Ecole Nationale d’Ingénieurs de Sfax

Département de Génie Mécanique

Cours Sureté et Fiabilité des Systèmes Industriels

GEM3 S2-S3

7 éme Séance

Présenté par: Lassâad WALHA

1
Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Chapitre 3.

Transformations des lois de probabilités

et variables aléatoires multiples

Présenté par: Lassâad WALHA 2

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

1. Introduction 

Dans les deux premiers chapitres, on a étudié quelques lois de probabilité d’une variable
aléatoire. Mais dans la plupart des cas, le système comporte plusieurs variables
aléatoires soit indépendantes soit liées par des fonctions linéaires ou non linéaires.

Pour cela, dans ce chapitre on étudie le cas de variables aléatoires multiples dans un
système industriel. Ce chapitre est divisé en trois grandes parties.

Dans la première, on introduit les notions de Variables aléatoires Multiples, la

Fonction de Distribution Cumulative Conjointe et Marginale (FDCC) et la Fonction
Densité de Probabilité Conjointe (FDPC) et Marginale.

Dans la deuxième partie, on introduit les transformations linéaires d’une variable

aléatoire X à une autre variable Y reliée par une fonction linéaire.

Dans la dernière partie, on traite le cas de transformations non linéaires entre

variables aléatoires.

Présenté par: Lassâad WALHA 3

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

2. Variables aléatoires multiples

Dans ce paragraphe, on pose X et Y deux variables aléatoires dans un
même système ou structure (exemple: une charge et sa distribution pour une
poutre en flexion).

La combinaison entre ces deux variables donne naissance à des fonctions

Conjointes de probabilités telles que la Fonction de Distribution
Cumulative Conjointe (FDCC) et la Fonction de Densité de Probabilité
Conjointe (FDPC).

A partir de ces fonctions conjointes, on peut tirer les fonctions marginales

c'est-à-dire pour une seule variable indépendante de la deuxième variable.

Présenté par: Lassâad WALHA 4

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

2.1. Probabilité Conjointe

Pour deux variables aléatoires X et Y, les probabilités de toutes les paires

possibles (x, y) sont décrites par la Fonction de Distribution Cumulative
Conjointe (FDCC) de X et Y qui est donnée par la relation suivante:

FX ,Y  x, y   p ( X  x, Y  y )  p  ( X  x)  (Y  y ) 
La FDCC de X et Y doit satisfaire les propriétés suivantes :

1) FX ,Y  ,    0 et FX ,Y  ,    1

2) FX ,Y  , y   0 et FX ,Y  x,    0
3) FX ,Y  , y   FY ( y ) et FX ,Y  x,    FX ( x)
4) FX,Y(x,y) est une fonction positive et croissante de x et y
Présenté par: Lassâad WALHA 5
Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Pour chaque couple (x,y), la Fonction de Distribution Cumulative

Conjointe (FDCC) de X et Y est définie par:
x y

FX ,Y  x, y   p ( X  x, Y  y )   f X ,Y  u , v  dv.du
 

Si les dérivées partielles de F par rapport à x et y existent, alors la Fonction

de Densité de Probabilité Conjointe (FDPC) est définie par:

 2 FX ,Y  x, y 
f X ,Y  x, y  
xy

Nous pouvons également écrire la relation suivante:

b d
p  a  X  b, c  Y  d     f X ,Y  x, y  dydx
a c

Présenté par: Lassâad WALHA 6

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

2.2. Probabilité Conditionnelle

La fonction densité de probabilité conditionnelle de X sachant Y est définit par :
f X ,Y  x, y 
fX Y  x y  f X ,Y  x, y   f X Y  x y  . fY  y 
fY  y 
• Si les variables aléatoires X et Y sont statistiquement indépendantes, alors :

fX Y  x y  fX  x
f X ,Y  x, y   f X  x  fY  y 
fY X  y x  fY  y 
De façon générale, chaque Fonction Densité de Probabilité Marginale est définit par :
  

fY  y    y x f X  x  dx  f X ,Y  x, y  dx fY  y    f X ,Y  x, y  dx


fY X 
 
  
fX  x   f X Y  x y  fY  y  dy   f X ,Y  x , y  dy fX  x   f X ,Y  x, y  dy
  

Présenté par: Lassâad WALHA 7

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

2.3. Covariance des Variables aléatoires Multiples

• La covariance est une mesure du degré de linéarité entre X et Y

Cov  XY   E  X   X   Y  Y    E  X   X   Y  Y  

 E  XY   E   X .Y   E  Y . X   E   X .Y  
Cov  XY   E  XY   E  X  E  Y 
• L’espérance (moyenne) conjointe de X et Y est donnée par:
 
E  XY     xyf X ,Y  x, y  dxdy
 

• Si les variables aléatoires X et Y sont statistiquement indépendantes, alors :

 
E  XY    xf  x  dx  yf  y  dy  E  X  E  Y   
X Y X Y
 

Cov  XY   E  X  E  Y   E  X  E  Y   Cov  XY   0
Présenté par: Lassâad WALHA 8
Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Propriétés de la Covariance

•Si Cov(XY) est positive et grande, alors les valeurs de X et Y sont toutes les deux
grandes par rapport aux moyennes de X et Y.

•Si Cov(XY) est négative mais grande en valeur absolue, alors les valeurs de X

sont grandes et les valeurs de Y sont petites par rapport aux X et Y

•Si Cov(X,Y) est petite, alors il y a peu de corrélation entre les valeurs de X et Y.

•Si Cov(X,Y) est nulle, alors il n’y a pas de corrélation entre les valeurs de X et Y.

Présenté par: Lassâad WALHA 9

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

2.4. Corrélation des variables aléatoires multiples

Le coefficient de corrélation entre deux variables X et Y est définit par :

Cov  X , Y 
 XY  avec  1   XY  1
 XY
Figure 3.1. Quelques cas de corrélation entre les variables aléatoires X et Y

 XY  1  XY  1

 XY  0 0   XY  1
Présenté par: Lassâad WALHA 10
Cours Sureté et Fiabilité des Systèmes Industriels GEM3

2.5. Moyenne et variance conditionnelles

• La moyenne conditionnelle de X sachant Y=y est définie comme suit:


E  X Y  y  X y   x. f  x y  dx
X Y


• La variance conditionnelle de X sachant Y=y est définie comme suit:

Var  X Y  y   E  X   X Y  Y  y 
 2

 
 2

Var  X Y  y     x 

X y . f X Y  x / y  dx

Présenté par: Lassâad WALHA 11

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Exercices d’application
Exercice 1.
Soit (X,Y) un couple de variables aléatoires dont la densité conjointe est
donnée par :
 2e  x e 2 y x    , y   
f ( x, y )  
 0 si non

1. Déterminer la FDC marginale de X

x

Par définition: FX ( x )  P ( X  x )   f X  s  ds
 

La Fonction Densité de Probabilité Marginale est : fX  x   f X ,Y  x, y  dy



x  x 
FX ( x)  P ( X  x, y  R )   f X ,Y  s, y  dyds    2e  s e 2 y dyds
 0  0

Présenté par: Lassâad WALHA 12

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

 
x
 e  x x
s 1
2 y
FX ( x )   2e  e dyds   2e  
s 2 y s
 ds   2e .( ) ds
 0   2 0 
2
x
x
  
s s x
 e ds    e    1  e X suit une loi exponentielle de paramètre (1)


2. Calculer la probabilité de l’événement (X<Y)

 y 
 y  x 2 y  
1
P( X  Y )   f X ,Y  x, y  dxdy     2e e dx  dy   e 3 y dy 
0 0 0 0  0
3

   x 2 y 
 
1
ou encore     2e e dy  dx   e dx 
3 x

0  x  0
3

Présenté par: Lassâad WALHA 13

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Exercice 2.

Soient X et Y les débits (en m3) respectifs de deux robinets qui alimentent un
réservoir. Ces 2 variables aléatoires sont définis par la distribution conjointe
suivante :
4.107 ( 6000  x  y )
f XY ( x, y )   0  x  4000 et  0  y  2000
6000
1. Quelle est la probabilité que le débit du robinet 1 soit le double du débit du
robinet 2.
4000 0.5 x 4000 0.5 x
4.107
P( X  2Y )    f X ,Y  x, y  dydx    (6000  x  y)dydx
0 0
6000 0 0

4000
4.10 7 4000
5x 2
4.10  7
x 5x  2 3
32

6000 
0
(3000 x 
8
) dx   3000 
6000 

2 24 0

45

Présenté par: Lassâad WALHA 14

Cours Sureté et Fiabilité des Systèmes Industriels GEM3
2. Déterminer la fonction de densité conditionnelle de X pour Y=1000 m3
f X Y 1000  x y  1000   ? f X ,Y  x, y 
f X Y 1000  x y  1000  
Par définition:
f X ,Y  x, y  fY  y  y 1000
fX Y  x y 
fY  y 

4.107 4.107
4000
fY  y    f X ,Y  x, y  dx   (6000  x  y )dx  4000(4000  y )
 0
6000 6000
f X ,Y  x, y  (5000  x)
f X Y 1000  x y  1000   
fY  y  y 1000
4000.3000
(5000  x)
 6
 0  x  4000
12.10
3. Calculer la probabilité que X soit supérieure à 2000 m3 sachant que Y=1000 m3
4000 4000
(5000  x) 1
P( X  2000 / Y  1000)   f X Y 1000  x y  1000  dx   6
dx 
2000 2000
12.10 3
Présenté par: Lassâad WALHA 15