Académique Documents
Professionnel Documents
Culture Documents
2020/2021
Faculté de Mathématiques L2 Math, Probabilités
Dénition 1. Soit (Ω, B) un espace probabilisable. On appelle variable aléatoire réelle sur (Ω, B)
toute application X : Ω → E où E ⊆ R, et qui vérie :
X −1 (x) = {ω ∈ Ω/X(ω) = x} ∈ B
Remarque 1. Si E est dénombrable (par exemple E = N ou Z) on dira que X est une variable
aléatoire discrète (VAD), sinon on dira que X est une variable aléatoire continue.
Exemples :
1. Ω = {a, b, c, d}, B = P(Ω). Soit X l'application dénie de Ω dans E telle que X(a) = X(d) =
1 et X(b) = X(c) = 0. Montrons que X est une VAD sur (Ω, B). Ici E = X(Ω) = {0, 1} et :
et
X −1 (1) = {ω ∈ Ω/X(ω) = 1} = {a, d} ∈ B.
Donc X est une V.A. sur (Ω, P(Ω)).
2. Ω = {a, b, c, d}, B = {∅, {a} , {b} , {c, d} , {a, b} , {a, c, d} , {b, c, d} , Ω}. B est une Algèbre
sur Ω (à montrer). On dénie la même variable X que précédemment. alors :
−1
X (0) = {ω ∈ Ω/X(ω) = 0} = {b, c} ∈ / B ⇒ X n'est pas une V.A.
Soit (Ω, B, P) un espace de probabilité. Soit X une VAD sur cet espace. La loi de probabilité
de X est telle que :
Pour x ∈ X(Ω), P(X| {z= x}) = P(X (x)) = P ({ω ∈ Ω/X(ω) = x}) .
−1
notation
Exemples
1. On jette un dé bien éuilibré. Soit X la variable aléatoire égale au numéro de la face obtenue.
Donc X(Ω) = {1, 2, 3, 4, 5, 6} . La loi de X est donnée par :
1
P(X = 1) = P(X = 2) = P(X = 3) = P(X = 4) = P(X = 5) = P(X = 6) = .
6
2. On jette un dé et on joue de la façon suivante : On gagne 10 da si on obtient un nombre
pair, 20 da si on obtient "1"ou "3" et on perd 10 da si on obtient "5".
(a) On a Ω = {1, 2, 3, 4, 5, 6} , X(Ω) = {−10, 10, 20}, et B = P(Ω).
X −1 (−10) = {ω ∈ Ω/X(ω) = 10} = {5} ∈ B,
Remarque 2. Lorsque X(Ω) est ni, alors on represente la loi de X par un tableau :
Pour l'exemple 1 : P(Xx= x ) 1 2 3 4 5 6
i
i
1 1 1 1 1 1
-10 10 20
6 6 6 6 6 6
Pour l'exemple 2 : x i
P(X = xi ) 1 1 1
6 2 3
Cas particuliers
0 si ω ∈
X(ω) =
/A
Dénition 2. : Soit X une V.A. sur (Ω, B, P). La fonction F dénie de R → [0, 1] par
F (x) = P(X ≤ x) = P({ω ∈ Ω/X(ω) ≤ x})
si x < 1
0
si 1 ≤ x < 2
1
6
si 2 ≤ x < 3
1
3
si 3 ≤ x < 4
1
F (x) =
2
si 4 ≤ x < 5
2
3
si 5 ≤ x < 6
5
6
si x ≥ 6
1
Propriétés
1. Par dénition F (x) = P(X ≤ x) donc F (x) ∈ [0, 1] ∀x ∈ R car une probabilité est toujours
comprise entre 0 et 1.
2. Soient x et y ∈ R tels que x ≤ y, alors
{ω ∈ Ω/X(ω) ≤ x} ⊆ {ω ∈ Ω/X(ω) ≤ y}
⇒ {X ≤ x} ⊆ {X ≤ y} ⇒ P(X ≤ x) ≤ P(X ≤ y)
⇒ F (x) ≤ F (y) ⇒ F est croissante.
3.
lim F (x) = lim P(X ≤ x) = P({ω ∈ Ω/X(ω) ≤ −∞}) = P(∅) = 0
x→−∞ x→−∞
lim F (x) = lim P(X ≤ x) = P({ω ∈ Ω/X(ω) ≤ +∞}) = P(Ω) = 1
Supposons que X(Ω) = {x , x , ..., x . On peut montrer que
x→+∞ x→+∞
1. P(X ∈ [a, b]) = P(a ≤ X ≤ b) = P(X ≤ b) − P(X < a) = F (b) − F (a) + P(X = a)
2. P(X ∈ [a, b[) = P(a ≤ X < b) = P(X < b)−P(X < a) = F (b)−F (a)−P(X = b)+P(X = a)
3. P(X ∈]a, b]) = P(a < X ≤ b) = P(X ≤ b) − P(X ≤ a) = F (b) − F (a)
4. P(X ∈]a, b[) = P(a < X < b) = P(X < b) − P(X ≤ a) = F (b) − F (a) − P(X = b)
Preuve : On démontre le premier, les autres se font de la même manière
P(a ≤ X ≤ b) = P (X ≤ b) ∩ (X ≥ a) = P (X ≤ b) ∩ (X < a)
P(A ∩ B) = P(A) − P(A ∩ B) = P(X ≤ b) − P (X ≤ b) ∩ (X < a)
or a < b
⇒ P (X ≤ b) ∩ (X < a) = P(X < a)
1. Espérance mathématique
Dénition 3. On appelle espérance mathématique de X , notée E(X), la quantité (si elle
existe) : X
E(X) = xi P(X = xi )
xi ∈X(Ω)
Exemple : On reprend l'exemple sur le jeu avec le dé. On jette un dé et on joue de la façon
suivante : On gagne 10 da si on obtient un nombre pair, 20 da si on obtient "1"ou "3" et
on perd 10 da si on obtient "5". On a vu que
1 1 1
P(X = −10) = P(X = 10) = P(X = 20) =
6 2 3
Alors X 1 1 1
E(X) = xi P(X = xi ) = (−10) × + 10 × + 20 ×
6 2 3
xi ∈X(Ω)
−10 + 30 + 40
= = 10
6
ceci veut dire que l'espérance moyen du gain est égal à . 10
Propriétés de l'espérance : (Linéarité)
Ceci veut dire qu'on n'a pas besoin de calculer la loi de probabilité de g(X) pour calculer
son espérance.
Z. Guessoum ... ...
Page 5
2. Variance
Dénition 4. La variance d'une VAD (si elle existe) est donnée par :
X
V ar(X) = (xi − E(X))2 P(X = xi )
xi ∈X(Ω)
Propriétés de la variance
(a) V ar(X) ≥ 0
(b) V ar(X) = 0 ⇔ X = E(X) = a
(c) V ar(X + a) = V ar(X) (invariance par translation)
(d) V ar(aX) = a V ar(X)
2
Preuve
On utilise les propriétés de linéarité de l'espérance :
(a) Par dénition
(b) X
V ar(X) = 0 ⇔ (xi − E(X))2 P(X = xi ) = 0
xi ∈X(Ω)
(d)
2 2
V ar(aX) = E aX − E(aX) = E a(X − E(X)) = a2 E[X − E(X)]2 = a2 V ar(X)
(e)
V ar(X) = E[X − E(X)]2 = E[X 2 − 2XE(X) + (E(X))2 ]
= E(X 2 ) − 2(E(X))2 + (E(X))2 = E(X 2 ) − (E(X))2
Dénition 6. (a) On appelle moment non centré d'ordre r ∈ N d'une VAD, la quantité
∗
Remarque 6.
M1 (X) = E(X)
V ar(X) = E(X 2 ) − (E(X))2 = M2 (X) − M12 (X)
µ1 (X) = 0, µ2 (X) = V ar(X)
Dénition 7. On dit qu'une variable aléatoire est absolument continue, si sa fonction de réparti-
tion F (x) est continue, admet une dérivée à droite et une dérivée à gauche.
Remarque 7. La fonction de répartition F d'une variable aléatoire absolument continue a les
mêmes propriétés que celle d'une variable aléatoire discrète, à savoir :
1. 0 ≤ F (x) ≤ 1 ∀x ∈ R
2. F est croissante
3. lim F (x) = 0 lim F (x) = 1
x→−∞ x→+∞
Exemples :
= 1. Donc F admet une dérivée à droite et une dérivée gauche. Par dénition, X
1− x1
lim
est une variable aléatoire absolument continue.
x→1+ x−1
Théorème 2. Soit X une variable aléatoire réelle (VAR) absolument continue. Alors
1. P(X = x) = 0
2. P(X ∈ [a, b]) = P(X ∈ ]a , b ]) = P(X ∈ [ a, b [) = P(X ∈ ]a, b[) = F (b) − F (a)
Preuve
D'après les résultats établis dans la partie précédente (Variable Aléatoire Discrète), on a
Z. Guessoum ... ...
Page 8
1. P(X = x) = F (x) − F (x ) = F (x) − F (x) = 0 car F est absolument continue.
−
2. P(X ∈ [a, b]) = F (b) − F (a) + P(X = a) = F (b) − F (a) d'après (a). Idem pour les autres.
2.1 Densité de Probabilité
F (x) = f (t)dt
−∞
1) f (x) ≥ 0 ∀x ∈ R
2) R f (x)dx = 1
+∞
−∞
a
Preuve
x→+∞ −∞ x→+∞
Zb Za Zb
F (b) − F (a) = f (x)dx − f (x)dx = f (x)dx
−∞ −∞ a
D'où : (
0 si x ≤ 0
F (x) =
1 − e−2x si x ≥ 0
Z. Guessoum ... ...
Page 10
2.2 Moments d'une VAR absolument continue
Z +∞
2. Variance
Dénition 10. La variance d'une VAR (si elle existe) est donnée par :
Z+∞
V ar(X) = (x − E(X))2 f (x)dx
−∞
Remarque 10. D'après le théorème de transfert, on peut écrire V ar(X) = E[X − E(X)] 2
(a) V ar(X) ≥ 0
(b) V ar(X + a) = V ar(X) (invariance par translation)
(c) V ar(aX) = a V ar(X)
2
Remarque 11.
M1 (X) = E(X)
V ar(X) = E(X 2 ) − (E(X))2 = M2 (X) − M12 (X)
µ1 (X) = 0, µ2 (X) = V ar(X)
si y ∈/ Y (Ω)
0
f (y) = f (g (y))
si y ∈ Y (Ω)
Y −1
X
0
g (g (y)) −1
Exemple
Soit X une variable aléatoire absolument continue, de fonction densité
1 si − 2 ≤ x ≤ 2
f (x) = 4
0 sinon
Soit la VAR Y = aX + b, a > 0. Expliciter Y (Ω) et donner la loi de Y .
Solution : X(Ω) = [−2, 2] ⇒ Y (Ω) = [−2a + b, 2a + b]. La fonction g(x)=ax+b est continue,
bijective et dérivable sur R donc d'après le théorème de changement de variable on a
1 si − 2a + b ≤ y ≤ 2a + b
f (y) = 4a
sinon
Y
0
Remarque 12. Même dans le cas où la fonction g n'est pas inversible, on peut parfois déterminer
la loi de Y = g(X). Considérons par exemple g(x) = x ; la fonction g n'est pas injective car
2
g(−x) = g(x) pour tout x ∈ R et cependant on peut déterminer la loi de la V.A. positive Y = X 2
X
√ √
si y > 0
f ( y) + f (−
X y) X
√
dF (y) 2 y
f (y) = =
si y ≤ 0
Y
dy
0
RÉSUMÉ
Une variable aléatoire (V.A.) X est une application qui à un événement fait correspondre un
nombre.
La loi de probabilité d'une V.A. peut toujours être dénie par sa fonction de répartition (f.r.) F ,
où F (x) représente la probabilité de toutes les valeurs inférieures ou égales au réel x.
Si l'ensemble des valeurs possibles de X est dénombrable, i.e. s'il existe une bijection permettant
de le représenter par l'ensemble des x , i ∈ N , la V.A. est dite discrète et sa loi est dénie par
∗
i i∈N∗
Si l'ensemble des valeurs possibles de X est un sous-ensemble non dénombrable de R, la V.A. X est
i i i
dite continue. Dans le cas où sa f.r. F est dérivable, sa loi est dénie par sa densité de probabilité
f qui est la fonction dérivée de F : f = F . 0
la variance V ar(X) qui est une caractéristique de dispersion autour du centre E(X) :
2 2
2
V ar(X) = E X − E(X) = E(X ) − E(X)
Pour déterminer la loi de probabilité de la V.A. Y = g(X), même dans le cas où la loi de X est
dénie par sa densité, il est presque toujours préférable de déterminer au préalable sa fonction de
répartition, et éventuellement de dériver ensuite pour obtenir la densité.