Chap 2 Variables Aléatoires

Variables aléatoires
Mariem Jakhoukh
Institut des Mines de Marrakech

14 Novembre 2023
Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 1 / 36

Introduction
Au lieu de s’intéresser directement à l’événement aléatoire, on va s’occuper de sa

lecture à travers un effet qu’il produit. C’est un peu la même démarche que suit
quelqu’un qui se leva le matin et voulant connaître la température extérieure, lit
son thermomètre au lieu de sortir.

Exemple introductif
On lance un dé à six faces, l’univers des possible est
Ω = {1, 2, 3, 4, 5, 6}
On considère le jeu suivant :

Si le résulat est pair, on gagne 3$.
Si le résulat est 5, on gagne 5$.
Si le résultat est 1 ou 3, on perd 2$.
On a alors défini une variable aléatoire X sur Ω = {1, 2, 3, 4, 5, 6} qui prend les
valeurs −2, 3 ou 5 en d’autre termes
X (1) = −2, X (2) = 3, X (3) = −2, X (4) = 3, X (5) = 5 X (6) = 3

Variable aléatoire
Définition : Une variable aléatoire est une fonction définie sur un univers Ω et à
valeur dans R
X : Ω → R
ω 7→ x
L’ensemble des nombres réels que la variable aléatoire peut prendre est noté par :
X (Ω)
Il y a deux types de variables aléatoires

Variable aléatoire discrète
Variable aléatoire continue

1 Variable aléatoire discrète

Loi de probabilité
Fonction de répartition
Espérance, Variance, écart-type
2 Variable aléatoire continue

V.a discrète - Définition
Définition : Une variable aléatoire X est dite discrète, si elle ne peut prendre
qu’un nombre fini ou dénombrable de valeurs réelles {xi }i∈J

Variable aléatoire discrète Loi de probabilité
V.a discrète - Loi de probabilité
On considère la variable aléatoire X définie dans l’exemple précedent. Chaque

résultat du lancer de dé est égale à 16 . La probabilité que la variable aléatoire
prenne la valeur 3 est :

V.a discrète - Loi de probabilité
On considère la variable aléatoire X définie dans l’exemple précedent. Chaque

résultat du lancer de dé est égale à 16 . La probabilité que la variable aléatoire
prenne la valeur 3 est : 36 = 12 et on note
1
P(X = 3) =
2
De même on a :
1 2 1
P(X = 5) = P(X = −2) = =
6 6 3

Définition : Soit X une variable aléatoire discrète telle que X (Ω) = {ki }i∈J , sa loi
de probabilité PX est définie par les probabilités pi = P(X = ki ), qui vérifient
X
pi = 1
i∈J

Exemple
Soit l’expérience aléatoire : "On tire une carte dans un jeu de 52 cartes". On
considère le jeu suivant :
Si on tire un coeur, on gagne 2$
Si on tire un roi, on gagne 5$
Si on tire une autre carte, on perd 1$
Soit X la variable aléatoire qui à une carte tirée associe un gain ou une perte.
Détérminons la loi de probabilité de X .

Exemple
La variable aléatoire X prend les valeurs 2, 5, −1 et 7 c-à-d : X (Ω) = {−1, 2, 5, 7}

Si la carte tirée est un coeur (autre que le roi de coeur), alors X = 2 et on a
12
P(X = 2) =
52

Exemple

12
P(X = 2) =
52
Si la carte tirée est un roi (autre que le roi de coeur), alors X = 5 et on a

3
P(X = 5) =
52

Exemple

12
P(X = 2) =
52

3
P(X = 5) =
52
Si la carte tirée est le roi de coeur,alors X = 7 et on a

1
P(X = 7) =
52

Exemple

12
P(X = 2) =
52

3
P(X = 5) =
52
Si la carte tirée est le roi de coeur,alors X = 7 et on a

1
P(X = 7) =
52
Si la carte tirée n’est ni un coeur, ni un roi, alors X = −1 et on a

26
P(X = −1) =
52
Variable aléatoire discrète Fonction de répartition
Fonction de répartition
Définition : On appelle fonction de répartition d’une variable aléatoire X , la

fonction FX , telle
X
FX (t) = P(X ≤ t) = P(X = k)
k∈X (Ω),k≤t
Propriétés :
∀t ∈ R 0 ≤ FX (t) ≤ 1
Si a < b, P(a ≤ X ≤ b) = FX (b) − FX (a)

Variable aléatoire discrète Fonction de répartition
Exemple

Variable aléatoire discrète Espérance, Variance, écart-type
Espérance, Variance, écart-type
Définition : Soit X une variable aléatoire discrète définie sur un univers Ω telle que
X (Ω) = {k1 , . . . , kn }. La loi de probabilité de X associe à toute valeure ki la
valeur pi = P(X = ki )
L’espérance mathématique de la loi de probabilité de X est :
n
X
E (X ) = p1 k1 + · · · + pn kn = pi ki
i=1
La variance de la loi de probabilité de X est :

n
X
V (X ) = pi (ki − E (X ))2
i=1
L’écart-type de la loi de probabilité de X

p
σ(X ) = V (X )

Exemple
Une étude sur la satisfaction de la clientèle d’un restaurant donne les résultats
suivant :
Très satisfait : 45%
Satisfait : 30%
Peu satisfait : 15%
Pas satisfait : 10%
Une personne est prise au hasard, et on considère X la variable aléatoire qui
donne 0 si "pas satisfait", 1 si "peu satisfait", 3 si "satisfait et 4 si "très satisfait".

Exemple
La loi de probabilité de cette v.a est :

Exemple

p1 = P(X = 0) = 0.1
p2 = P(X = 1) = 0.15
p3 = P(X = 3) = 0.3
p4 = P(X = 4) = 0.45
Son espérance est :

Exemple

p1 = P(X = 0) = 0.1
p2 = P(X = 1) = 0.15
p3 = P(X = 3) = 0.3
p4 = P(X = 4) = 0.45
E (X ) = 0 × 0.1 + 1 × 0.15 + 3 × 0.3 + 4 × 0.45 = 2.85
Sa variance est :

Exemple

p1 = P(X = 0) = 0.1
p2 = P(X = 1) = 0.15
p3 = P(X = 3) = 0.3
p4 = P(X = 4) = 0.45
E (X ) = 0 × 0.1 + 1 × 0.15 + 3 × 0.3 + 4 × 0.45 = 2.85
Sa variance est :
V (X ) = 0.1×(0−2.85)2 +0.15×(1−2.85)2 +0.3×(3−2.85)2 +0.45×(4−2.85)2 = 1.92
Son écart-type est :

Exemple

p1 = P(X = 0) = 0.1
p2 = P(X = 1) = 0.15
p3 = P(X = 3) = 0.3
p4 = P(X = 4) = 0.45
E (X ) = 0 × 0.1 + 1 × 0.15 + 3 × 0.3 + 4 × 0.45 = 2.85
Sa variance est :
V (X ) = 0.1×(0−2.85)2 +0.15×(1−2.85)2 +0.3×(3−2.85)2 +0.45×(4−2.85)2 = 1.92
Son écart-type est : √

σ(X ) = 1.92 = 1.385

Propriétés
Soient X et Y deux variables aléaoires, et soient a et b deux nombres réels.

1 E (aX + b) = aE (X ) + b
2 E (X + Y ) = E (X ) + E (Y )
3 V (aX ) = a2 V (X )
4 V (X ) = E (X 2 ) − (E (X ))2

Exercice
Une entreprise qui fabrique des roulements a bille fait une étude sur une gamme
de billes produites. Le diamètre théorique doit être égale à 1.3cm mais cette
mesure peut etre légèrement érronée.On considère X la variable aléatoire qui, à
une bille choisie au hasard, associe son diamètre.
Soit Y la variable aléatoire définie par
Y = 1000X − 1300
La loie de prbabilité de Y est donnée par
- Calculer l’espérance et l’écart-type de la variable aléatoire X .

On calcule tout d’abord l’éspérance et la variance de Y

E (Y ) = 0.1
V (Y ) = 1.69
On peut maintenant déduire l’espérance de X
E (Y )+1300
E (Y ) = 1000E (X ) − 1300 et donc, E (X ) = 1000 = 1.3001
V (Y )
V (X ) = 10002
σ(X ) = 0.0013

1 Variable aléatoire discrète
2 Variable aléatoire continue

On note X la v.a indiquant la taille en cm d’un homme de 30 ans, X prend ses

valeurs dans l’intervalle réel [140,210]. Alors, dans cet intervalle il y a une infinité
de tailles possibles. Supposons maintenant que des données statistiques indiquent
qu’il y a 40 individus sur 1000 dont la taille est dans l’intervalle [177, 178] c-à-d
P(177 ≤ X ≤ 178) = 0.004
Pour a = 177.100200... on a P(X = a) = 0 on peut interpréter ce résultat comme

suit : personne ne mesure
177.100200...cm
X est alors une variable aléatoire continue.

V.a continue - Définition
Définition : Une variable aléatoire X est dite continue si elle prend toutes les
valeurs dans un intervalle donné.

V.a continue - Définition
Définition : Une variable aléatoire X est dite continue si elle prend toutes les
valeurs dans un intervalle donné.
Dans le cas d’une v.a continue la loi de probabilité associe une probabilité à
chaque ensemble de valeurs définies dans un intervalle donné. Pour une v.a
continue la probabilité d’un point est nulle
P(X = a) = 0
et cela pour chaque point dans l’intervalle, car il est impossible d’observer
exactement cette valeur. on ne peut alors évaluer une probabilité que sur un
intervalle de valeurs, c-à-d pour un événement de type
a≤X ≤b

Exemple : Exemples de valeurs aléatoires qui ne sont pas discrètes :

Variable X correspond a la taille des individus d’une population
Variable Y correspond au poids d’un élève
Variable Z correspond au taux de chlestérol, et on a Z (Ω) = R+

V.a continue - Densité
Définition : La densité ou loi de probabilité d’une variable aléatoire continue est

la fonction f non négative telle que pour tout a < b
Z b
P(a ≤ X ≤ b) = f (x )dx
a

Quelques propriétés de la densité
Quelques propriétés de la densité :
∀x ∈ R, f (x ) ≥ 0
Z +∞
f (x )dx = 1
−∞

V.a continue - Espérance et Variance
Soit X une variable aléatoire continue et f sa densité.

L’espérance ou la moyenne de X est :
Z
E (X ) = xf (x )
X (Ω)
La variance X est :
Z
V (X ) = (x − E (x ))2 f (x )
X (Ω)
L’écart-type de X p
σ(X ) = V (X )

Exemple
Soit la densité de probabilité suivante :



 0 si x ≤ −1
x + 1 si − 1 < x ≤ 0

f (x ) =

 −x + 1 si 0 < x ≤ 1
0 si x > 1

Calculons l’espérance et la variance de f :

Exemple
Soit la densité de probabilité suivante :



 0 si x ≤ −1
x + 1 si − 1 < x ≤ 0

f (x ) =

 −x + 1 si 0 < x ≤ 1
0 si x > 1

Calculons l’espérance et la variance de f :

Z +∞
E (X ) = xf (x )dx
−∞
Z −1 Z 0 Z 1 Z +∞
= x × 0dx + x (x + 1)dx + x (−x + 1)dx + x × 0dx
−∞ −1 0 1
=0

Z +∞
V (X ) = (x − E (x ))2 f (x )dx
−∞
Z 0 Z 1
= x 2 (x + 1)dx + x 2 (−x + 1)dx
−1 0
Z0 Z 1
= (x 3 + x 2 )dx + (−x 3 + x 2 ))dx
−1 0
1
=
6
Et on a l’écart-type est égale à :
p 1
σ(X ) = V (X ) = √
6

Exercice 1
Pour les jeux suivants, on utilise un dé à quatre faces numérotées 0, 2, 3 et 5. On

dispose aussi d’une urne contenant trois billes numérotées respectivement 1, 3 et
5. On lance le dé puis on tire une bille. Si le dé donne 0, on ne gagne rien. Si le dé
et la bille portent le même numéro, on gagne 5$ . Sinon, on gagne 1$. Soit X la
variable aléatoire correspondant au gain du joueur
1 Donner l’univers Ω
2 Donner X (Ω)
3 Donner la loi de probabilité de X et son espérance E (X ).

Solution
L’expérience consiste à lancer un dé dont les faces sont F = {0, 2, 3, 5} puis à

choisir une bille dans l’ensemble B = {1, 3, 5}. L’univers est alors l’ensemble
des couples obtenus, soit
Ω = F × B = {(0, 1), (0, 3), (0, 5), (2, 1), . . . , (5, 1), (5, 3), (5, 5)}
X (Ω) = {0, 1, 5}
La loi de probabilité de X est :
L’espérance de X est :
17
E (X ) =
12
Exercice 2
Soit f la fonction suivante :

ax 2 + b si x ∈ [0, 1]

f (x ) =
0 sinon
1 A quelles conditions sur a et b la fonction f est-elle la densité d’une variable

aléatoire continue ?
2 On suppose que a et b vérifient les conditions déterminées à la question
précédente. Soit X une variable aléatoire de densité f . On suppose que
P(X ≥ 0.5) = 87 . En déduire a et b.
3 Calculer E (X ) et V (X ) en utilisant les valeurs de a et b obtenues à la
question précédente.

Solution
1 Pour que f soit une densité, il faut que :

Z +∞
∀x ∈ [0, 1], f (x ) ≥ 0, et f (x ) = 1
−∞
On a f (0) = b, il faut donc que b ≥ 0. D’autre part on a : f ′ (x ) = 2ax , et

donc si a > 0 f est croissante et par suite , f (x ) ≥ f (0) = b, donc la
condition b ≥ 0 est encore suffisante pour assurer f (x ) ≥ 0. Si a < 0, f est
décroissante ce qui implique , f (x ) ≥ f (1) = a + b on doit donc avoir
a + b ≥ 0. Donc f est positive si b ≥ 0 et a ≥ −b.

Solution
1 Pour que f soit une densité, il faut que :

Z +∞
∀x ∈ [0, 1], f (x ) ≥ 0, et f (x ) = 1
−∞
On a f (0) = b, il faut donc que b ≥ 0. D’autre part on a : f ′ (x ) = 2ax , et

donc si a > 0 f est croissante et par suite , f (x ) ≥ f (0) = b, donc la
condition b ≥ 0 est encore suffisante pour assurer f (x ) ≥ 0. Si a < 0, f est
décroissante ce qui implique , f (x ) ≥ f (1) = a + b on doit donc avoir
a + b ≥ 0. Donc f est positive si b ≥ 0 et a ≥ −b.
Vérifions maintenant la deuxième condition :
Z +∞ Z 1
a
f (x )dx = f (x )dx = + b
−∞ 0 3
On doit donc avoir 3a + b = 1( en plus de b ≥ 0 et a ≥ −b), la condition
b = 1 − 3a implique a ≤ 3. La condition a + b ≥ 0 implique a ≥ −3
2 .
Finalement, f est une densité si et seulement si
−3 a
≤ a ≤ 3 et b = 1 −
2 3
2. On a
Z +∞
7 7
P(X ≥ 0.5) = =⇒ f (x )dx =
8 0.5 8
Z 1
7
=⇒ f (x )dx =
0.5 8
a a b 7
=⇒ + b − − =
3 24 2 8
9a b 7
=⇒ − =
24 2 8
=⇒ a = 3 et b = 0
donc f (x ) = 3x 2 sur [0, 1], on remarque que les valeurs de a et b sont compatibles
avec les inégalités établies à la question 1 et donc qu’on obtient bien une densité.
3. Z 1
3
E (X ) = xf (x )dx =
0 4
Z 1
2 2 9 3
V (X ) = E (X ) − (E (X )) = 3x 4 dx − =
0 16 80
Exercice 3
Une boite contient 3 boules jaunes et 4 boules vertes. Quatre personnes tire
successivement, sans remise, une boule dans la boite. Le premier qui tire une
boule verte gagne. Quelle est la probabilité de gain pour chaque personne ?

Exercice 4
Dans une ville, une maladie X est présente chez 10% et une autre maladie Y est
présente chez 20%. Le nombre de ceux qui souffrent des deux maladies est
négligeable. On entreprend un dépistage systématique des maladies X et Y . Pour
cela, on applique un test qui réagit sur 90% des malades de X , sur 70% des
malades de Y , et sur 10% des individus qui n’ont aucune de ces deux maladies.
On choisit au hasard un individu ω.
1 Quelle est la probabilité pour que le test réagisse ?
2 Sachant que pour un individu ω, le test a réagi, donner les probabilités
suivantes :
pour que le test ait réagi à cause de la maladie X .
pour que le test ait réagi à cause de la maladie Y .
pour que le test ait réagi alors que l’individu n’est infecté par qu’aucune des
deux maladies X et Y .

Exercice 5
On mets dans un sac 3 billets de 5$, 5 billets de 10$ et 9 billets de de 15$. On

choisit au hasard une poignée de 7 billets, chaque billet ayant la même probabilité
d’être attrapé.
1 Quelle est la probabilité de n’avoir choisi aucun billet de 5$ ?
2 Quelle est la probabilité d’avoir obtenu uniquement de billets de 15$ ?
3 Quelle est la probabilité d’avoir obtenu au moins un billet de chaque valeur ?
4 On recommence l’expérience en tirant les billets un par un et en remettant le
billet dans le sac après son tirage. Calculer les probabilités des trois
évènements ci-dessus dans cette nouvelle expérience.

Chap 2 Variables Aléatoires

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap 2 Variables Aléatoires

Transféré par

Droits d'auteur :

Formats disponibles

Variables aléatoires

Institut des Mines de Marrakech

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 1 / 36

Au lieu de s’intéresser directement à l’événement aléatoire, on va s’occuper de sa

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 2 / 36

On lance un dé à six faces, l’univers des possible est

On considère le jeu suivant :

X (1) = −2, X (2) = 3, X (3) = −2, X (4) = 3, X (5) = 5 X (6) = 3

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 3 / 36

Il y a deux types de variables aléatoires

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 4 / 36

1 Variable aléatoire discrète

2 Variable aléatoire continue

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 5 / 36

V.a discrète - Définition

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 6 / 36

V.a discrète - Loi de probabilité

On considère la variable aléatoire X définie dans l’exemple précedent. Chaque

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 7 / 36

V.a discrète - Loi de probabilité

On considère la variable aléatoire X définie dans l’exemple précedent. Chaque

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 7 / 36

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 8 / 36

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 9 / 36

La variable aléatoire X prend les valeurs 2, 5, −1 et 7 c-à-d : X (Ω) = {−1, 2, 5, 7}

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 10 / 36

La variable aléatoire X prend les valeurs 2, 5, −1 et 7 c-à-d : X (Ω) = {−1, 2, 5, 7}

Si la carte tirée est un roi (autre que le roi de coeur), alors X = 5 et on a

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 10 / 36

La variable aléatoire X prend les valeurs 2, 5, −1 et 7 c-à-d : X (Ω) = {−1, 2, 5, 7}

Si la carte tirée est un roi (autre que le roi de coeur), alors X = 5 et on a

Si la carte tirée est le roi de coeur,alors X = 7 et on a

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 10 / 36

La variable aléatoire X prend les valeurs 2, 5, −1 et 7 c-à-d : X (Ω) = {−1, 2, 5, 7}

Si la carte tirée est un roi (autre que le roi de coeur), alors X = 5 et on a

Si la carte tirée est le roi de coeur,alors X = 7 et on a

Si la carte tirée n’est ni un coeur, ni un roi, alors X = −1 et on a

Définition : On appelle fonction de répartition d’une variable aléatoire X , la

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 11 / 36

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 12 / 36

Espérance, Variance, écart-type

La variance de la loi de probabilité de X est :

L’écart-type de la loi de probabilité de X

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 13 / 36

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 14 / 36

La loi de probabilité de cette v.a est :

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 15 / 36

La loi de probabilité de cette v.a est :

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 15 / 36

La loi de probabilité de cette v.a est :

E (X ) = 0 × 0.1 + 1 × 0.15 + 3 × 0.3 + 4 × 0.45 = 2.85

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 15 / 36

La loi de probabilité de cette v.a est :

E (X ) = 0 × 0.1 + 1 × 0.15 + 3 × 0.3 + 4 × 0.45 = 2.85

V (X ) = 0.1×(0−2.85)2 +0.15×(1−2.85)2 +0.3×(3−2.85)2 +0.45×(4−2.85)2 = 1.92

Son écart-type est :

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 15 / 36

La loi de probabilité de cette v.a est :

E (X ) = 0 × 0.1 + 1 × 0.15 + 3 × 0.3 + 4 × 0.45 = 2.85

V (X ) = 0.1×(0−2.85)2 +0.15×(1−2.85)2 +0.3×(3−2.85)2 +0.45×(4−2.85)2 = 1.92

Son écart-type est : √

Mariem Jakhoukh Variables aléatoires 14 Novembre 2023 15 / 36

Soient X et Y deux variables aléaoires, et soient a et b deux nombres réels.