Académique Documents
Professionnel Documents
Culture Documents
net/publication/356791724
CITATIONS READS
0 1,447
1 author:
Kamel Tahri
Abou Bakr Belkaid University of Tlemcen
29 PUBLICATIONS 36 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Elliptic equation with Kirchhoff type and singular term View project
All content following this page was uploaded by Kamel Tahri on 06 December 2021.
LICENCE MATHÉMATIQUE
ANNÉE : 2020-2021
TABLE DES MATIÈRES
Introduction 4
2
TABLE DES MATIÈRES
Bibliographie 103
La théorie des probabilités remonte au début du dix septième siècle c’était une consé-
quence des études portées aux jeux de hasard qui remontent à l’antiquité (Égypte, Irak,
Grèce et Rome). Depuis, des mathématiciens s’y sont intéressés de plus prés , quoique on
n’a pu y mettre des axiomes que récemment (dans les années vingt et trente de ce siècle).
Cette théorie est devenue de plus en plus importante durant ces dernières années.Des idées
de probabilités et de statistique sont présentes dans la plupart des domaines : sciences natu-
relles, chimie, biologie, médecine, psychologie etc...
Ce cours est destiné aux étudiants de 3ème année ingénieurs informatique et autres tech-
nologues et scientifiques. Un premier chapitre est consacré aux variables aléatoires discrètes
et des exercices d’application. Le chapitre II est consacré aux variables aléatoires continues
et des exercices d’application.
4
CHAPITRE 1
Définition 1 :
Remarque 1 :
Définition 2 :
On dit que les variables aléatoires X et Y sont indépendantes lorsque pour tout (x, y) ∈
R2 , les évènements |X ≤ x| et [Y ≤ y] sent indépendants, c’est à dire :
5
CHAPITRE 1. COUPLES DE VARIABLES ALÉATOIRES DISCRÈTES
Propriétés 1 :
3. pour tout évènement A ∈ AX (Rappelons que AX est la plus petite tribu conte-
nant tous les évènements [X ≤ x], x ∈ R. Elle représente l’information fournie
par X) et tout évènement B ∈ AY :
P(A ∩ B) = P(A)P(B)
Remarque 2 :
Propriétés 2 :
Propriétés 4 :
{x
Démonstration. On fixeXune numérotation du support X(Ω) = i , i ∈ N} .E(X|B) existe si et
seulement si la série xi PB (X = xi ) converge absolument. Or X et Y étant indépendantes et
X
B ∈ AY , on aPB (X = xi ) = P (X = xi ) . Ainsi E(X|B) existe si et seulement si xi P (X = xi )
converge absolument, c’est à dire si et seulement si E(X) existe. De plus, on a :
E(X) = E(X|B)
Remarque 3 :
Définition 3 :
Définition 4 :
On appelle tribu associée au couple aléatoire (X, Y) la tribu notée A(X,Y) engendrée par
les évènements ([X 6 x] ∩ [Y 6 y])(x,y)∈R2 . C’est la plus petite tribu contenant tous ces
évènements.
Définition 5 :
On appelle loi du couple aléatoire (X, Y) (ou loi conjointe de (X, Y) ) la donnée de la
fonction F(X,Y) : R2 → R, appelée répartition conjointe, définie par :
La loi de X est appelée la première loi marginale du couple (X, Y), et la loi de Y la
seconde loi marginale de (X, Y).
Remarque 4 :
Propriétés 5 :
Propriétés 6 :
On suppose que :
i) les couples (X1 , Y1 ) et (X2 , Y2 ) ont la même loi conjointe,
ii) g est une fonction continue a sur R2 à valeurs dans R.
Alors les variables aléatoires g (X1 , Y1 ) et g (X2 , Y2 ) ont la même loi pour la définition
de la continuité d’une fonction de R2 dans R.
Lorsque X et Y sont finies, la loi du couple (X, Y) peut être représentée par un tableau
à double entrée.
HH
y
H
HH y1 y2 ... ym
x HH
Exercice 1 :
Propriétés 8 :
Remarque 6 :
Lorsque la loi de (X, Y) est représentée par un tableau, la somme de toutes les proba-
bilités du tableau vaut 1.
Propriétés 9 :
Soient I et J des ensembles finis ou dénombrables, et soit (pi,j )(i,j)∈I×J une famille de
réels satisfaisant :
i) ∀(i, j) ∈ I × J, pi,j ≥ 0,
ii) la famille (pi,j )(i,j)∈I×J est sommable et sa somme vaut 1.
Alors la famille (pi,j )(i,j)∈I×J définit une loi conjointe de probabilité, c’est à dire qu’il
existe un couple de variables discrètes (X, Y) sur un espace probabilisé (Ω, A , P) tel
que : X(Ω) × Y(Ω) = I · ×J et ∀(i, j) ∈ I × J, P([X = i] ∩ [Y = j]) = pi,j .