Académique Documents
Professionnel Documents
Culture Documents
2012
Sommaire
Espérance
Moyenne empirique
Moyenne en probabilité
Variance
Variance empirique
Variance en probabilité
Covariance
Covariance empirique
Covariance en probabilité
Synthèse
Moyenne empirique
Formules pondérées
Espérance
k
Exemple
i =1 i =1 i =1
3. Sommation du produit d'une famille de termes xi par une
constante k :
N
X N
X
(k × xi ) = k × i
x
i =1 i =1
Propriété 1
I L'espérance d'une transformation linéaire de la variable
vérie :
(
E aX + b) = aE X( )+b
I En eet :
K
X
(
E aX + b) = (auk + b)πk
k =1
XK K
X
= au k πk + b πk
k =1 k =1
XK XK
= a u k πk + b πk
k =1 k =1
= aE X ( )+b
P
car k πk = 1.
Exemple
( ) =
E Y E (2X )
= 2E (X )
= 2 × 3.5 = 7
Propriété 2
(
E X +Y) = E X ( ) + E (Y )
Variable somme
u K u K + vL
Probabilités conjointes
X /Y v1 v2 ... vL
u1 π11 π12 π1.
..
u2 π21 π22 .
..
. πkl πk .
u K πKL πK .
π .1 ··· π.l π.L 1
K
X
πkl = π .l
k =1
X L
πkl = πk .
l =1
Démonstration
K X
X L
(
E X +Y) = (uk + vl )πkl
k =1 l =1
XK X L K X
X L
= uk πkl + l πkl
v
k =1 l =1 k =1 l =1
XK XL X L X K
= uk πkl + vl πkl
k =1 l =1 l =1 k =1
XK X L
= uk πk . + vl π.l
k =1 l =1
= ( ) + E (Y )
E X
Exemple
(
E X +Y) = E X ( ) + E (Y )
= 3.5 + 3.5
= 7
I Je peux espérer gagner autant à ce jeu que s'il n'y avait qu'un
seul dé.
i =1 i =1
I On obtient :
N ! N N
X X X
E X i = E X ( i) = π = Nπ
i =1 i =1 i =1
Illustration
B(4,0.2) B(4,0.4)
0.35
0.4
0.3
0.25
P(Y=k)
P(Y=k)
0.2
0.15
0.1
0.05
0.0
0 1 2 3 4 0 1 2 3 4
Y Y
B(4,0.6) B(4,0.8)
0.35
0.4
0.3
0.25
P(Y=k)
P(Y=k)
0.2
0.15
0.1
0.05
0.0
0 1 2 3 4 0 1 2 3 4
Y Y
Dénition
Variance empirique :
PN 2
2 i =1 (xi − x̄ )
sN = N
PN 2
= i =1 xi − x̄ 2
N
Formules pondérées
Lorsque les données sont regroupées en couples valeur-eectif
(uk , nk ) :
PK 2
2 k =1 nk (uk − x̄ )
sN = N
PK 2
= k =1 nk uk − x̄ 2
N
k =1
K !
X
2
= k k
f u − x̄ 2
k =1
Notion de dispersion
Dénition
On appelle variance (en probabilité) l'espérance :
K
X
( ) =
V X πk (uk − E (X ))2
k =1
= E (uk − E (X ))2
Propriété 1
En eet :
(
V aX + b) = (aX + b − E (aX + b))2
E
= E (aX + b − aE (X ) − b)2
2
E (a(X − aE (X ))
= E a2 (X − E (X ))2
2
= (
a E X − E (X )2 )
2
= ( )
a V X
Propriété 2
i =1 i =1
I On obtient :
N ! N N
X X X
V X i = ( i) =
V X π(1 − π) = N π(1 − π)
i =1 i =1 i =1
Covariance empirique
Formules pondérées
k =1 l =1
Représentations graphiques
80
80
70
70
70
60
60
60
50
50
50
Y
Y
40
40
40
SXY = 98.1 SXY = − 17.2 SXY = − 15.3
30
30
30
20
20
20
20 30 40 50 60 70 80 30 40 50 60 70 30 40 50 60 70
X X X
Dénition
I Remarque :
V X ( ) = CoV (X , X )
Propriété 1
Propriété 2
En eet :
CoV aX( + bY , Z ) = (
E aXZ + bYZ ) − E (aX + bY )E (Z )
= (
E aXZ ) + E (bYZ ) − [E (aX ) + E (bY )] E (Z )
= aE XZ ( ) + bE (YZ ) − aE (X )E (Z ) − bE (Y )E (Z )
= [ (
a E XZ ) − E (X )E (Z )] + b [E (YZ ) − E (Y )E (Z )]
= aCoV X ( , Z ) + bCoV (Y , Z )
Généralisation
En eet :
(
CoV aX + bY , Z ) = aCoV X( , Z ) + bCoV (Y , Z )
= aCoV X( , cU + dV ) + bCoV (Y , cU + dV )
= acCoV X( , U ) + adCoV (X , V )
+ bcCoV Y( , U ) + bdCoV (Y , V )
Cas particuliers
(
CoV aX + b, cY + d ) = acCoV X ( ,Y)
2
(
CoV aX + b, aX + b) = a CoV X ( ,X)
2
= a V X( )
Cas particuliers
(
V aX + bY ) = CoV aX( + bY , aX + bY )
2
= a CoV X ( , X ) + b2 CoV (Y , Y )
+ abCoV X ( , Y ) + abCoV (X , Y )
= 2
a V X ( ) + b2 V (Y ) + 2abCoV (X , Y )
Cas particuliers
A partir de la formule :
V aX( + bY ) = a2 V (X ) + b2 V (Y ) + 2abCoV (X , Y )
Empirique
P
Moyenne = k fk uk
x̄
Variance 2 = PK f (u − x̄ )2
s
PN Pk =1 k k
Covariance sXY =
K L
k =1 l =1 fkl (uk − x̄ )(vl − ȳ )
Probabiliste
P
Moyenne ( ) = k πk uk
E X
PK
Variance π (u − E (X ))2
P Pk =1 k k
V (X ) =
Covariance CoV (X , Y ) =
k l πkl (uk − E (X ))(vl − E (Y ))
Propriétés
Espérance E (aX + bY ) = aE (X ) + bE (Y )
Variance V (aX + bY ) = a2 V (X ) + b2 V (Y ) + 2abCoV (X , Y )
Covariance CoV (aX + bY , cU + dV ) = acCoV (X , U ) + adCoV (X , V )
+bcCoV (Y , U ) + bdCoV (Y , V )