Académique Documents
Professionnel Documents
Culture Documents
Sommaire
2.1 Loi de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Moment d’ordre k . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.1 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.2 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 V.a.r.d usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4.1 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4.2 Loi Binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.3 Loi géométrique . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.4 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . 8
Définition 2.0.1. On appelle variable aléatoire discrète sur l’univers Ω, “toute” applica-
tion : �
X : Ω → R ; tel que X (Ω) = { x0 < x1 < · · · }.
PX ( xi ) = P( X = xi ) = P{w ∈ Ω/ X (w) = xi }
DESSIN
5
6 CHAPITRE 2. VARIABLES ALÉATOIRES RÉELLES DISCRÈTES (V.A.R.D)
Notation 2.1.1.
( X = a) = {w ∈ Ω; X (w) = a}
( X ≤ b) = {w ∈ Ω; X (w) ≤ b}
( a < X ≤ b) = {w ∈ Ω; a < X (w) ≤ b}
FX : R → [0, 1]
x �→ P( X ≤ x )
Exemple 2.2.1. E : jeter deux dés parfaits D1 (rouge) et D2 (vert). On considère la v.a.r.d
{ X : Ω → R, tel que X (i, j) = |i − j|}.
Ω = {(i, j), 1 ≤ i, j ≤ 6}
X (Ω) = {0, 1, 2, 3, 4, 5}
xi 0 1 2 3 4 5
6 10 8 6 4 2
P( X = xi ) 36 36 36 36 36 36
FX ( x ) = P( X ≤ x ) = ∑ xi ≤ x P( X = xi ) = ∑ xi ≤ x PX ( xi ) = P({w; X (w) ≤
x })
0; si x < 0
6
36 ; si 0 ≤ x < 1
16
36 ; si 1 ≤ x < 2
FX ( x ) = 24
36 ; si 2 ≤ x < 3
30
36 ; si 3 ≤ x < 4
34
36 ; si 4 ≤ x < 5
1; si 5 ≤ x
FX ( x )
34/36 1
30/36
24/36
Fonction de répartition
16/36
6/36
x
0
−3 −2 −1 0 1 2 3 4 5 6 7
Mk ( X ) = ∑ xik P(X = xi )
i
2.3.1 Espérance
On appelle Espérance, le moment d’ordre 1 de X, on le note
E( X ) = M1 ( X ) = ∑ xi P ( X = xi )
i
Propriété 2.3.1. :
— Si X est égale à une constante λ alors E( X ) = λ.
— L’Espérance est une forme linéaire E(λX + βY ) = λE( X ) + βE(Y ).
— L’Espérance d’une v.a. peut être interprétée comme la moyenne des valeurs prises
par X.
2.3.2 Variance
On appelle Variance d’une v.a.r.d, le moment d’ordre 2 de la variable cen-
trée.
V ( X ) = E( X ) − ( E( X ))2
2
Propriété 2.3.2. :
1. V ( X ) ≥ 0 et V ( X ) = 0 ⇔ ∀i; ( xi = λ) ⇔ X est une constante.
2. V (λX ) = λ2 V ( X ) et V ( X + λ) = V ( X ); λ = constante.
3. La variance mesure le degré de dispersion d’une v.a X. Une petite variance corres-
pond à une petite dispersion (groupe très homogène). ne grande variance corres-
pond à un groupe très hétérogène.
4. V ( X + Y ) �= V ( X ) + V (Y ) ; sauf si X et Y sont indépendantes.
1. X (Ω) = {0, 1}
2. P( X = 1) = p, ( P( X = 0) = q = 1 − p)