Académique Documents
Professionnel Documents
Culture Documents
02 VA Pres
02 VA Pres
Notion Élémentaires
Fonction de Répartition
Moments
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
1 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Moments Outline
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
1 Notion Élémentaires
2 Fonction de Répartition
Définition
Propriétés
3 Moments
Espérance Mathématique
Variance
Autres Moments
4 Fonctions Caractéristiques/Génératrices
Fonctions Génératrices
Fonctions Caractéristiques
6 Exemples
2 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Moments Outline
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
2. Variables Aléatoires
3 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Variable Aléatoire
Moments Variable Aléatoire Discrète
Fonctions Caractéristiques/Génératrices Variable Aléatoire Continue
Fonctions d’une Variable Aléatoire
Exemples
4 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Variable Aléatoire
Moments Variable Aléatoire Discrète
Fonctions Caractéristiques/Génératrices Variable Aléatoire Continue
Fonctions d’une Variable Aléatoire
Exemples
Définitions:
Une variable aléatoire réelle est une application mesurable X de (Ω, F (Ω), P) dans <.
X : Ω −→ <
ω 7−→ X (ω)
1 ζ est l’épreuve qui consiste à lancer un dé. La variable aléatoire qui associe au
résultat le numéro de la face apparente peut prendre les valeurs de 1 à 6.
2 en jouant n fois consécutives à pile ou face, le nombre de fois qu’on obtient
l’événement face est une variable aléatoire qui peut prendre les valeurs 0, 1, · · · , n.
3 le nombre de voitures arrivées à un centre de péage pendant un intervalle de
temps donné est une variable aléatoire qui peut prendre les valeurs 0, 1, · · · , n.
4 l’intervalle de temps qui sépare deux entrées successives de clients dans un
magasin est une variable qui peut prendre n’importe quelle valeur positive.
5 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Variable Aléatoire
Moments Variable Aléatoire Discrète
Fonctions Caractéristiques/Génératrices Variable Aléatoire Continue
Fonctions d’une Variable Aléatoire
Exemples
Si l’ensemble des valeurs possibles x1 , · · · , xn d’une variable aléatoire X est fini, elle
est dite discrète finie.
pi = P(X = xi ) est la probabilité que la variable aléatoire prenne la valeur xi .
6 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Variable Aléatoire
Moments Variable Aléatoire Discrète
Fonctions Caractéristiques/Génératrices Variable Aléatoire Continue
Fonctions d’une Variable Aléatoire
Exemples
Une variable aléatoire est continue si elle peut prendre toutes les valeurs d’un
intervalle et s’il existe une fonction fX , appelée Densité de Probabilité:
Z b
P(a ≤ X ≤ b) = fX (x)dx.
a
Définitions:
Une loi de probabilité P admet une densité f si, pour tout intervalle I de <, on a:
Z
P(I ) = fX (x)dx.
I
7 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Variable Aléatoire
Moments Variable Aléatoire Discrète
Fonctions Caractéristiques/Génératrices Variable Aléatoire Continue
Fonctions d’une Variable Aléatoire
Exemples
R∞
1 fX (x) ≥ 0, ∀x tq −∞ fX (x)dx = 1: une densité f est une fonction positive
d’intégrale égale à 1.
2 l’événement X = x a une probabilité nulle P(X = x) = 0:
∆x−→0
P(x < X < x + ∆x) = F (x + ∆x) − F (x) → 0 puisque F (x) est continue.
8 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Définition
Moments
Propriétés
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
9 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Définition
Moments
Propriétés
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
5 FX est une fonction en escalier; elle est constante sur un intervalle [xi , xi+1 ].
10 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Définition
Moments
Propriétés
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
Pour a < b, la probabilité d’une variable aléatoire dans un intervalle est donnée par:
1 P(a < X ≤ b) = FX (b) − FX (a).
2 P(a < X < b) = [FX (b) − P(X = b)] − FX (a).
3 P(a ≤ X < b) = [FX (b) − P(X = b)] − [FX (a) − P(X = a)].
4 P(a ≤ X ≤ b) = FX (b) − [FX (a) − P(X = a)].
5 P(a < X < ∞) = 1 − FX (a).
6 P(a ≤ X < ∞) = 1 − [FX (a) − P(X = a)].
7 P(−∞ < X < b) = [FX (a) − P(X = a)].
Pour une variable continue (à densité) P(X = x) = 0, ∀x, et on peut écrire:
P(x < X < x + dx) = f (x)dx.
11 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Espérance Mathématique
Moments Variance
Fonctions Caractéristiques/Génératrices Autres Moments
Fonctions d’une Variable Aléatoire
Exemples
12 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Espérance Mathématique
Moments Variance
Fonctions Caractéristiques/Génératrices Autres Moments
Fonctions d’une Variable Aléatoire
Exemples
13 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Espérance Mathématique
Moments Variance
Fonctions Caractéristiques/Génératrices Autres Moments
Fonctions d’une Variable Aléatoire
Exemples
14 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Espérance Mathématique
Moments Variance
Fonctions Caractéristiques/Génératrices Autres Moments
Fonctions d’une Variable Aléatoire
Exemples
1 Linéarité: V (aX ) = a2 V (X ), V (X − a) = V (X ).
2 V (X ) = 0 ⇔ X = a presque sûrement.
V (X + Y ) = E (X + Y − mX +Y )2 = VX + VY + 2 (E [XY ] − mX mY ) .
| {z }
C (X ,Y )
15 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Espérance Mathématique
Moments Variance
Fonctions Caractéristiques/Génératrices Autres Moments
Fonctions d’une Variable Aléatoire
Exemples
σ2 1
P (|X − E [X ]| ≥ ) ≤ donc P (|X − E [X ]| ≥ kσ) ≤ 2 pour k > 0
2 k
L’inégalité de Bienaymé-Tchebyshev permet de préciser les interprétations
suivantes:
Si σ = 0, alors X n’est plus aléatoire.
La deuxième inégalité donne une limite de la probabilité pour que X s’écarte de
sa valeur moyenne en fonction de la variance de X .
16 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition Espérance Mathématique
Moments Variance
Fonctions Caractéristiques/Génératrices Autres Moments
Fonctions d’une Variable Aléatoire
Exemples
X
mk = x k pi X discrète.
i=1
Z ∞
mk = x k fX (x)dx X continue.
−∞
X
µk = (x − mk )k pi X discrète.
i=1
Z ∞
µk = (x − mk )k fX (x)dx X continue.
−∞
17 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Fonctions Génératrices
Moments
Fonctions Caractéristiques
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
Il en existe deux formes servant à calculer les moments de VAs et de sommes de VAs
ind car la FG d’une somme de VAs ind est égale au produit de leurs FGs.
18 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Fonctions Génératrices
Moments
Fonctions Caractéristiques
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
X
MX (t) = e txi pi X discrète.
i
Z
MX (t) = e tx fX (x)dx X continue.
<
(k)
h i
(k) d k MX (t)
mX = E X k = MX (0) = |t=0 .
dt k
19 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Fonctions Génératrices
Moments
Fonctions Caractéristiques
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
φX (ω) est continue et existe toujours car PX est une mesure bornée et |e iωX | = 1.
X
φX (ω) = e ωxi pi X discrète.
i
Z
φX (ω) = e ωx fX (x)dx X continue.
<
20 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Fonctions Génératrices
Moments
Fonctions Caractéristiques
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
φX +Y = φX (ω) φY (ω).
21 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Fonctions Génératrices
Moments
Fonctions Caractéristiques
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
donc:
(k)
h i
(k) d k φX (ω)
mX = E X k = (−)k φX (0) = (−)k |ω=0 .
dω k
Si φX (ω) est indéfiniment dérivable, la formule de Mac-Laurin donne:
X ωk h i
φX (ω) = k E X k .
k
k!
22 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Moments Fonctions d’une Variable Aléatoire
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
X est une variable aléatoire continue et Z = ϕ(X ) telle que ϕ est une fonction
strictement monotone, supposée dérivable.
fX ϕ−1 (z)
fX (x)
fZ (z) = 0 = 0 −1 .
ϕ (x) ϕ (ϕ (z))
fX ϕ−1 (z)
fX (x)
fZ (z) = 0 = 0 −1 .
|ϕ (x)| |ϕ (ϕ (z)) |
23 / 34 2. Variables Aléatoires
Outline
Notion Élémentaires
Fonction de Répartition
Moments Fonctions d’une Variable Aléatoire
Fonctions Caractéristiques/Génératrices
Fonctions d’une Variable Aléatoire
Exemples
fX ϕ−1 (z)
3(z 1/2 )2 3
fZ (z) = 0 −1 = = z 1/2 .
|ϕ (ϕ (z)) | 2z 1/2 2
Exemple 2: X is a continuous random variable: fX (x) = 3(1 − x)2 for 0 < x < 1.
Use the change-of-variable technique to find the pdf of Z = ϕ(X ) = (1 − X 3 ).
Solution:
z = ϕ(x) = (1 − x)3 is invertible. Its inverse is: x = ϕ−1 (z) = 1 − z 1/3 for 0 < z < 1.
0
The derivative of ϕ(.), we get: ϕ (x) = −3(1 − x)2 .
Therefore, the probability density function of Z is:
fX ϕ−1 (z)
3(1 − (1 − z 1/3 ))2
fY (z) = 0 −1 = = 1.
|ϕ (ϕ (z)) | | − 3(1 − (1 − z 1/3 ))2 |
24 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
C’est la loi d’une variable aléatoire X ne pouvant prendre que les deux valeurs 1 ou 0
avec les probabilités P et 1 − P:
E [X ] = 1 × P + 0 × (1 − P) = P et E [X 2 ] = E [X ] = P.
V (X ) = P − P 2 = P(1 − P).
φX (ω) = e ω P + (1 − P).
25 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
On répète n fois dans des conditions identiques une expérience aléatoire, dont l’issue
se traduit par l’apparition ou la non-apparition d’un événement A de probabilité P le
résultat de chaque expérience étant indépendant des résultats précédents. Soit X le
nombre d’apparitions de l’événement A parmi ces n expériences:
X suit une loi binomiale de paramètres n et P notée B(n, P).
X est une somme de n variables aléatoires iid suivant la loi de Bernoulli, alors:
n
X
E [X ] = E [Xi ] = nP.
i=1
Xn
V (X ) = V (Xi ) = nP(1 − P).
i=1
φX (ω) = (e ω
P + (1 − P))n .
26 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
La loi de Poisson P(λ) est la loi d’une variable entière positive ou nulle qui satisfait à:
λx
P(X = x) = e −λ , x ∈ N.
x!
On peut vérifier toul d’abord qu’il s’agı̂t bien d’une loi de probabilité:
X X λx
P(X = x) = e −λ = e −λ e λ = 1.
x x
x!
27 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
La densité d’une variable aléatoire continue X de loi uniforme sur [0, a] est définie par:
1
a
sur [0, a]
f (x) =
0 ailleurs.
a a2
E [X ] =
, et V (X ) = .
2 12
La fonction caractéristique d’une variable aléatoire continue suivant une loi uniforme :
Z a
1 sin(aω)
φX (ω) = e ωx dx = .
2a −a aω
28 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
fX (x) = λe −λx
1 1
E [X ] = , V (X ) = 2 , SX = 2 et KX = 9
λ λ
Cette loi utilisée pour représenter la durée de vie de circuits électroniques en fiabilité.
29 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
La loi exponentielle est un cas particulier d’une famille de lois appelés lois gamma γ; si
X est de loi exponentielle de paramètre λ, λX est une variable suivant une loi γ.
Une variable positive X suit une loi gamma de paramètre r, notée γr si sa densité est:
1 r −1 x
fX (x) = x e .
Γ(r )
L’espérance et la variance d’une variable X suivant une loi γ sont données par:
Z +∞
1 Γ(r + 1)
E [X ] = x r e x dx = = r.
Γ(r ) 0 Γ(r )
Z +∞
1 Γ(r + 2) Γ(r + 1)
V (X ) = x r +1 e x dx − r 2 = − r 2 = (r + 1) − r2 = r.
Γ(r ) 0 Γ(r ) Γ(r )
Cette loi présente donc une certaine analogie avec la loi de Poisson mais en continu.
30 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
Fonction Caractéristique
Si X suit une loi γ1 c’est-à-dire une loi exponentielle de paramètre λ = 1, on a:
Z +∞ Z +∞
1
φX (ω) = e ωx e −x dx = e −(ω−1)x e −x dx = .
0 0 1 − ω
1
Z +∞ 1
Z +∞
φX (ω) = e ωx x r −1 e −x dx = e −(ω−1)x x r −1 dx
Γ(r ) 0 Γ(r ) 0
1 1
Z +∞ Γ(r ) 1
= e −u u r −1 dx = = .
Γ(r ) (1 − ω)r 0 Γ(r )(1 − ω)r (1 − ω)r
31 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
Une variable aléatoire X suit une loi normale X ∼ N(m, σ) si sa densité est:
2
1 −1 x−m
fX (x) = √ e 2 σ .
2πσ 2
1 1 2
fU (u) = √ e − 2 u .
2π
1
Z
1 2 2
Z +∞ 1 1
V (U) = √ u 2 e − 2 u du = √ e −t dt = √ Γ( ) = 1.
2π < π 0 π 2
Les moments d’ordre impair sont nuls (symétrie de fX ) et les moments d’ordre pair:
2
Z +∞ 1 2 2k
Z +∞ 2k 1 (2k)!
m2k = √ u 2k e − 2 u du = √ t k−1/2 e −t dt = √ Γ(k + ) = k .
2π 0 π 0 π 2 2 !
32 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
σ2 ω2
φX (ω) = e mω φU (σω) = e mω− 2 .
Alors, la somme de deux variables de Gauss ind est encore une variable de Gauss.
33 / 34 2. Variables Aléatoires
Outline Loi de Bernoulli
Notion Élémentaires Loi Binomiale
Fonction de Répartition Loi de Poisson
Moments Loi Uniforme
Fonctions Caractéristiques/Génératrices Loi Exponentielle
Fonctions d’une Variable Aléatoire Loi Gamma
Exemples Loi Normal ou Laplace-Gauss
34 / 34 2. Variables Aléatoires