∼ N (0, 1).
−x 2
Si X une v.a.r pour densité : f (x) = √1 e 2 , x∈R
2π

1) Montrer que f est une densité de probabilité.

2) Calculer l’espérance mathématique et la variance.
Z Z +∞
1 −x2
E(X) = xf (x)dx = √ xe 2 dx = 0.
R −∞ 2π
Z Z +∞
1 −x2
E(X 2 ) = x2 f (x)dx = √ x2 e 2 dx = 1
R −∞ 2π
V (X) = 1

I. MAHFOUDHI & T. MOULAHI ENIM-2016