Ecole Supérieure des Sciences de Gestion d’Annaba

Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

Chapitre 3 : Introduction à l’étude des variables aléatoires réelles continues à 1 dimension

1. DEFINITION DE LA LOI DE PROBABILITE

Notation

 f : fonction de densité de probabilité (application)

a. Le support
X ()  IR  X ( )   a , b 
Le support est un ensemble infini non dénombrable.
b. La fonction de densité de probabilité
f : IR  IR 
x  IR  f ( x)  IR 

c. Propriétés de la fonction de densité de probabilité

 f continue sur IR sauf en quelques points dont le nombre est limité

 f ( x)  0 x  IR


 P ()  

f ( x) dx  1

2. DEFINITION DE L’EVENEMENT ELEMENTAIRE

Notation

 dx : évènement élémentaire ou intervalle élémentaire (le plus petit intervalle)

dx  0
Obtention de la fonction de densité de probabilité

P ( x  X  x  x)  P ( X  x  x)  P ( X  x) (x  0)

 P ( X  x  x)  P ( X  x)
 F ( x  x)  F ( x)
Si la fonction de répartition F est une fonction dérivable, on peut alors écrire :
F ( x  x)  F ( x) F dF
lim  lim 
x  0 x x  0 x dx
dF
and  f ( x)
dx
dF
 f (x)
dx
Remarque :
 La fonction de densité de probabilité est obtnue en dérivant la fonction de réartition
 La fonction de répartition est donc la fonction primitive de la fonction de densité de probabilité
dF
 f ( x)  dF  f ( x) dx
dx
dF  f ( x) dx  P( x  X  x  dx)  f ( x) dx

|P a g e 1
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

Lecture de : f ( x) dx
f ( x) dx : probabilité f (x) de réalisation de l’évènement élémentaire dx
f ( x) dx est l’équivalent de P ( X  x) dans le cas discret
Remarque :
Si X est une variable aléatoire réelle continue, alors nécessairement, nous avons :
P( X  x)  0
3. DEFINITION DE LA FONCTION DE REPARTITION
Notation

 F (x) : fonction de répartition


F ( x)  P X 1    , x   
 P ( X  x)
x
  f (t ) dt


a. Propriétés de la fonction de répartition

 F continue sur IR sauf en quelques points dont le nombre est limité

 F est de classe C 1
 F ( x)  0 x  IR
 x j  xi  F ( x j )  F ( xi ) x j , xi  IR (i  j )
 lim F ( x)  0
x  

 lim F ( x)  1
x

b. Calcul des probabilités à l’aide de la fonction de répartition

1er cas : xi  x j (i  j )

 
P ( xi  X  x j )  P X 1  xi , x j  
 P ( X  x j )  P ( X  xi )
 P ( X  x j   )  P ( X  xi ) (  0 and   0)
x j  xi

  f (t ) dt   f (t ) dt
 

 F ( x j   )  F ( xi )

P ( xi  X  x j )  F ( x j   )  F ( xi )
 F ( x j )  F ( xi )

|P a g e 2
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

2ème cas : xi  x j (i  j )
P ( xi  X  x j )  1  P ( xi  X  x j )
x i 
 X  x j  xi  X  x j  
x  X  xj
i   x
i  X  xj  
P ( xi  X  x j )  1  P ( x j  X  xi )

 1  F ( xi )  F ( x j   ) 
x j 
 xi

 1    f (t ) dt   f (t ) dt 

   



P( xi  X  x j )  1  F ( xi )  F ( x j   ) 
Exemple 1
Soit la fonction f définie ci-après :

 1 1 9
 x
f ( x)   2 x 4 4
0
 sinon
1. Précisez le support
2. Vérifier que f est une fonction de densité de probabilité
3. Représenter graphiquement la fonction de densité de probabilité
4. Calculer la fonction de répartition
5. Représenter graphiquement la fonction de répartition
6. Calculer les probabilités suivantes à l’aide de la fonction de répartition
P( X  1 / 2); P( X  3 / 4); P(1 / 2  X  3 / 4); P(3 / 4  X  1 / 2)
Solution
1. Précision du support

1 9
X ()   , 
4 4
2. Vérification que f est une fonction de densité de probabilité

f est une fonction de densité de probabilité, si elle vérifie les propriétés connues à savoir :
 f est continue par morceaux sur IR :
 Elle est continue dans le domaine :  ,1 / 4    9 / 4,  ; c’est la fonction nulle
 Elle est continue dans le domaine :  1 / 4,9 / 4  ; c’est la fonction non linéaire
 f ( x)  0 x  IR ; propriété vérifiée d’après les données
?
 P ( )  1
9/4
P ()  
1/ 4
f ( x ) dx

9/4
1 dx

2 1/ 4
 x


1
2
2  x  9/4
1/ 4

 
x  9/4
1/ 4

9 1
  1
4 4

|P a g e 3
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

Les 3 propriétés étant vérifiées, f est donc une fonction de densité de probabilité.
3. Représentation graphique de la fonction de densité de probabilité

f (x)
1

0.9

1
0.8
f ( x) 
0.7 2 x
0.6

0.5

0.4

0.3

0.2

0.1
x
-4 -3 -2 -1 0 1 2 3 4 5 6

4. Calcul de la fonction de répartition

  x  1/ 4 

F1 ( x)  P X 1   , x   
 P ( X  x)
x1 / 4


 f (t ) dt
0
 x  9/ 4

F2 ( x)  P X 1   , x   
 P ( X  x)
x 9 / 4

 

f (t ) dt

1
x  
4 x 9 / 4

 

f (t ) dt  1
f (t ) dt
4
x 9 / 4
1  1 dt
 F1     
4  2

1 t
4

0
1
2
2 t   x
1/ 4

1
 x
2
 x   
F3 ( x)  P X  1
  , x   
 P ( X  x)
x  
  f (t ) dt

9
x
4 x  
  f (t ) dt   f (t ) dt
 9

4
x  
9
 F2    0  dt
4 9

4

9 1
 
4 2
1

|P a g e 4
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

 1
0 x
4

 1 1 9
F ( x)   x  x
 2 4 4
 9
1 x
 4

Remarquez que :

 1
0 x
4

dF ( x)  1 1 9
f ( x)   x
dx 2 x 4 4
 9
0 x
 4
5. Représentation graphique de la fonction de répartition
F (x)
1

0.9

0.8

0.7

0.6

1
0.5
F ( x)  x 
0.4 2
0.3

0.2

0.1 x
-5 -4 -3 -2 -1 0 1 2 3 4 5

6. Calcul des probabilités suivantes à l’aide de la fonction de répartition

 1   1 
P X   1 P
 X  2


 2   
 1 
1 P X  
 2 
 1 
1 F  
 2 
 1 1 
1  2 2 

 
3 1
 
2 2
 0.7929

 3   3 
P X  F 
 4   4 
3 1
 
4 2
3 1
 
2 2
 0.3660

|P a g e 5
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

 1 3   3   1 
P  X    P X    P X  2


 2 4   4   
 3   1 
F F 
 4   2 
 3 1  1 1
  
 4  2  2  2

   
3 1
 
2 2
 0.1589

 3 1   3 1 
P  X    1 P 
 4  X  2 

 4 2   
 1 3 
 1 P   X  
 2 4 
 1  0.1589
 0.8411

4. LES CARACTERISTIQUES NUMERIQUES

4.1 Définition de l’espérance mathématique

E( X )   x f ( x) dx
xIR

Propriétés de l’espérance mathématique : voir cas discret

4.2 Définition de la variance

Var ( X )  E ( X 2 )   E ( X ) 
2

E( X 2 )  x
2
f ( x) dx
xIR

Propriétés de la variance : voir cas discret

4.3 Définition de la médiane
1
P( X  x)   x  Me
2
1
F ( Me) 
2
Me
F ( Me)   f ( x) dx

4.4 Définition du mode
 d f ( x)
 dx  0  x  Mo

x  Mo   
 d 2 f ( x)
 0
 dx 2

|P a g e 6
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

Exemple 2

Soit la fonction de densité f définie ci-après :

 1
 a xb (a, b)  IRxIR * ( a  b)
f ( x)   b  a
0 sinon

1. Précisez le support
2. Calculer la fonction de répartition
3. Calculer l’espérance mathématique
4. Calculer la variance
Solution
1. Précision du support
X ( )   a , b 
2. Calcul de la fonction de répartition
 x  a 
F1 ( x)  P X 1   , x   
 P ( X  x)
xa
  f (t ) dt


0
 x  b

F2 ( x)  P X 1   , x   
 P ( X  x)
x b

  f (t ) dt

x  a  x b

 

f (t ) dt   f (t ) dt
a
x b

 F1 a    
1
ba  dt
a

0
1
t xa
ba
xa

ba

 x  

F3 ( x )  P X 1   , x   
 P ( X  x)
x 
  f (t ) dt

x b x 
 

f (t ) dt   f (t ) dt
b 
x  
 F2 b   0  dt
b 

1

|P a g e 7
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

0 xa
x  a

F ( x)   a xb
b  a

1 xb

Remarquez que :

0 xa
dF ( x) 
 1
f ( x)   a xb
dx b  a

0 xb

3. Calcul de l’espérance mathématique

b
E( X )   x f ( x) dx
a
b
1

ba  x dx
a


1
2 (b  a )
x2  
b
a

b2  a 2

2 (b  a )
ab

2
4. Calcul de la variance

Var ( X )  E ( X 2 )  E ( X )
2

b
E ( X 2 )   x 2 f ( x) dx
a
b
1
 x
2
dx
ba a


1
3 (b  a )
x3   b
a

b3  a3

3 (b  a )
(b  a ) ( a 2  ab  b 2 )

3 (b  a )
( a 2  ab  b 2 )

3
( a  b) 2  a b

3

( a  b) 2  a b  a  b 
2

Var ( X )   
3  2 
( a  b) 2 a b ba
 X  
12 2 3 2 3

|P a g e 8
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

5. LES MOMENTS
5.1 Définition du moment simple d’ordre r

mr  E ( X r )
 x (r  IN * )
r
f ( x) dx
xIR

si r  1  m1  E ( X )
si r  2  m2  E ( X 2 )
5.2 Définition du moment centré d’ordre r

ur  E  X  E ( X )   r

   X  E( X )  (r  IN * )
r
f ( x) dx
xIR

si r  1  u 1  0
si r  2  u 2  Var ( X )
 m2   m 1 
2

5.3 Définition du moment factoriel d’ordre r

m rF  E ( X !)
 E  X ( X  1) ( X  2)...( X  r  1)  (r  IN * ) ( r  x)

r  1  m1F  m1  E ( X )

m 2F  E  X ( X  1) 

r 2  E( X 2 )  E( X )
  m 2  m1

u 2  Var ( X )
 m 2  (m 1 ) 2
 ( m 2F  m 1F )  ( m 1 ) 2

|P a g e 9
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

6. DEFINITION DE LA FONCTION GENERATRICE DES PROBABILITES

G ( )  E ( X )
 
x
f ( x) dx
xIR

 1
a. La condition de normalisation
  1  G (1)  1
b. La détermination du moment factoriel d’ordre r à l’aide de la fonction génératrice des probabilités

 d r G ( ) 
m rF   
 d
r
  1
7. DEFINITION DE LA FONCTION GENERATRICE DES MOMENTS

M ( )  E (e  X )

e
x
 f ( x) dx
xIR

 1
a. La condition de normalisation
  0  M (0)  1
b. La détermination du moment simple d’ordre r à l’aide de la fonction génératrice des moments

 d r M ( ) 
mr   
 d
r
  0
Exemple 3

Soit la fonction de densité f définie ci-après :


a e
a x
x0 (a  IR * )
f ( x)  

0 sinon
1. Précisez le support
2. Calculer la fonction de répartition
3. Calculer la médiane
4. Calculer l’espérance mathématique
5. Calculer la variance
6. Calculer la fonction génératrice des probabilités
7. Calculer la moyenne et la variance à l’aide de la fonction génératrice des probabilités
8. Calculer la fonction génératrice des moments
9. Calculer la moyenne et la variance à l’aide de la fonction génératrice des moments

| P a g e 10
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

Solution
1. Précision du support
X ()  IR *
2. Calcul de la fonction de répartition

 x  0

F1 ( x)  P X 1   , x   
 P ( X  x)
x 0


 f (t ) dt
0

 x   

F2 ( x )  P X 1   , x   
 P ( X  x)
x  
  f (t ) dt

x 0 x  
 

f (t ) dt   f (t ) dt
0 
x  
 F1 0   a e
a t
dt
0 


 0   e a t  x
0 

 1  e a x


0 x0
F ( x)   a x
1  e
 x0 (a  IR * )

Remarquez que :

dF 0 x0
f ( x)  
dx a e a x x0 (a  IR * )
3. Calcul de la médiane
1
x  Me  F ( x) 
2
 1
1  e a x 
1  2
F ( x)   
2  1  1  x  Me  Ln 2

 ea x 2 a

| P a g e 11
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

4. Calcul de l’espérance mathématique (méthode directe)


E( X )   x f ( x) dx
0 

 a  x e a x dx
0 

 a  u dv

 u dv  u v  v  du intégratio n par parties

u  x  du  dx
 1
dv  e a x dx  v   e a x
 a

 x e a x 1 

e
a x
E ( X )  a   dx 
 a a 0 

  x e a x e
 a x
0   dx
0

 0
a

1 a x
e 

0 

1
 (0  1)
a
1

a
5. Calcul de la variance (méthode directe)

Var ( X )  E ( X 2 )  E ( X )
2


E( X 2 )  x
2
f ( x) dx
0

 a  x 2 e a x dx
0 

 a  u dv

 u dv  u v   v du intégratio n par parties

u  x  du  2 x dx
2

 1
dv  e a x dx  v   e a x
 a
 x 2 e a x 2  a x 
E ( X 2 )  a    x e dx 
 a a 0  
2 


  x 2 e a x   a  x e a x dx 
0  a  0  
2
 0  E( X )
a
 2  1 
   
 a  a 
2
 2
a

| P a g e 12
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

Var ( X )  E ( X 2 )  E ( X )
2

2 2
2 1 1 1
       X 
a a
2
a a
6. Calcul de la fonction génératrice des probabilités
G ( )  E ( X )

 
x
f ( x) dx
0

 a   x e a x dx
0 


  e 
a x
a dx
0


Ln   e 
 e  
a
a
a x 
0 


a
Ln   a
  e   a x 
0 

x

lim  e a  x
 lim
x
   x . lim  e a 
x
x

 1  1

0

lim
x 0 
 e  a x
1

a
 G ( )  (0  1)
Ln   a
a

a  Ln 

a
G ( ) 
a  Ln
On vérifie bien que G (1)  1 ; la fonction obtenue est donc une fonction génératrice des probabilités.

7. Calcul de la moyenne et de la variance à l’aide de la fonction génératrice des probabilités

a. Calcul de l’espérance mathématique
m1F  m1
 E( X )
 dG ( ) 

 d   1
 a 
 2 
  (a  Ln  )   1
1

a

| P a g e 13
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

b. Calcul de la variance

Var ( X )  E ( X 2 )   E ( X ) 
2

 m2  m1 
2

 (m 2F  m1F )  m1 
2

m 2F  E  X ( X  1) 
 d 2G ( ) 
 
 d
2
  1
 2a a 
 2  2 2 
  ( a  Ln  ) 3
 ( a  Ln  )   1
2 1
 2 
a a
2a

a2
2a 1 1 1 1
Var ( X )      2  2  X 
 
2
a a a a a

8. Calcul de la fonction génératrice des moments

M ( )  E (e X )


e
x
 f ( x) dx
0


e
x
a e a x dx
0


e
x (  a )
a dx
0


a
 a
e  x (  a )  
0

lim e x (  a )  0
 x  
 a0
 lim e x (  a )  1
x 0  

M ( ) 
a
 a

e x (  a ) 

0

a
 (0  1)
 a
a

a 
a
M ( ) 
a 
On vérifie bien que M (0)  1 ; la fonction obtenue est donc une fonction génératrice des moments.

| P a g e 14
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

9. Calcul de la moyenne et de la variance à l’aide de la fonction génératrice des moments

a. Calcul de l’espérance mathématique
m1  E ( X )
 dM ( ) 

 d   0
 a 
 2 
 ( a   )   0
1

a
b. Calcul de la variance

Var ( X )  m 2  m1 
2

m2  E (X 2)
 d 2 M ( ) 
 
 d
2
  0
 2a 
 3 
 ( a   )   0
2

a2

2 1
Var ( X )  2
 2
a a
1 1
 2 X 
a a
Remarquez que :

 r !a 
mr   r 1 
r  1,2
 ( a   )   0

| P a g e 15
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

8. DEFINITION DE LA LOI DE PROBABILITE D’UNE FONCTION D’UNE VARIABLE ALEATOIRE RELLE CONTINUE

 Soit la variable aléatoire réelle Y tel que : y   (x) ; Y a pour fonction de densité g supposée inconnue

 La variable aléatoire réelle Y a pour fonction de répartition : G

 Soit la variable aléatoire réelle X de fonction de densité f supposée connue
 La variable aléatoire réelle X a pour fonction de répartition : F
 Soit l’application 

8.1 Détermination de la fonction de densité g lorsque l’application  est bijective

1er cas : l’application  est monotone croissante

X  x    Y   (x) 

Y  y  est l’évènement image de l’évènement antécédent  X  x  ce qui permet d’écrire :

P( X  x)  P Y   ( x)
F ( x)  G ( x)
dF ( x) dG ( x)

dx dx
d  ( x)
f ( x)  g ( y )
dx
f ( x)
 g ( y) 
d  ( x)
dx
f ( x)

 ' ( x)
f ( x)
g ( y) 
 ' ( x)
2ème cas : l’application  est monotone décroissante

 X  x   Y   (x) 
Y  y  est l’évènement image de l’évènement antécédent  X  x  ce qui permet d’écrire :
P ( X  x )  P Y   ( x ) 

F ( x)  1  P Y   ( x) 
 1  P Y   ( x ) 
 1  P Y   ( x )   
 1  P Y   ( x ) 
 1  G ( ( x) )

| P a g e 16
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

dF ( x) d  1  G   ( x)  

dx dx
 d  G   ( x)  
f ( x) 
dx
  d ( x) 
 g ( y)
 dx 
f ( x)
 g ( y) 
d ( x)

dx
f ( x)

  ' ( x)

f ( x)
g ( y) 
  ' ( x)
Remarque : une fonction de densité est une fonction non négative d’où la relation générale ci-après :

 f ( x)
 y   ( x)
g ( y )    ' ( x)
0
 sinon

d  ( x)
si  0  G ( y )  1  F ( x)
dx
d  ( x)
si  0  G ( y )  F ( x)
dx

Exemple 4
 Soit la variable aléatoire réelle X de fonction de densité f supposée connue

 Soit la variable aléatoire réelle Y tel que : y  e x ; Y a pour fonction de densité g supposée inconnue
Déterminer la fonction de densité g
Solution
y   ( x)
 e x  x   1 ( y )
 Ln y
L’application  est bijective, d’où :
f ( x)
g ( y) 
 ' ( x)
f ( Ln y )

ex
f ( Ln y )

e Ln y
f ( Ln y )
g ( y) 
e Ln y

| P a g e 17
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires

8.2 Détermination de la fonction de densité g lorsque l’application  est surjective

Soit la relation générale ci-après qui définit la fonction de densité inconnue g :

 k 1 f ( xi )
 y   ( x)
g ( y )   i 1  ' ( xi )
0
 sinon

k : le nombre de solutions de l’équation : y   (x)

Exemple 5
 Soit la variable aléatoire réelle X de fonction de densité f supposée connue ; X ()  IR

 Soit la variable aléatoire réelle Y tel que y  x 2 ; Y a pour fonction de densité g supposée inconnue
Déterminer la fonction de densité g
Solution

y   ( x)  x 2  x  y

k 2
x1  y
x2   y
L’application  est surjective.
L’évènement image Y  y  possède 2 évènements antécédents.
Y  y   X  x

 P (Y  y )  P ( y  X 
 P (Y  y )  P  X  x   
y)

G ( y )  F ( y )  F (  y )


dG ( y ) dF ( y ) dF ( y )
 
dy dy dy
f ( y) f ( y )
g ( y)  
2 y 2 y


1
2 y
f( y )  f ( y ) 
g ( y) 
1
2 y

f ( y )  f ( y ) 
 ' ( x1 )  2 y 

   '(xi )  2 y i  1,2
 ' ( x 2 )  2 y 


f ( x1 )  f ( y )
f ( x 2 )  f ( y )

 k  2 f ( x i ) f ( y )  f ( y )

  ( y  IR * )
g ( y )   i 1  ' ( x i ) 2 y


0 sinon

| P a g e 18