Académique Documents
Professionnel Documents
Culture Documents
Résumé de cours
Filière : ECT
E( X 2 ) a 2 P( X a) .
a X ( )
2
V ( X ) E( X 2 ) E( X )
Propriétés : soient X et Y deux V.a qui admettent des espérances et des variances . a , b .
E ( X Y ) E ( X ) E (Y )
E ( aX b) aE ( X ) b
V (aX b) a 2V ( X )
3- Lois usuelles (variables aléatoires discrètes )
Variables aléatoires discrètes finies.
La loi de la variable aléatoire Espérance et variance
Loi de Bernoulli : X ↝ ℬ( )
X ( ) 0,1 . E( X ) p et V ( X ) p (1 p )
P ( X 1) p
Loi binomiale : X ↝ ℬ( , ).
X nb de succès (définir le succès) au cours de n
répétitions. E ( X ) np et V ( X ) np (1 p )
X () 0 , n .
P ( X k ) Cnk p k (1 p ) n k ; k X ()
Loi uniforme sur 1, n : X ↝ (⟦1 , ⟧)
X ( ) 1, n n 1 n2 1
E( X ) et V (X )
1 2 12
P( X k ) , k X ( )
n
Page 1
Approximation de la loi binomiale par la loi de poisson :
Propriétés :
P ( X a ) FX (a ) .
P (a X b) FX (b) FX (a ) .
P ( X b) 1 FX (b)
F est continue sur , croissante ; lim FX ( x ) 0 et lim FX ( x ) 1 .
x x
'
Si f est continue en x alors FX est dérivable en x et F ( x ) f ( x ) .
X
3- Espérance et variance
Si X admet un espérance E ( X ) alors elle est définie par : E ( X ) xf ( x)dx .
Propriétés :
Soient X et Y deux V.A telles que E ( X ) et E (Y ) existent .et soient a , b .
E ( X Y ) E ( X ) E (Y ) , E ( aX b) aE ( X ) b .
Si X 2 admet une espérance alors E ( X 2 ) x
2
f ( x )dx .
Si g : est une fonction continue par morceaux et g ( X ) admet une espérance alors
E g( X ) g ( x) f ( x)dx , (th de transfert ).
Déf :
Si E ( X ) et E ( X 2 ) existent alors on dit que X admet une variance V ( X ) E ( X E ( X ))2 E ( X 2 ) E ( X ) 2 .
Propriétés :
I 1, n ; P ( X i ai ) P ( X i ai )
iI iI
Remarque :
Si les variables aléatoires X 1 , X 2 ,.... X n sont indépendantes et suivent la même loi qu’une V.a X ( i.e :
i 1, n ; FX i FX ) alors :
n n
a ; P ( X i a ) FX ( a ) .
i 1
Soient X1 , X2 ,..., Xn n variables aléatoires indépendantes et suivent la même loi qu’une V.a X .
On note Y max(X1 , X2 ,..., Xn ) on a : .
(Y x ) (X1 x ) (X 2 x ) .... (X n x )
n
FX (x ) P(Y x ) P(X1 x )P(X2 x )....P(Xn x ) FX (x )
Soit Z min(X1 , X2 ,..., Xn ) on a :
(Z x ) (X1 x ) (X 2 x ) .... (X n x )
n
P(Z x ) P(X1 x )P(X2 x )....P(Xn x ) 1 FX (x )
n
FZ (x ) 1 1 FX (x )
Risque quadratique de n :
T
Le risque quadratique de Tn est définie par :
r (Tn ) E (Tn )2 V (Tn ) b (Tn ) .
2
Intervalle de confiance :
Soient U n et Vn est un intervalle de confiance de au niveau 1 (ou au risque ) si :
P(U n Vn ) 1
8- COMPLEMENT :
Soit Tn un estimateur de . Par l’inégalité de Markov on a :
r (Tn )
0 , P | Tn |
2
Page 4