Académique Documents
Professionnel Documents
Culture Documents
Stéphane ROBIN
Université Paris 1 Panthéon-Sorbonne
Département de Gestion – EM Sorbonne
Lois continues: La VA X suit une loi de Bernoulli de paramètre p, notée B(1; p),
Loi uniforme continue si elle prend la valeur 1 avec une probabilité p et la valeur 0
Loi normale avec une probabilité 1 – p = q.
Loi du Khi-deux
Loi de Student On appelle aussi X variable aléatoire indicatrice car elle
Loi de Fisher indique l'éventuelle réalisation d'un évènement de probabilité p.
E(X) = p Par exemple, si on jette n fois une pièce (en misant sur face), elle
permet de déterminer le nombre k (k ≤ n) où on obtient
Var(X) = p(1 – p) = pq effectivement la valeur face.
L'espérance et la variance d'une VA X suivant la loi Binomiale La somme de m VA de Bernoulli B(1, p) mutuellement
de paramètres n et p sont égales respectivement à: indépendantes est une VA binomiale B(m, p)
VA X de loi P(λ)
0.8
0.7
se produit pendant une période de temps donnée (ou une unité 0.6
Pr(X<=x)
λ=2
0.5
0.4
équivalente) 0.3
0.2
0.1
0
En abscisse: valeurs de X
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0.8
0.6
Pr(X<=x)
λ=5 0.5
0.4
0.9
0.8
λ = 10
0.6
Pr(X<=x)
0.4
0.3
0.1
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Valeurs de X
0.4 0.8
0.3 0.6
0.25 0.5
f(x)
f(x)
Pr(µ-2σ < X < µ+2σ) ≈ 95%
0.2 0.4
0.15 0.3
0.1 0.2
0.05
0 0
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
Valeur de x Valeurs de x
mu = 0 mu = 2 mu = 4 sigma = 0.5 sigma = 1 sigma = 2
1 1
0.8 0.8
F(x)
F(x)
0.6 0.6
0.4 0.4
F(u) = Pr(X ≤ u)
0.2 0.2
f(x)
0 0
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
Valeurs de x Valeurs de X 1-F(u) = Pr(X > u)
mu = 0 mu = 2 mu = 4 sigma = 0.5 sigma = 1 sigma = 2
Valeurs de x u
Pr(X ≤ µ+x)
= F(µ+x)
1 – Pr(X ≤ µ+x) 1 – Pr(X ≤ µ+x)
Pr(X ≤ µ-x) = 1 – F(µ+x)
= 1 – F(µ+x)
= F(µ-x) Pr(µ -2σ ≤ X ≤ µ +2σ)
≅ 0,95
(
N λ, λ )
S. Robin L3 Gestion et Finance S. Robin L3 Gestion et Finance
Loi N(0,1): densité et répartition Passage de la loi N(µ, σ) à la loi N(0,1)
Une VA X à valeurs dans suit une loi normale centrée On passe de X ~ N(µ,σ) à Z ~ N(0,1) avec Z = (X - µ)/σ
réduite, notée N(0, 1), si X est continue et admet pour densité N(µ,σ) N(0,1)
de probabilité la fonction φ suivante:
Pr(X ≤ µ+x) Pr(Z ≤ x)
1 x²
φ ( x) = exp − = F(µ+x)
1 – Pr(X ≤ µ+x)
= Φ(x)
1 – Pr(X ≤ x)
2π 2 = 1 – F(µ+x) = 1 – Φ(x)
où Γ représente la fonction gamma d'Euler: Où X est une VA distribuée selon la loi du Khi-deux χ²(p).
+∞
∫x
r −1
Γ( r ) = exp(− x)dx Attention, contrairement à la loi Normale, la loi du Khi-deux
0 n'est pas symétrique!
U Convergence en loi
Si U~N(0,1) et X~χ²(n), alors T = ~ St(n)
X n Convergence "presque sûre" (non développée ici)
La convergence en probabilité vers la VA X est définie comme Pour des VA discrètes X1, …, Xn, la convergence en loi vers une
la convergence de la suite X1-X, …, Xn-X vers 0. VA discrète X s'écrit : Pr(Xn = x) = Pr(X = x). On établit ainsi la
convergence (vue en 1.1) de la Binomiale vers la loi de Poisson.
X 2 2 (Wilson-
3 ~ N 1 − , Hilferty)
p 9p 9p
S. Robin L3 Gestion et Finance