Outline

Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Variables aléatoires discrètes

Pr.Y.BENSLIMANE

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Variables aléatoires discrètes

Pr.Y.BENSLIMANE

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Variables aléatoires discrètes

Pr.Y.BENSLIMANE

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

1 Notations et dénitions
2 Propriétés
3 Fonction de répartition
4 Moments d'une v.a discrète
Espérence mathématique
Variance
5 Couple aléatoire
Lois marginales
6 Les lois usuelles
Loi de Bernoulli
Loi Binomiale
Loi Hypergéométrique
Loi Géométrique
Loi de Poisson

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

1 Notations et dénitions
2 Propriétés
3 Fonction de répartition
4 Moments d'une v.a discrète
Espérence mathématique
Variance
5 Couple aléatoire
Lois marginales
6 Les lois usuelles
Loi de Bernoulli
Loi Binomiale
Loi Hypergéométrique
Loi Géométrique
Loi de Poisson

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Denition
On considère l'espace probabilisable (Ω, A, P ). On appelle variable aléatoire
(v.a) discrète dénie sur (Ω, A), une application X : Ω → IR telle que X (Ω) est
dénombrable (en général X (Ω) est ni ou X (Ω) ⊂ IN ou X (Ω) ⊂ Z) et pour
tout x réel :
A = {ω ∈ Ω/X (ω) = x} ∈ A
c'est -à-dire A est un événement.

Convention d'écriture
[X < x] = {w ∈ Ω, X (ω) < x}, x ∈ IR
[X = x] = {w ∈ Ω, X (ω) = x}, x ∈ IR
[a ≤ X ≤ b] = {w ∈ Ω, a ≤ X (ω) ≤ b}, a, b ∈ IR

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Remarque
Si A = P(Ω), toute application X sera une v.a

Exemple
On lance un dé et on considère l'application X qui associé la valeur 1 au
résultat paire, et 0 au résultat impaire.
Ω = {1, 2, 3, 4, 5, 6} avec A = P(Ω),

X −1 {1} = {2, 4, 6}

donc X est une v.a.

On jette deux dés distincts et on s'interesse à la somme des points. On
note X : avec X (Ω) = {2, 3, 4, ...12} est l'ensemble des valeurs possibles
prises par X (univers image).
On lance trois dés, on s'interesse au plus grand chire obtenu. On a alors :

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Ω −→ IR
X :
(ω1 , ω2 , ω3 ) 7→ max(ω1 , ω2 , ω3 )
avec Ω = {1, 2, ..., 6}3 , et X prend ses valeurs dans {1, 2, 3, ..., 6}

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Loi de probabilité
Soit X une v.a et y ∈ IR
On peux dénir une probabilité PX : sur Ω0 = P(Ω)
PX (y ) = P(X −1 (y ))

Preuve

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Cas particuliers
Variable indicatrice
Soit A ∈ A un événement quelconque, on considère la v.a suivante :
1 si ω ∈ A

X (ω) =
0 si ω ∈ Ā
X est appelée v.a indicatrice de l'événement A et elle est notée X = 1IA

Variable certaine
C'est la variable aléatoire qui prend une valeur constante a quel que soit le
résultat de l'épreuve.
P(X = a) = 1
La masse totale de la probabilité est concentrée en a

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

1 Notations et dénitions
2 Propriétés
3 Fonction de répartition
4 Moments d'une v.a discrète
Espérence mathématique
Variance
5 Couple aléatoire
Lois marginales
6 Les lois usuelles
Loi de Bernoulli
Loi Binomiale
Loi Hypergéométrique
Loi Géométrique
Loi de Poisson

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

1 Puisque A est un événement, il a une probabilité bien dénie, et par

conséquent, nous pouvons obtenir la probabilité que le variable aléatoire
prend des valeurs inférieures à un x donné :
P(A) = P(X ≤ x)

2 On peut aussi obtenir la probabilité qu'une variable aléatoire prend des

valeurs dans un intervalle :
P(a < X ≤ b) = P(X ≤ b) − P(X ≤ a) ∀a, b ∈ IR

X
3 Soient X et Y deux v.a alors X + Y , X − Y , X × Y et (si Y 6= 0 sont
Y
aussi des v.a

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Remarque
Deux variables aléatoires X et Y peuvent avoir même loi sans être égales

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

1 Notations et dénitions
2 Propriétés
3 Fonction de répartition
4 Moments d'une v.a discrète
Espérence mathématique
Variance
5 Couple aléatoire
Lois marginales
6 Les lois usuelles
Loi de Bernoulli
Loi Binomiale
Loi Hypergéométrique
Loi Géométrique
Loi de Poisson

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

C'est une fonction d'une variable réelle qui s'introduit pour connaître comment
se distribue la probabilité des valeurs qui prend une variable aléatoire. Il est
déni comme la fonction :
F (x) = P(X ≤ x) = PX (] − ∞, x]), ∀x ∈ IR

On peut écrire F (x) =

X
P(X = xi ) ∀x ∈ IR
xi ≤x
F (x) est bien dénie

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Proposition
1 0 ≤ F (x) ≤ 1 ∀x ∈ IR
2 F (x) est une fonction croissante
3 lim F (x) = 0 lim F (x) = 1
x→−∞ x→+∞

4 P(X > a) = 1 − F (a)

5 P(a < X < b) = F (b) − F (a) − P(X = b)
6 P(a ≤ X ≤ b) = F (b) − F (a) + P(X = a)
7 P(a ≤ X < b) = F (b) − F (a) + P(X = a) + P(X = b)
8 P(a < X ≤ b) = F (b) − F (a)
9 x 7→ F (x) est continue à droite en tout point x ∈ IR

Preuve

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Denition
On appelle fonction de densité de probabilité d'une v.a X la fonction donnée
par :
f (x) = P(X = x)

La fonction de densité de probabilité vérie les propriétés suivantes

Proposition
Soit X une v.a, on a :
0 ≤ f (x) ≤ 1
f (xi ) = 1
X

i
X
F (x) = f (xi )
xi ≤x

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Remarque
1 La loi de probabilité d'une v.a discrète X est dénie soit par la
détermination des probabilités de tous les événements élémentaires ou
bien par l'expression de sa fonction de répartition F
2 Si F est connue alors on peut déduire les probabilités des événements
élémentaires
pour i ≥ 2

P(X = xi ) = F (xi ) − F (xi−1 )
P(X = x1 ) = F (x1 )

Exemple
Donner la fonction de répartition pour l'expérience aléatoire "jet d'un dé
équilibré"

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés Espérence mathématique
Fonction de répartition Variance
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

1 Notations et dénitions
2 Propriétés
3 Fonction de répartition
4 Moments d'une v.a discrète
Espérence mathématique
Variance
5 Couple aléatoire
Lois marginales
6 Les lois usuelles
Loi de Bernoulli
Loi Binomiale
Loi Hypergéométrique
Loi Géométrique
Loi de Poisson

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés Espérence mathématique
Fonction de répartition Variance
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Denition
L'espérance mathématique (la moyenne) d'une v.a est donnée
par :E (X ) =
X
pi xi
i∈I

Remarque
Chaque probabilité peut s'interpréter comme la masse ponctuelle du point
ωi d'abscisse xi , donc E (X ) est le barycentre ou le centre de gravité de
ces points aecté de masses.
Si X prend les valeurs x1 ≤ x2 ≤ x3 ≤ ... ≤ xn alors x1 ≤ E (X ) ≤ xn

Exemple
On lance un dé équilibré, si X représente le numéro de la face obtenue alors :
6 6
1X 1 7
x = (1 + 2 + 3 + 4 + 5 + 6) =
X
E (X ) = pi xi =
i=1
6 i=1 i 6 2
Pr.Y.BENSLIMANE Variables aléatoires discrètes
 Outline
Notations et dénitions
Propriétés Espérence mathématique
Fonction de répartition Variance
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Exercice
Une urne contient six boules : deux vertes et quatre rouges. Deux joueurs A et
B tirent avec remise une boule, le joueur A gagne la mise s'il tire une boule
verte, tandis que le joueur B gagne s'il tire une boule rouge. Quelles doivent
être les mises respectives a et b de ces deux joueurs pour que le jeu soit
équitable.

Proposition
1 E (X + a) = E (X ) + a, ∀a ∈ IR
2 E (aX ) = aE (X ), ∀a ∈ IR

Preuve :

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés Espérence mathématique
Fonction de répartition Variance
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Denition
pi (xi − E (X ))2
X
V (X ) =
i∈I

exprime la dispression des valeurs xi par la v.a autour de la moyenne en

probabilité E (X )

Proposition
1 V (X ) = E ((X − E (X ))2 ) = E (X 2 ) − E 2 (X )
2 V (X + a) = V (X )
3 V (aX ) = a2 V (X )

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition Lois marginales
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

1 Notations et dénitions
2 Propriétés
3 Fonction de répartition
4 Moments d'une v.a discrète
Espérence mathématique
Variance
5 Couple aléatoire
Lois marginales
6 Les lois usuelles
Loi de Bernoulli
Loi Binomiale
Loi Hypergéométrique
Loi Géométrique
Loi de Poisson

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition Lois marginales
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Denition
1 Soient X et Y deux v.a dénies sur le même espace probabilisé (Ω, A, P).
On appelle couple aléatoire (X , Y ) l'application
Ω → IR 2
(X , Y ) :
ω 7 → (X (ω), Y (ω)) ⊂ {(xi , yj ), i ∈ I , j ∈ J}

2 On appelle loi conjointe ou loi du couple (X , Y ), l'ensembleX des couples

{((xi , yj ), pij ), (i, j) ∈ I × J} avec pij ≥ 0 ∀(i, j) ∈ I × J et pij = 1
ij

Exemple
On jette deux dés, soient X et Y deux variables indiquant respectivement les
numéros des faces Ω = {(i, j)/i = 1, 2, ..., 6 et j = 1, 2, ..., 6} Card(Ω) = 36,
(X , Y )(Ω) = {xi , yj )/i = 1, 2, ..., 6 et j = 1, 2, ..., 6} et
1
avec pij = 1
X
P((X , Y ) = (xi , yj )) = pij =
36 ij

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions
Propriétés
Fonction de répartition Lois marginales
Moments d'une v.a discrète
Couple aléatoire
Les lois usuelles

Denition
La loi marginale de X est donnée par Pi. = P(X = xi ) =
X
pij
j∈J

La loi marginale de Y est donnée par P.j = P(Y = yj ) =

X
pij
i∈I

Indépendance
Deux v.a sont indépendantes si
P(X = xi , Y = yj ) = P(X = xi ) × P(Y = yj )

Proposition
1 E (X + Y ) = E (X ) + E (Y )
2 Si X et Y sont indépendantes alors V (X + Y ) = V (X ) + V (Y )

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

1 Notations et dénitions
2 Propriétés
3 Fonction de répartition
4 Moments d'une v.a discrète
Espérence mathématique
Variance
5 Couple aléatoire
Lois marginales
6 Les lois usuelles
Loi de Bernoulli
Loi Binomiale
Loi Hypergéométrique
Loi Géométrique
Loi de Poisson

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

Soit A un événement de probabilité p . Considérons l'expérience d'obtenir un

événement élémentaire ω et d'observer si A se présente. On dit que X suit la
distribution de Bernoulli si :
1 si ω ∈ A

X (ω) =
0 sinon

Fonction de densité

f (0) = P(X = 0) = 1 − p = q et P(X = 1) = p

Espérance et variance

E (X ) = p et Var (X ) = pq
On note X ∼ B(p)

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

Utilisation :
(i) Succès dans un jeu binaire
Exemple 1 : pile/face. X = 1 si pile, X = 0 sinon, alors X ∼ B(1/2)
Exemple 2 : jeu de dé. X = 1 si résultat = 3, X = 0 sinon, alors X ∼ B(1/6)
(ii) Réponse oui/non dans un sondage
Exemple : X = 1 si une personne approuve la réforme des retraites, X = 0
sinon, alors X ∼ B(p), avec p inconnu

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

Soit A un événement de probabilité p et considérons n preuves indépendantes,

dans chacune desquelles l'événement A peut se présenter ou non. Soit X le
nombre de fois que A se présente. X prend les valeurs de 0 à n et on dit que X
suit la distribution binomiale, qui est indiqué par Bin(n, p)

Fonction de densité

f (k) = P(X = k) = Cnk p k (1 − p)n−k , k = 0, 1, ...n

Espérance et variance

E (X ) = np et Var (X ) = npq

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

Utilisation :
(i) Nombre de succès dans une épreuve de Bernoulli répétée n fois
indépendamment
Exemple : On lance un dé 9 fois. X = nombre de 3 obtenus, alors
X ∼ Bin(9, 1/6), P(X = 2) = 0.28
(ii) Comptage d'un caractère dans un tirage avec remise
Exemple : lot de 1000 pantalons dont 10% défectueux. On tire 15 pantalons
avec remise. X =nombre de pantalons défectueux obtenus, alors
X ∼ Bin(15, 1/10)

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

Il s'applique aux tirages sans remise. Supposons que dans une urne il y ait N
boules desquelles N1 sont blanches et N2 sont noires. Nous tirons n boules sans
remise. La fonction de kdensité
n−k
du nombre X de boules blanches tirée est :
CN1 CN2
f (k) = P(X = k) = avec k = 0, ..., min{n, N1 }
CNn1 +N2
N −n N
De plus on a : E (X ) = np et Var (X ) = npq avec p = 1 et
N −1 N
N2
q= =1−p
N

Le contexte d'utilisation de la loi Hypergéométrique est le même que celui de la

loi Binomiale, la seule diérence est le mode de tirage : avec remise dans le cas
Binomiale, et par conséquent la proportion p du caractère A est constante ;
sans remise dans le cas Hypergéométrique, et par conséquent la proportion p
du caractère A est changeante.

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

Il s'applique aux tirages sans remise. Supposons que dans une urne il y ait N
boules desquelles N1 sont blanches et N2 sont noires. Nous tirons n boules sans
remise. La fonction de kdensité
n−k
du nombre X de boules blanches tirée est :
CN1 CN2
f (k) = P(X = k) = avec k = 0, ..., min{n, N1 }
CNn1 +N2
N −n N
De plus on a : E (X ) = np et Var (X ) = npq avec p = 1 et
N −1 N
N2
q= =1−p
N

Le contexte d'utilisation de la loi Hypergéométrique est le même que celui de la

loi Binomiale, la seule diérence est le mode de tirage : avec remise dans le cas
Binomiale, et par conséquent la proportion p du caractère A est constante ;
sans remise dans le cas Hypergéométrique, et par conséquent la proportion p
du caractère A est changeante.

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

La loi géométrique est la loi du nombre d'essaies nécessaires pour faire

apparaître un événement de probabilité p :
f (k) = P(X = k) = p(1 − p)k−1 , k = 1, 2, ..., +∞

En posant q = 1 − p , on trouve aisément : E (X ) = 1/p et Var (X ) = q/p 2 .

On notera X ∼ G (p)

Utilisation :
Instant de 1er succès dans un jeu binaire Exemple : jeu de dé. X = 1er lancer
pour lequel résultat = 6, alors X ∼ G (1/6), P(X = 5) =?

Pr.Y.BENSLIMANE Variables aléatoires discrètes

 Outline
Notations et dénitions Loi de Bernoulli
Propriétés Loi Binomiale
Fonction de répartition Loi Hypergéométrique
Moments d'une v.a discrète Loi Géométrique
Couple aléatoire Loi de Poisson
Les lois usuelles

Poisson
C'est une variable aléatoire qui prend ses valeurs dans IN , et qui satisfait à la
λk
loi suivante : f (k) = P(X = k) = e −λ où λ est une constante positive.
k!
On peut monter que : E (X ) = Var (X ) = λ

Utilisation de la loi de Poisson (exemples) :

Nombre de clients entrant dans un magasin de 14h à 17h
Nombre de bus passant à un arrêt en 35 mn
Nombre de requêtes sur un serveur de minuit à 6h

Règle empirique : Si n → +∞, p → 0 et np → λ, on approche Bin(n, p) par

P(λ). En pratique, cette règle est appliquée pour n ≥ 30 et np ≤ 5 ou p ≤ 0.1
et n ≥ 50

Pr.Y.BENSLIMANE Variables aléatoires discrètes