Académique Documents
Professionnel Documents
Culture Documents
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
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
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
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}
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}
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
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
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
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
Remarque
Deux variables aléatoires X et Y peuvent avoir même loi sans être égales
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
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
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→+∞
Preuve
Denition
On appelle fonction de densité de probabilité d'une v.a X la fonction donnée
par :
f (x) = P(X = x)
Proposition
Soit X une v.a, on a :
0 ≤ f (x) ≤ 1
f (xi ) = 1
X
i
X
F (x) = f (xi )
xi ≤x
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"
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
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 :
Denition
pi (xi − E (X ))2
X
V (X ) =
i∈I
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 )
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
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}
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
Denition
La loi marginale de X est donnée par Pi. = P(X = xi ) =
X
pij
j∈J
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 )
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
Fonction de densité
E (X ) = p et Var (X ) = pq
On note X ∼ B(p)
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
Fonction de densité
E (X ) = np et Var (X ) = npq
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)
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
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
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) =?
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