Académique Documents
Professionnel Documents
Culture Documents
Chapitre 6 Introduction A La Theorie Des Variables Aleatoires Reelles Continues A 2 Dimensions
Chapitre 6 Introduction A La Theorie Des Variables Aleatoires Reelles Continues A 2 Dimensions
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
1. Notions générales
1.1 Définition de l’évènement élémentaire
C’est le produit : dx dy tel que :
dx x, x dx dx 0
dy y, y dy dy 0
Géométriquement, l’évènement élémentaire est représenté par la surface élémentaire du rectangle élémentaire.
1.2 Définition de la loi de probabilité conjointe
a-Le support
( X , Y ) () X () x Y ()
b-La fonction de densité conjointe
Notée f ( x, y) ou f X Y ( x, y )
f : IR 2 IR
( x, y ) IR 2 f ( x, y ) IR
f vérifie les propriétés connues :
Continue sur IR sauf en quelques points dont le nombre est limité
f ( x, y ) 0 ( x, y ) IR 2
P ( ) f ( x, y) dx dy 1
2 F ( x, y )
f ( x, y )
x y
d 2 F ( x, y )
dx dy
d 2 F ( x, y) f ( x, y ) dx dy
P {( x X x dx) ( y Y y dy )}
f ( x, y)
y
dx
|P a g e 1
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
0 F ( x, y ) 1 ( x, y ) IR 2
x j xi F ( x j , y) F ( xi , y) xi , x j IR ( i j )
y j y i F ( x, y j ) F ( x, y i ) y i , y j IR ( i j )
lim F ( x, y ) 0
x
lim F ( x, y ) 0
y
lim F ( x, y ) 0
x
y
lim F ( x, y ) FX ( x)
y
lim F ( x, y ) FY ( y)
x
lim F ( x, y) 1
x
y
1er cas : ( xi x j ) ( yi y j ) (i j )
P [( xi X x j ) ( yi Y y j )] F ( x j , y j ) F ( x j , yi ) F ( xi , y j ) F ( xi , yi )
2ème cas : ( xi x j ) ( yi y j ) (i j )
P [( xi X x j ) ( yi Y y j )] 1 FX ( xi ) FX ( x j ) FY ( yi ) FY ( y j ) FX Y ( xi , yi ) FX Y ( xi , y j ) FX Y ( x j , yi ) FX Y ( x j , y j )
3ème cas :
P ( X xi Y y j ) 1 FX ( xi ) FY ( y j ) FX Y ( xi , y j )
Exemple 1
|P a g e 2
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
Solution
1. Support
X () b b Y () b b
( X , Y ) () b b 2
2. Calcul du paramètre
b b
f ( x, y ) dx dy 1
b b
b b
P () 1 (1 xy ) dx dy 1
b b
bb
(1 xy ) dy dx 1
b b
b b b
dy x y dy dx 1
b b b
b
y b
b x
2
b
y 2 b dx 1
P () 1 b
b x
b
2 b (0) dx 1
2
b
b
2 b dx 1
b
2 b
b
dx 1
P () 1 2 b x bb 1
4b 2 1 1 0 (b 0)
4b 2
0 ( x b) ( y b)
(1 xy)
f ( x, y ) 2
( b x b) (b y b)
4b
0 ( x b) ( y b)
F1 ( x, y ) 0
|P a g e 3
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
( x b) ( y b)
F2 ( x, y ) P( X x Y y )
xb yb
f ( x, y) dx dy
b b xb yb
f (t , u ) dt du
b
f (t, u) dt du
b
x b y b
1
F1 (b ,b ) (1 tu ) du dt
4b 2
b b
x b y b
1
0 (1 tu ) du dt
4b 2
b b
x b y b yb
1
F2 ( x, y ) du t udu dt
4b 2
b b b
xb
1
4b 2
u b u
y t 2
2
y
b
dt
b
xb
2
1 t
( y b) 2 ( y b dt
2
4b 2 b
xb xb
y 2 b2
1 1 t dt
( y b) dt
4b 2 4b 2 2
b b
xb 2 xb
yb y b
2
4b 2 dt
b
8b 2 t dt
b
yb
t x b y b2 t 2 b
2 2
x
2
4b 16b
( y b)( x b) ( y 2 b 2 )( x 2 b 2 )
4b 2 16b 2
( x b)( y b) ( y 2 b 2 )( x 2 b 2 )
F2 ( x, y )
4b 2 16 b 2
( x ) ( y )
F3 ( x, y ) P ( X x Y y )
x y
f (t , u ) dt du
b b x y
f (t , u ) dt du f (t , u ) dt du
b b
F2 (b, b) 0
(b 2 b 2 ) (b 2 b 2 ) (b b) (b b)
2
16b 4b 2
2
4b
1
4b 2
F3 ( x, y ) 1
|P a g e 4
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
0 ( x b) ( y b)
( x b)( y b) ( x b )( y b )
2 2 2 2
F ( x, y ) (b x b) (b y b)
4b 2 16 b 2
1 ( x b) ( y b)
Vérification :
0 ( x b) ( y b)
F ( x, y )
2
(1 xy)
f ( x, y ) (b x b) (b y b)
x y 4b
2
0 ( x b) ( y b)
f X : IR IR
x IR f X ( x) IR
f X ( x) yY ( )
f ( x, y ) dy
fY : IR IR
y IR fY ( y ) IR
fY ( y ) x X ( )
f ( x, y ) dx
2ème méthode
FX ( x) P ( X x)
x
f
T (t ) dt
|P a g e 5
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
2ème méthode
FY ( y ) P (Y y )
y
f
U (u ) du
f ( x, y )
f X \Y y ( x ) f ( x, y ) f Y ( y ) f X \ Y y ( x )
f Y ( y)
4.2 Loi de probabilité marginale de la variable aléatoire réelle Y
a. Le support
Y () y : y IR
b. La fonction de densité conditionnelle
f ( x, y )
fY \ X x ( y ) ; f X ( x) 0
f X ( x)
f ( x, y )
fY \ X x ( y ) f ( x, y ) f X ( x ) f Y \ X x ( y )
f X ( x)
Remarque :
f ( x, y ) f Y \ X x ( y ) f X ( x )
f X \ Y y ( x ) fY ( y )
5. L’indépendance en probabilité
X Y f ( x, y ) f X ( x) f Y ( y ) ( x, y ) IR 2
Corollaire :
f X \ Y y ( x) f X ( x) ; fY ( y ) 0
fY \ X x ( y ) f y ( y ) ; f X ( x) 0
|P a g e 6
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
Exemple 2
On considère l’exemple 1 précédent.
1. Calculer la loi de probabilité marginale de chaque variable et reconnaitre la loi obtenue
2. Calculer la fonction de répartition marginale de chaque variable
3. Calculer la loi de probabilité conditionnelle de chaque varaible
4. Les variables sont-elles indépendantes en probabilité
Solution
1. Calcul des lois de probabilité marginales
a. De la variable aléatoire réelle X
Support
X () b b
Fonction de densité marginale
f X ( x) yY ( )
f ( x, y ) dy
b
f X ( x) f ( x, y) dy
b
b
(1 xy) dy
1
4b 2 b
1
b b
4b b
2
dy xy dy
b
1 b x 2 b
2 y b y b
4b 2
2b 1
2
4b 2b
1
b x b
f X ( x) 2b
0 sinon
La loi obtenue est la loi uniforme X ~ U (b, b)
fY ( y ) x X ( )
f ( x, y ) dx
|P a g e 7
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
b
fY ( y) f ( x, y) dx
b
b
(1 xy) dx
1
4b 2 b
1
b b
4b b b
2 dx xy dx
fY ( y )
1 b y 2
x b x
4b 2 2
b
b
2b 1
4b 2 2b
1
b y b
f Y ( y ) 2b
0 sinon
( x b)( y b) ( x 2 b 2 )( y 2 b 2 )
F ( x, y )
4b 2 16 b 2
( x b) ( y b) ( x2 b2 ) ( y 2 b2 )
lim F ( x, y ) lim
y y 4b 2 16 b 2
( x b) ( y b) ( x2 b2 ) ( y 2 b2 )
lim 2
y b 4b 16 b 2
( x b) ( y b) xb
lim 2
y b 4b 2b
0 x b
( x b)
FX ( x) b x b
2b
1 xb
2ème méthode
FX ( x ) P ( X x )
x
f
T (t ) dt
{x b}
x b
FX ( x) f
T (t ) dt
0
|P a g e 8
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
{x b}
x b
FX ( x) f
T (t ) dt
b xb
f T (t ) dt f
b
T (t ) dt
xb
1
FX (b )
2b dt
b
0
1
t x b
2b
xb
2b
xb
FX ( x )
2b
{x }
x
FX ( x )
f T (t ) dt
b x
f
T (t ) dt
b
f T (t ) dt
x
FX ( b ) 0.dt
b
2b
0 1
2b
FX ( x ) 1
0 x b
x b
FX ( x) b xb
2b
1 xb
3ème méthode
0 x b
x a xb
X ~ U (b, b) FX ( x) b x b
b a 2b
1 xb
On vérifie que
1
FX ( x) b x b
f X ( x) 2b
dx 0
if not
|P a g e 9
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
( x b) ( y b) ( x2 b2 ) ( y 2 b2 )
F ( x, y ) 2
4b 16 b 2
( x b) ( y b) ( x 2 b 2 ) ( y 2 b 2 )
lim F ( x, y ) lim
x x 4b 2 16 b 2
( x b) ( y b) ( x 2 b 2 ) ( y 2 b 2 )
lim
x b 4b 2 16 b 2
( x b) ( y b)
lim
x b 4b 2
yb
2b
0 y b
( y b)
FY ( y ) b y b
2b
1 yb
2ème méthode
y
FY ( y ) f
U (u ) du
{ y b}
y b
FY ( y ) f
U (u ) du 0
{ y b}
y b
FY ( y ) f
U (u ) du
b y b
fU (u ) du f
b
U (u ) du
y b
1
FY (b )
2b du
b
0
1
u yb
2b
yb
2b
yb
FY ( y )
2b
{ y }
y
FY ( y ) f
U (u ) du
b y
fU (u ) du f
b
U (u ) du
y
FY (b) 0.du
b
2b
0
2b
1
FY ( y) 1
| P a g e 10
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
0 y b
yb
FY ( y ) b y b
2b
1 yb
3ème méthode :
0 y b
ya yb
Y ~ U ( b, b) FY ( y ) b y b
b a 2b
1 yb
On vérifie que
1
FY ( y ) b y b
f Y ( y) 2b
dy 0
sinon
3. Calcul des lois de probabilité conditionnelles
a. De la variable aléatoire réelle X
Support
X () b b
Fonction de densité conditionnelle
f ( x, y )
f X \ Y y ( x) fY ( y) 0
fY ( y )
(1 xy)
f ( x, y ) (b x b) (b y b)
f X \Y y ( x) 2b
fY ( y )
0 sinon
(1 xy)
f ( x, y ) ( b x b) ( b y b)
fY \ X x ( y ) 2b
fX (X )
0 sinon
X Y f ( x, y ) f X ( x) fY ( y ) ( x, y ) IR 2
1 1
f X ( x) f Y ( y )
2b 2b
1
f ( x, y ) f X ( x ) f Y ( y )
4b2
| P a g e 11
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
E ( X , Y ) ( x, y ) f ( x, y ) dx dy
x y
: IR 2 IR
( x, y ) IR 2 ( x, y ) IR
Quelques formes de la fonction
( X , Y ) aX bY
E ( X , Y ) E (aX bY ) aE ( X ) bE (Y )
( X , Y ) aX bY
E ( X , Y ) E (aX bY ) aE ( X ) bE (Y )
( X , Y ) X .Y
X Y E ( X , Y ) E ( X .Y )
E ( X ).E (Y )
5.2 L’espérance mathématique conditionnelle
a-De la variable aléatoire réelle X
E( X \ Y ) x f X \Y y ( x) dx
x X ( )
E (Y \ X ) y fY \ X x ( y ) dy
yY ( )
Théorème 1
E E ( X \ Y ) E ( X ) et E E (Y \ X ) E (Y )
Théorème 2
E ( X \ Y ) E ( X )
X Y
E (Y \ X ) E (Y )
: IR 2 IR
( x, y ) IR 2 ( x, y ) IR
5.4 La variance conditionnelle
a. De la variable aléatoire réelle X
Var ( X \ Y ) E X E ( X \ Y ) 2 \ Y
E( X 2
\ Y ) E ( X \ Y ) 2
| P a g e 12
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
E ( X 2 \ Y ) x 2 f X \Y y ( x) dx
x
E (Y 2 \ X ) y 2 fY \ X x ( y ) dy
y
Théorème 3
Var ( X ) E Var ( X \ Y ) Var E ( X \ Y )
Var (Y ) E Var (Y \ X ) Var E (Y \ X )
Théorème 4
Var ( X \ Y ) Var ( X )
X Y
Var (Y \ X ) Var (Y )
5.5 La covariance
Cov( X , Y ) E X E ( X )Y E (Y )
Relation de Huyguens-Koning
Cov( X , Y ) E ( XY ) E ( X ) E (Y )
Propriétés de la covariance
1. Cov ( X , Y ) IR
2. Cov ( X , Y ) Cov (Y , X )
3. X Y Cov ( X , Y ) 0
4. Cov ( X , X ) Var ( X )
6. Cov ( X , a) 0 (a 0)
7. Cov ( X , aY ) aCov ( X , Y ) (a 0)
| P a g e 13
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
; X 0 Y O ; x , y - 1,1
Cov ( X , Y )
x, y
x . y
Donne une mesure de l’intensité de la liaison entre les 2 variables aléatoires réelles
Cov ( X , Y ) 0 x, y 0,1 ; les variables varient dans le même sens (exemple : l’offre et le prix
dans la fonction d’offre)
Cov ( X , Y ) 0 x, y 0 (il est très peu probable qu’il existe un lien entre les 2 variables)
Cov ( X , Y ) 0 x, y 1,0 ; les variables varient en sens inverse (exemple : la demande et le
prix dans la fonction de demande)
Remarque
1. Si ( x, y 0) la liaison est jugée très faible
2. Si x, y
1 la liaison est jugée très forte
Inégalité de Schwartz
Cov ( x, y ) X Y
6.Les moments
6.1 Le moment simple conjoint
Noté mrs ; (r , s) IN
2
mrs E ( X r Y s )
x r y s f ( x, y ) dx dy
x y
(r 1 s 1) m11 E ( XY ) x y f ( x, y) dx dy
x y
(r 0 s 0) mr 0 E ( X r )
x r f X ( x) dx
x
(r 1 s 0) m10 E ( X )
(r 2 s 0) m20 E ( X 2 )
(r 0 s 0) m0 s E (Y s )
y
s
fY ( y ) dy
y
(r 0 s 1) m01 E (Y )
(r 0 s 2) m02 E (Y 2 )
| P a g e 14
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
u rs E X E( X ) Y E(Y )
r s
(r 1 s 1) u11 Cov ( X , Y )
Cov( X , Y ) E ( XY ) E ( X ) E (Y )
u11 m11 m10 m01
6.4 Le moment centré marginal
a. D’ordre r de la variable aléatoire réelle X
(r 0 s 0) u r 0 E X E ( X ) r
(r 2 s 0) u 20 Var ( X )
u 20 m 20 m10 2
u 02 m02 m01 2
Exemple 3
Soit la fonction de densité conjointe ci-après :
e x e y ( x 0) ( y 0)
f ( x, y )
0 sinon
Calculer :
1. La fonction de répartition conjointe
2. La probabilité : P ( X 3 Y 4)
11. La moyenne de Z
12. La variance de Z
| P a g e 15
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
Solution
1. Calcul de la fonction de répartition conjointe
F ( x, y ) P ( X x Y y )
x y
f (t , u ) dt du
( x 0) ( y 0)
F1 ( x, y) 0
( x ) ( y )
F2 ( x, y ) P ( X x Y y )
x y
f (t , u ) dt du
0 0 x y
f (t , u ) dt du
0
0
f (t , u ) dt du
x y
F1 (0 ,0 ) e
t
e u dtdu
0 0
x
t y u
0 e
e du dt
0 0
x
e e
t u y
0 dt
0
x
e
t
(e y 1) dt
0
x
e y 1 e t
dt
0
1) e
x
(e y t
0
(e y 1) (e x 1)
0 ( x 0) ( y 0)
F ( x, y ) x y
(e 1) (e 1) ( x 0) ( y 0)
On vérifie que :
F ( x, y ) e x e y
2
( x 0) ( y 0)
f ( x, y )
x y 0 sinon
2. Calcul de P ( X 3 Y 4)
F (3,4) P ( X 3 Y 4)
(e 3 1)(e 4 1)
0.9328
| P a g e 16
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
f X ( x) f ( x, y) dy
0
e
x y
e dy
0
e x e y
0
e x (0 1)
e x
e x x0
f X ( x)
0 sinon
X ~ Exp (1)
Y () IR
Fonction de densité marginale
fY ( y) f ( x, y) dx
x
fY ( y) f ( x, y) dx
0
e x e y dx
0
e y e x
0
e y (0 1) e y
e y y0
fY ( y )
0 sinon
Y ~ Exp (1)
4. Fonction de répartition marginale
a. De la variable aléatoire réelle X
1ère méthode
FX ( x) P( X x)
lim F ( x, y )
y
| P a g e 17
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
F ( x, y) (e x 1) (e y 1) ( x 0) ( y 0)
lim F ( x, y ) lim (e x 1) (e y 1)
y y
(e x 1) lim (e y 1)
y
x
1 e
0 x0
FX ( x) x
1 e x0
2ème méthode
FX ( x ) P ( X x )
x
f
T (t ) dt
{x 0 }
x0
FX ( x) f
T (t ) dt
0
{x }
x
FX ( x) f
T (t ) dt
0 x
f T (t ) dt f
0
T (t ) dt
x
FX (0 ) e
t
.dt
0
0 e t x
0
1 ex
0 x0
FX ( x) x
1 - e x0
3ème méthode
0 x0
X ~ Exp (1) FX ( x)
1 - e
x
x0 ( 1)
On vérifie que
dFX ( x) e x x0
f X ( x)
dx 0 sinon
FY ( y ) P (Y y )
lim F ( x, y )
x
| P a g e 18
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
lim F ( x, y ) lim (e x 1) (e y 1)
x x
(e y 1) lim (e x 1)
x
y
1 e
0 y0
FY ( y) y
1 e y0
ème
2 méthode
y
FY ( y ) f
U (u ) du
{ y 0}
y 0
FY ( y )
f U (u ) du
0
{ y }
y
FY ( y ) f
U (u ) du
0 y
fU (u ) du f
0
U (u ) du
y
FY (0 ) e
u
.du
0
0 eu
y
0
y
1 e
0 y0
FY ( y) y
1 - e y0
3ème méthode
0 y0
Y ~ Exp (1) FY ( y )
1 - e
y
y0 ( 1)
On vérifie que
dFY ( y) e y y0
fY ( y)
dy 0 sinon
5. Calcul des lois de probabilité conditionnelles
a. De la variable aléatoire réelle X
Support
X () IR
Fonction de densité conditionnelle
f ( x, y )
f X \Y y ( x)
fY ( y )
e x x0
0 sinon
| P a g e 19
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
f X \Y y ( x) f X ( x) e x
X Y
fY \ X x ( y ) fY ( y ) e y
f ( x, y) f X ( x) fY ( y) X Y
6. Calcul des moyennes conditionnelles
a. De la variable aléatoire réelle X
1ère méthode
E( X \ Y ) x f
0
X \Y y ( x) dx
x f
0
X ( x) dx
xe
x
dx
0
u dv
u v v du
u x du dx
dv e x dx v e x
x
E( X \ Y ) x e e x dx
0
0
0 e
x
0
1
ème
2 méthode
X ~ Exp (1) E ( X \ Y ) E ( X ) (X Y)
1
1
| P a g e 20
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
3ème méthode
E( X \ Y ) E( X )
xe
x
dx
0
x
2 1
e x dx
0
(2)
(2 1)!
1
b. De la variable aléatoire réelle Y
1ère méthode
E (Y \ X ) y f
0
Y\X x ( y ) dy
y f
0
Y ( y ) dy
ye
y
dy
0
u dv
u v v du
u y du dy
dv e y dy v e y
E (Y \ X ) y e y e
y
dy
0
0
0 ey
0
1
2ème méthode
Y ~ Exp (1) E (Y \ X ) E (Y ) (X Y)
1
1
3ème méthode
E (Y \ X ) E (Y )
ye
y
dy
0
y
2 1
e y dy
0
(2)
(2 1)!
1
| P a g e 21
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
Var ( X \ Y ) E ( X 2 \ Y ) E ( X \ Y )
2
E ( X 2 \ Y ) x 2 f X \Y y ( x) dx
x
x 2 f X ( x) dx (X Y)
x
x e
2 x
dx
0
E( X 2 )
u dv
u v v du
u x 2 du 2 xdx
dv e x dx v e x
E ( X 2 \ Y ) x 2 ex 2 x e x dx
0
0
0 2 E (X )
2
Var ( X \ Y ) E ( X 2 \ Y ) E ( X \ Y )
2
E ( X 2 ) E ( X )
2
Var ( X )
2 1
1
2ème méthode
X ~ Exp (1) Var ( X \ Y ) Var ( X ) (X Y)
1
2
1
3ème méthode
Var ( X \ Y ) E ( X 2 \ Y ) E ( X \ Y )
2
E ( X 2 ) E ( X )
2
2 x
x e dx 1
0
x
e x dx
31
1
0
Var ( X \ Y ) (3) 1
(3 1)!1
2 1
1
| P a g e 22
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
Var (Y \ X ) E (Y 2 \ X ) E (Y \ X )
2
E (Y 2 \ X ) y 2 fY \ X x ( y ) dy
y
y 2 fY ( y ) dy (X Y)
y
y e
2 y
dy
0
E (Y 2 )
E (Y 2 \ X ) u dv
u v v du
u y 2 du 2 ydy
y y
dv e dy v e
E (Y 2 \ X ) y 2 e y 2 y e y dy
0
0
0 2 E (Y )
2
Var (Y \ X ) E (Y 2 \ X ) E (Y \ X )2
E (Y 2 ) E (Y )2
Var (Y )
2 1 1
2ème méthode
Y ~ Exp (1) Var (Y \ X ) Var (Y ) (X Y)
1
2
1
3ème méthode
Var (Y \ X ) E (Y 2 \ X ) E (Y \ X )
2
E (Y 2 ) E (Y )
2
y 2 e y dy 1
0
y 31 e y dy 1
0
(3) 1
(3 1) !1
2 1
1
| P a g e 23
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
X Y E ( XY ) E ( X ) E (Y )
Cov( X , Y ) 0
b. Calcul du coefficient de corrélation libnéaire simple
Cov ( X , Y )
x, y
x . y
0
E ( X , Y ) ( x, y) f ( x, y) dx dy
x y
Z ( X ,Y )
X Y
1ère méthode
( x y) e
x y
E (Z ) e dx dy
0 0
xe ye
x y x y
e dx dy e dx dy
0 0 0 0
y
x
0 0 y e dy e dx
x y
x e dx e dy
0 0
E ( X )e dy E (Y )e dx
y x
0 0
| P a g e 24
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
E ( Z ) E ( X ) e y dy E (Y ) e x dx
0 0
E ( X ) * 1 E (Y ) * 1
2
2ème méthode
E ( Z ) E ( X ) E (Y )
11
2
12. Calcul de la variance de Z
1ère méthode
Var ( X , Y ) E 2 ( X , Y ) E ( X , Y ) 2
Var (Z) E ( Z ) E ( Z )
2 2
E (Z 2 ) ( x y) e x e y dx dy
2
0 0
x e e dx dy y
2 x y
2
e x e y dx dy
0 0 0 0
2 x ye
x
e y dx dy
0 0
2 x
y
x e dx e dy y 2 e y dy e x dx
0 0 0 0
2 E ( XY )
2e dy 2e dx 2
y x
E (Z 2 )
0 0
2 e y dy 2 e x dx 2
0 0
2 *1 2 *1 2
6
Var ( Z ) E ( Z 2 ) E ( Z )
2
6 22
2
2ème méthode
Var ( Z ) Var ( X ) Var (Y ) 2Cov ( X , Y )
11 0
2
| P a g e 25
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
h 1 h x, y
7.2 Définition de la condition de normalisation
x y 0 M (0,0) 1
7.3 Définition du moment simple conjoint
mrs E ( X r Y s )
r s M ( x , y )
xr ys x 00
y
( r , s ) IN 2
M ( x , y )
2
Si r 1 s 1 m 11
x y
x 00
y
E ( XY )
7.4 Définition du moment simple marginal
a. D’ordre r de la variable aléatoire réelle X
mr 0 E ( X r Y 0 )
E( X r )
d r M ( x , y )
( s 0)
d xr x00 y
dM ( x , y )
m10 E ( X ) 0
d x xy 0
d 2 M ( x , y )
m20 E ( X 2 )
d x2 x 00 y
m0 s E ( X 0Y s )
E (Y s )
d s M ( x , y )
(r 0)
d ys x 00
y
dM ( x , y )
m01 E (Y )
d y x 00
y
d 2 M ( x , y )
m02 E (Y 2 )
d y2 x 00
y
| P a g e 26
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
xx y y
e
x y
e f X ( x) f Y ( y ) dx dy
yy
e x x f X ( x) dx e f Y ( y ) dy
x y
Y
E (e x X ) E (e y )
M X ( x ) M Y ( y )
M ( x , y ) M X ( x ) M Y ( y )
M ( X ,Y ) ( ) E e ( X ,Y )
e ( x , y ) f ( x, y ) dx dy
x y
( X , Y ) aX bY
E ( X , Y ) E ( aX bY ) aE ( X ) bE (Y )
( X , Y ) aX bY
E ( X , Y ) E (aX bY ) aE ( X ) bE (Y )
( X , Y ) XY
E ( X , Y ) E ( XY ) E ( X ) E (Y )
X Y
a. Définition du moment simple de la fonction
mk E ( X , Y ) k
d M ( X ,Y ) ( )
k
(k IN * )
d k 0
dM ( X ,Y ) ( )
m1 E ( X , Y )
d 0
d 2 M ( X ,Y ) ( )
m2 E ( X , Y ) 2 d 2
0
| P a g e 27
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
Exemple 4
Soit la fonction de densité conjointe ci-après :
e x e y ( x 0) ( y 0)
f ( x, y )
0 sinon
X Y
Calculer :
1. La fonction génératrice des moments conjointe
2. Le moment simple conjoint en utilisant la fonction génératrice conjointe des moments
3. Le moment simple marginal d’ordre 1 et d’ordre 2 en utilisant la fonction génératrice conjointe des moments
Soit la variable aléatoire réelle Z tel que : Z ( X , Y ) X Y ; calculer :
4. La fonction génératrice des moments de la variable Z
5. La moyenne de la variable Z
6. La variance de la variable Z
Solution
1. Calcul de la fonction génératrice conjointe des moments
1ère méthode :
yY
M ( x , y ) E (e x X e )
yy
e x x e f ( x, y ) dx dy
x y
xx y y
e
0 0
e f ( x, y ) dx dy
xx y y x y
e
0 0
e e e dx dy
y ( y 1)
e
x ( x 1)
e dx dy
0 0
y ( y 1)
e
x ( x 1)
e dy dx
0 0
e
x ( x 1)
e y ( y 1)
0 y 1 0 dx
y ( y 1)
lim e 0
y
( y 1) 0
y ( y 1)
lim e 1
y 0
1
y 1 0
M ( x , y ) e x ( x 1) dx
1
( y 1)( x 1)
e x ( x 1)
0
lim e x ( x 1) 0
x
( x 1) 0
lim e x ( x 1) 1
x0
1
M ( x , y )
( x 1)( y 1)
| P a g e 28
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
2ème méthode
M ( x , y ) M X ( x ) M Y ( y )
Y Y
X Y E (e x X e y ) E (e x X ) E (e y )
xx y y yy
e e f ( x, y ) dx dy e f X ( x) dx e f Y ( y ) dy
xx
x y x y
M X ( x ) e x x f X ( x) dx
x
e
xx x
e dx
0
e
x ( x 1)
dx
0
M X ( x )
1
( x 1)
e x ( x 1)
0
1
( x 1)
1
M X ( x )
x 1
yy
M Y ( y ) e
x
f Y ( y ) dy
yy
e 0
e y dy
y ( y 1)
e 0
dy
1
( y 1)
y ( 1)
e y
0
1
( y 1)
1
M Y ( y )
y 1
M ( x , y ) M X ( x ) M Y ( y )
1
( x 1) ( y 1)
1
2
( x 1) ( y 1) x00
2
1
| P a g e 29
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
1
2ème méthode : utilisation de la fonction génératrice marginale des moments
m10 E ( X )
dM X ( x )
d x x 0
1
2
( x 1) x 0
1
b. D’ordre 2 de la variable aléatoire réelle X
1ère méthode : utilisation de la fonction génératrice conjointe des moments
m20 E ( X 2 )
d 2 M ( x , y )
d x2 x 00
y
2
( x 1) ( y 1) x 00
3
2
ème
2 méthode : utilisation de la fonction génératrice marginale des moments
m20 E ( X 2 )
d 2 M X (1 )
d x2 x 0
2
3
( x 1) x 0
2
De manière générale, nous avons :
(1) r 1 r !
mr 0 r 1
(1 x ) x 0
c. D’ordre 1 de la variable aléatoire réelle Y
1ère méthode : utilisation de la fonction génératrice conjointe des moments
m01 E (Y )
dM ( x , y )
d y x 00
y
-1
( y 1) ( x 1) x 00
2
1
| P a g e 30
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
2
e
( x, y )
f ( x, y ) dx dy
x y
e
( X Y )
e x e y dx dy
0 0
e
x y
e e x e y dx dy
0 0
e
x x y y
e dx dy
0 0
e
x ( 1)
e y ( 1) dx dy
0 0
| P a g e 31
Ecole Supérieure des Sciences de Gestion d’Annaba.
Cours préparé par M. Noureddine Arfaoui pour la seconde année des classes préparatoires
M Z ( ) e
x ( 1)
e y ( 1) dy dx
0 0
e x ( 1) e y ( 1) dy dx
0 0
e x ( 1)
1
e y ( 1) dx
0
1
1
e y ( 1) e
0
x ( 1)
dx
0
1
12
e y ( 1) e
0 0
x ( 1)
lim e y ( 1) 0
y
( 1) 0
lim e y ( 1) 1
y 0
lim e x ( 1) 0
x
( 1) 0
lim e x ( 1) 1
x0
1
M Z ( )
12
5. Calcul de la moyenne de la variable Z
d M Z ( )
m1
d 0
E (Z )
2
m1 3
( 1) 0
2
d 2 M Z ( )
m2
d 2 0
6
4
( 1) 0
6
Var ( Z ) 6 2 2
2
| P a g e 32