Académique Documents
Professionnel Documents
Culture Documents
Dr. KANGA
Définition
Une expérience est qualifiée d’aléatoire si l’on ne peut
prévoir par avance son résultat et si, répétée dans des conditions
identiques, elle peut donner lieu à des résultats différents.
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Définition
Une expérience est qualifiée d’aléatoire si l’on ne peut
prévoir par avance son résultat et si, répétée dans des conditions
identiques, elle peut donner lieu à des résultats différents.
Définition
On appelle l’ensemble des possibles ou univers,
l’ensemble Ω de tous les résultats possibles d’une expérience
aléatoire. On représente le résultat de cette expérience par un
élément ω de Ω est appelé univers. L’ensemble Ω peut être fini,
infini dénombrable ou infini non dénombrable.
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
2 Le lancer d’une pièce de monnaie est une expérience dont
les aboutissements possibles sont :
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
2 Le lancer d’une pièce de monnaie est une expérience dont
les aboutissements possibles sont :Ω = {P ile; F ace}.
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
2 Le lancer d’une pièce de monnaie est une expérience dont
les aboutissements possibles sont :Ω = {P ile; F ace}.
3 Le nombre de jets nécessaires d’une pièce de monnaie
jusqu’à l’obtention du premier "face".
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
2 Le lancer d’une pièce de monnaie est une expérience dont
les aboutissements possibles sont :Ω = {P ile; F ace}.
3 Le nombre de jets nécessaires d’une pièce de monnaie
jusqu’à l’obtention du premier "face". On a
Ω
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
2 Le lancer d’une pièce de monnaie est une expérience dont
les aboutissements possibles sont :Ω = {P ile; F ace}.
3 Le nombre de jets nécessaires d’une pièce de monnaie
jusqu’à l’obtention du premier "face". On a
Ω = {1; 2; ...; n; ...} = N∗ .
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
2 Le lancer d’une pièce de monnaie est une expérience dont
les aboutissements possibles sont :Ω = {P ile; F ace}.
3 Le nombre de jets nécessaires d’une pièce de monnaie
jusqu’à l’obtention du premier "face". On a
Ω = {1; 2; ...; n; ...} = N∗ .
4 Pour la durée de vie d’une ampoule électrique
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
2 Le lancer d’une pièce de monnaie est une expérience dont
les aboutissements possibles sont :Ω = {P ile; F ace}.
3 Le nombre de jets nécessaires d’une pièce de monnaie
jusqu’à l’obtention du premier "face". On a
Ω = {1; 2; ...; n; ...} = N∗ .
4 Pour la durée de vie d’une ampoule électrique
Ω = [0; +∞[= R+ .
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici quelques expériences aléatoires et les univers des possibles
correspondants :
1 On lance un dé et on note le chiffre obtenu. C’est une
expérience dont l’ensemble des résultats possibles est :
Ω = {1; 2; 3; 4; 5; 6}.
2 Le lancer d’une pièce de monnaie est une expérience dont
les aboutissements possibles sont :Ω = {P ile; F ace}.
3 Le nombre de jets nécessaires d’une pièce de monnaie
jusqu’à l’obtention du premier "face". On a
Ω = {1; 2; ...; n; ...} = N∗ .
4 Pour la durée de vie d’une ampoule électrique
Ω = [0; +∞[= R+ .
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Définition
Soit Ω l’univers associé à une expérience aléatoire. Une famille
A de parties de Ω est appelée tribu ou σ-algèbre si elle vérifie
les propriétés suivantes :
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Définition
Soit Ω l’univers associé à une expérience aléatoire. Une famille
A de parties de Ω est appelée tribu ou σ-algèbre si elle vérifie
les propriétés suivantes :
(i) Ω ∈ A,
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Définition
Soit Ω l’univers associé à une expérience aléatoire. Une famille
A de parties de Ω est appelée tribu ou σ-algèbre si elle vérifie
les propriétés suivantes :
(i) Ω ∈ A,
(ii) ∀A ∈ A, A ∈ A,
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Définition
Soit Ω l’univers associé à une expérience aléatoire. Une famille
A de parties de Ω est appelée tribu ou σ-algèbre si elle vérifie
les propriétés suivantes :
(i) Ω ∈ A,
(ii) ∀A ∈ A, A ∈ A,
(iii) Pour toute famille dénombrable (Ai )i∈I d’éléments
de A, i∈I Ai ∈ A.
S
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Définition
Soit Ω l’univers associé à une expérience aléatoire. Une famille
A de parties de Ω est appelée tribu ou σ-algèbre si elle vérifie
les propriétés suivantes :
(i) Ω ∈ A,
(ii) ∀A ∈ A, A ∈ A,
(iii) Pour toute famille dénombrable (Ai )i∈I d’éléments
de A, i∈I Ai ∈ A.
S
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici les trois exemples classiques de tribus :
(i) tribu grossière (la plus élémentaire), on ne peut en
construire de plus petite : A = {∅; Ω} ;
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici les trois exemples classiques de tribus :
(i) tribu grossière (la plus élémentaire), on ne peut en
construire de plus petite : A = {∅; Ω} ;
(ii) tribu de Bernoulli : À partir d’un événement
quelconque A, on peut constituer la tribu :
A = {∅; A; A; Ω} ;
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Exemple
Voici les trois exemples classiques de tribus :
(i) tribu grossière (la plus élémentaire), on ne peut en
construire de plus petite : A = {∅; Ω} ;
(ii) tribu de Bernoulli : À partir d’un événement
quelconque A, on peut constituer la tribu :
A = {∅; A; A; Ω} ;
(iii) tribu la plus fine, dans le sens où elle contient
toutes les autres tribus sur : A = P(Ω).
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Proposition
Si A est une tribu sur Ω, alors :
∅ ∈ A,
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Proposition
Si A est une tribu sur Ω, alors :
∅ ∈ A,
∀A, B ∈ A, A ∩ B ∈ A,
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Proposition
Si A est une tribu sur Ω, alors :
∅ ∈ A,
∀A, B ∈ A, A ∩ B ∈ A,
Si (An )n∈N∗ une suite d’éléments de A, alors An ∈ A.
T
n∈N∗
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Définition
Soit (Ω, A) un espace probabilisable.
Une probabilité sur A est une application P : A → [0; 1] telle
que
1 P(Ω) = 1
2 Si (An )n est une suite (éventuellement finie) d’éléments de
A deux à deux incompatibles (ie. Ai ∩ Aj = ∅ pour i ̸= j),
alors : X
P(∪An ) = P(An )
n
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Tribus - Espaces probabilisables - Evénements
Les variables aléatoires Probabilité
Couple de variables aléatoires
Proposition
1 P(∅) = 0
2 P(A) = 1 − P(A)
3 P(A) ≤ P(B) si A ⊂ B
4 P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
P(∪i Ai ) ≤
P
i P(Ai )
5
6 FORMULE DE POINCARÉ
Cette formule permet de calculer la probabilité de la
réunion d’un nombre quelconque d’événements ; elle se
démontre par récurrence :
P( ni Ai ) = ni=1 P(Ai ) − 1≤i<j≤n P(Ai ∩ Aj ) + ...
S P P
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Définition
Soit B un événement de probabilité non nulle. On appelle
probabilité conditionnelle de A sachant B (ou encore de A si
B) le rapport noté P(A|B) :
P(A ∩ B)
P(A|B) =
P(B)
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
P [(∪i Ai ) ∩ B]
P[(∪i Ai )|B] =
P(B)
P [∪i (Ai ∩ B)]
=
P(B)
X P(Ai ∩ B) X
= = P(Ai |B).
i
P(B) i
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Preuve
Comme A ∪ A = Ω, h i
P(B) = P(B ∩ (A ∪ A) = P (B ∩ A) ∪ (B ∩ A) .
Or B ∩ A et B ∩ A sont incompatibles. On en déduit
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Formule de Bayes
Soit A et B deux évènements tels que 0 < P(A) < 1 et
P(B) > 0. Alors,
P(B|A)P(A) P(B|A)P(A)
P(A|B) = = .
P(B) P(B|A)P(A) + P(B|A)P(A)
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Formule de Bayes
Soit A et B deux évènements tels que 0 < P(A) < 1 et
P(B) > 0. Alors,
P(B|A)P(A) P(B|A)P(A)
P(A|B) = = .
P(B) P(B|A)P(A) + P(B|A)P(A)
Démonstration.
P(A ∩ B) P(B|A)P(A)
P(A|B) = =
P(B) P(B)
et on conclut en remplaçant P(B) par son expression donnée
par la formule des probabilités totales.
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Exemple
Deux opérateurs de saisie, A et B, entrent respectivement 100
et 200 tableaux sur informatique. Les tableaux de A comportent
des fautes dans 5, 2% des cas et ceux de B dans 6, 7% des cas.
On prend un tableau au hasard. Il comporte des fautes.
Quelle est la probabilité pour que A se soit occupé de ce
tableau ?
Soient les évènements :
TA = le tableau est entré par A,
TB = TA = le tableau est entré par B,
F = le tableau comporte des fautes.
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Définition
Deux événements A et B sur un même espace probabilisé
(Ω; A; P) sont dits indépendants en probabilité si
P(A ∩ B) = P(A)P(B)
On note A ⊥ B.
S’ils sont de probabilité non nulle, alors
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Proposition
1 Si A et B sont indépendants, alors A ⊥ B, A ⊥ B, A ⊥ B.
2 Si l’évènement A est tel que sa probabilité est soit nulle
soit égales à 1, alors
∀B ∈ A, A ⊥ B
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
Preuve
1) On a :
D’où
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance Probabilités conditionnelles
Les variables aléatoires Indépendance
Couple de variables aléatoires
B ⊥ A, ∀B ∈ A
et donc
B ⊥ A, ∀B ∈ A
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Définition
Soit (Ω, A, P) un espace probabilisé. On appelle variable
aléatoire l’application
X : Ω −→ I (I ⊂ R)
ω 7−→ X(ω)
Définition
La fonction de répartition d’une variable aléatoire X est
l’application FX (x) = P(X < x).
Une variable aléatoire continue est entièrement à partir de sa
fonction de répartition.
Propriétés
1 F
X est monotone croissante continue à gauche.
2 Elle admet un nombre de points de discontinuité au plus
dénombrable.
3 limx−→−∞ FX (x) = 0 et limx−→+∞ FX (x) = 1.
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Définition
(Cas de variable discrète) On appelle fonction de
probabilité pi de la variable aléatoire discrète X la fonction
définie par P(X = i)
(Cas continu) La densité de probabilité fX de la variable
aléatoire continue X est par définition, la dérivée de la
fonction de répartition de la variable X :
dFX (x)
fX (x) = .
dx
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Cas discret
L’espérance mathématique de X notée E(X) ou E(X) est
définie par X
E(X) = xP(X = x).
x∈X(Ω)
Formule de Koënig
X
V (X) = E(X 2 ) − E(X)2 = x2 P(X = x) − E(X)2 .
x∈X(Ω)
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Cas continu
Z +∞
L’espérance de X est E(X) = xfX (x)dx
−∞
la variance de X est
Z +∞
V (X) = (x − E(X))2 fX (x)dx
−∞
Formule de Koenig :
Z +∞
V (X) = x2 fX (x)dx − (E(X))2
−∞
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
f (x) f (ln(y))
g(y) = = .
exp(x) y
b) φ est quelconque
√ √
Par exemple, Y = X 2 : P(Y < y) = P(− y < X < y) d’où
√ √ √ 1 √ 1
G(y) = F ( y) − F (− y) =⇒ g(y) = f ( y) 2√ y + f (− y) 2 y
√
1 √ √
g(y) = √ (f ( y) + f (− y)).
2 y
√
f ( y)
Si f est paire, g(y) = √ .
y
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Moment d’ordre k
X
E(X) = xk P(X = x) (discret).
x∈X(Ω)
Z +∞
E(X) = xk fX (x)dx (cas continu)
−∞
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Propriété
1 φλX (t) = φX (λt), ∀λ, t ∈ R.
2 φX+a (t) = eiat φX (t).
En particulier, si X est une v.a. de moyenne E(X) = m et
d’écart-type σ, en posant U = X−m σ , alors
m t
φU (t) = φ X−m (t) = e−it σ φX ( ).
σ σ
De sorte que φX (t) = e−itm φU (σt).
3 Si X et Y sont deux v.a.r. indépendantes, alors
φX+Y (t) = φX (t)φY (t)
4 φX (−t) = φX (t).
(v) |φX (t)| ≤ 1, ∀t ∈ R et φX (0) = 1.
5 Si les dérivées de φX existent jusqu’à l’ordre k, on a
(k)
φX (0) = ik E(X k )
′ KANGA
Dr. ′′ 2
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Inégalité de Markov
E(X)
∀a > 0, P (X > a) ≤ a
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Inégalité de Markov
E(X)
∀a > 0, P (X > a) ≤ a
Inégalité de Tchebycheff
V (X)
∀ε > 0, P (|X − E(X)| > ε) ≤ ϵ2
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Définition
Un couple de variables aléatoires Z est une application de
(Ω, A, P) dans R2 , muni de sa tribu borélienne Bp = B(R2 ).
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Loi conjointe
Dans le cas discret la loi conjointe de probabilité de deux
variables aléatoire X et Y est donnée par
PX,Y (x, y) = P (X = x, Y = y)
Définition
La fonction de répartition (f.r.) de (X, Y ) est une
application FZ = FX,Y : R2 → R définie par
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
∂ 2 FX,Y (x, y)
fX,Y (x, y) = .
∂x∂y
On a donc
1 fX,Y (x, y) ≥ 0
Z Z
2 fX,Y (x, y)dxdy = 1
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Densité marginale
Z
1 fX (x) = fX,Y (x, y)dy
Z
2 fY (y) = fX,Y (x, y)dx
Densité conditionnelle
La densité conditionnelle de Y sachant X est définie par
fX,Y (x, y)
fY |X (x) =
fX (x)
pour fX (x) ̸= 0
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
ou encore
∂ϕ1 (x,y) ∂ϕ1 (x,y)
∂x ∂y
detJ = ∂ϕ2 (x,y) ∂ϕ2 (x,y) .
∂x ∂y
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Covariance
Considérons deux variables aléatoires X et Y d’espérance E(X)
et E(X) et de variances V (X) et V (Y ) . La covariance de ces
deux variables est définie par
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Convergence en probabilité
(Xn ) converge en probabilité vers X si ∀ε > 0,
P
On note Xn −
→ X.
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Définition
La suite (Xn ) converge presque sûrement vers X si
Dr. KANGA
Fondements de la théorie des probabilités
Probabilités conditionnelles, indépendance
Les variables aléatoires
Couple de variables aléatoires
Dr. KANGA