Chapitre 3: Théorèmes fondamentaux

Said, El Melhaoui

Faculté des Sciences Juridiques, Economique et Sociales Oujda

Economie & Gestion/S2/Probabilités

http://elearning-ump.com/fsjeso/login/index.php

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 1 / 18

Outline

1 Vecteurs aléatoires (Couple de variables)

La loi jointe d’un couple de v.a.
Distributions marginales et distributions conditionnelles
Variables aléatoires indépendantes

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 2 / 18

 Vecteurs aléatoires (Couple de variables) La loi jointe d’un couple de v.a.

Problème

On considère deux variables aléatoires X et Y . On aimerait

connaître s’il y a influence entre ces deux variables et la quantifier
Exemple : On peut se poser la question de l’influence des
catastrophes (Pandémie, ouragans, Guerre, ...) sur le cours de la
bourse. La variable X modélisera alors les catastrophes
météorologiques et la variable Y le cours de la bourse

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 3 / 18

 Vecteurs aléatoires (Couple de variables) La loi jointe d’un couple de v.a.

Loi jointe

Définition
Soient X et Y deux v.a. La loi jointe de (X , Y ) est définie par sa
fonction de répartition

F(X ,Y ) : R × R − 7 → [0, 1]
(x, y ) 7−→ P(X ≤ x, Y ≤ y )

Les lois marginales du couple (X , Y ) sont la loi L(X ) de X , et la loi

L(Y ) de Y

N. B. À partir des lois marginales, on ne peut pas connaître la loi du

couple.

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 4 / 18

 Vecteurs aléatoires (Couple de variables) La loi jointe d’un couple de v.a.

Cas de variables discrètes

Soient X et Y deux v.a.discrètes, de supports respectives ∆X et

∆Y La loi du couple (X , Y ) est définie par l’ensemble des
probabilités :

P(X = x, Y = y ) avec x ∈ ∆X , y ∈ ∆Y

Dans le cas où les variables prennent un petit nombre de valeurs,

on écrit en général la loi du couple sous la forme d’un tableau de
contingence (tableau double entrée)

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 5 / 18

 Vecteurs aléatoires (Couple de variables) La loi jointe d’un couple de v.a.

Cas de variables discrètes: Exemple A

Exemple A. On lance une pièce équilibrée 3 fois.

Soit X le nombre de ‘Face’ obtenu dans les deux premiers jets
Y le nombre de ‘Face’ obtenu dans les deux derniers jets
La loi jointe PXY du couple (X , Y )?
Les lois marginales de X et Y ?Les lois et conditionnelles?

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 6 / 18

 Vecteurs aléatoires (Couple de variables) La loi jointe d’un couple de v.a.

Exemple A (suite)

La loi jointe du couple (X , Y ) est donnée par le tableau de

contingence :

X /Y 0 1 2 Px
0 1/8 1/8 0 2/8
1 1/8 2/8 1/8 4/8
2 0 1/8 1/8 2/8
Py 2/8 4/8 2/8 1

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 7 / 18

 Vecteurs aléatoires (Couple de variables) Distributions marginales et distributions conditionnelles

Cas de variables discrètes: Distributions marginales

Distribution marginale de X :
X
P(X = x) = P(X = x, Y = y ).
y

L’espérance marginale de X est

X
µX = E[X ] = xP(X = x)
x

La variance marginale de X est

X
σX2 = V [X ] = x 2 P(X = x) − µ2X .
x

Au tableau

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 8 / 18

 Vecteurs aléatoires (Couple de variables) Distributions marginales et distributions conditionnelles

Cas de variables discrètes: Distributions conditionnelles

Distribution conditionnelle de Y sachant que X = x :

P(X = x, Y = y )
P(Y = y |X = x) =
P(X = x)

pourvu que P(X = x) 6= 0

L’Espérance conditionnelle de Y sachant que X = x :
X
E[Y |X = x] = yP(Y = y |X = x)
y

La variance conditionnelle de Y sachant que X = x :

X
V [Y |X = x] = y 2 P(Y = y |X = x) − (E[Y |X = x])2
y

Au tableau

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 9 / 18

 Vecteurs aléatoires (Couple de variables) Distributions marginales et distributions conditionnelles

Variable aléatoire bivariée continue

Définition
La loi du couple de v.a. (X , Y ) admet une densité de probabilité s’il
existe une fonction bivariée f telle que
Z x Z y
F(X ,Y ) (x, y ) = f (u, v )dudv
−∞ −∞

telle que
1 f (x, y ) ≥ 0, ∀(x, y ) ∈ R2
R +∞ R +∞
−∞ −∞ f (u, v )dudv = 1
2

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 10 / 18

 Vecteurs aléatoires (Couple de variables) Distributions marginales et distributions conditionnelles

Variable bivariée continue: Distributions marginales

Distribution marginale de X :
Z +∞
fX (x) = f (x, y )dy
−∞

L’espérance marginale de X est

Z +∞
µX = E[X ] = xfX (x)dx
−∞

La variance marginale de X est

Z +∞
σX2 = V [X ] = x 2 fX (x)dx − µ2X
−∞

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 11 / 18

 Vecteurs aléatoires (Couple de variables) Distributions marginales et distributions conditionnelles

Variables bivariée continue: Distributions conditionnelles

Densité conditionnelle de Y sachant que X = x :

f (x, y )
fY |X =x (y ) = ;
fX (x)

pourvu que fX (x) 6= 0

Espérance conditionnelle de Y sachant que X = x :
Z +∞
E[Y |X = x] = yfY |X =x (y )dy
−∞

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 12 / 18

 Vecteurs aléatoires (Couple de variables) Variables aléatoires indépendantes

Couple de variables aléatoires indépendantes

Définition
X et Y sont dites indépendantes ssi

∀x et y , P(X ≤ x et Y ≤ y ) = P(X ≤ x) ∗ P(Y ≤ y )

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 13 / 18

 Vecteurs aléatoires (Couple de variables) Variables aléatoires indépendantes

Couple de variables aléatoires indépendantes

Proposition
Deux v.a. X et Y sont indépendantes
⇔ La fonction de répartition du couple vérifie

F(X ,Y ) (x, y ) = FX (x) ∗ FY (y )

⇔ Dans le cas discret ∀(x, y )

P(X = x, Y = y ) = P(X = x) ∗ P(Y = y )

⇔ Dans le cas continu, la densité du couple vérifie ∀(x, y )

f (x, y ) = fX (x) ∗ fY (y )

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 14 / 18

 Vecteurs aléatoires (Couple de variables) Variables aléatoires indépendantes

Covariance

La covariance permet d’estimer la dépendance entre deux variables

aléatoires
Définition
La covariance entre X et Y est

Cov (X , Y ) = σXY = E [(X − E(X )) ∗ (Y − E(Y ))]

La matrice de variance-covariance du couple (X , Y ) est

 
V (X ) Cov (X , Y )
Γ(X , Y ) =
Cov (X , Y ) V (Y )

N.B. La covariance est notée aussi par σXY et

Cov (X , Y ) = σXY = E[XY ] − E[X ]E[Y ]

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 15 / 18

 Vecteurs aléatoires (Couple de variables) Variables aléatoires indépendantes

Corrélation

Définition
Le coefficient de corrélation entre X et Y est :
Cov (X , Y )
ρ(X , Y ) =
σX ∗ σY

Propriétés
−1 ≤ ρXY ≤ 1
Si X et Y sont indépendantes, alors

Cov (X , Y ) = 0 et ρXY = 0

Attention: L’inverse de l’implication ci-dessus n’est pas vraie sauf

si les variables aléatoires sont, en plus, normales

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 16 / 18

 Vecteurs aléatoires (Couple de variables) Variables aléatoires indépendantes

Exemple A (suite)

La loi marginale de X est :

x 0 1 2
P(X = x) 2/8 4/8 2/8
L’espérance et la variance marginaux de X sont

E(X ) = 0 ∗ 2/8 + 1 ∗ 4/8 + 2 ∗ 2/8 = 1

V (X ) = 02 ∗ 2/8 + 12 ∗ 4/8 + 22 ∗ 2/8 − 12 = 1/2

N. B.

X ∼ B(2; 0.5) ⇒ µX = 2 ∗ 0.5 = 1 et σX2 = 2 ∗ 0.5 ∗ 0.5 = 1/2

Vu la symétrie le Y suit la même loi que X

Au tableau

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 17 / 18

 Vecteurs aléatoires (Couple de variables) Variables aléatoires indépendantes

Exemple A (suite)

La loi conditionnelle de Y |X = 2 est

P(Y = y |X = 2) = P(Y = y et X = 2)/P(X = 2) :
y 0 1 2
P(Y = y |X = 2) 0 1/2 1/2
Au tableau

Ainsi l’espérance et variance conditionnelles de Y sont

E(Y |X = 2) = 0 ∗ 0 + 1 ∗ 1/2 + 2 ∗ 1/2 = 3/2
V (X |Y = 2) = 02 ∗ 0 + 12 ∗ 1/2 + 22 ∗ 1/2 − (3/2)2 = 1/4
Cov (X , Y ) = 10/8 − 1 ∗ 1 = 1/4 6= 0, ainsi X et Y ne sont pas
indépendantes
La matrice de variance-covariance du couple (X , Y ) est
 
1/2 1/4
Γ(X , Y ) =
1/4 1/2
S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 18 / 18