Part I Chapitre 1 : Variable aléatoire à une dimension La notion de variable aléatoire et la fonction de répartition
1-0 es 0 202 ativ 4-2 Si chaque résultat d’une expérience aléatoire, d’ensemble fondamental Ω, on lui associe une NA ua de valeur numérique, on dit que cette expérience définit une variable aléatoire. ) v ntit (U s Q ent
Exemple 0.1 Si on lance une pièce de monnaie, l’ensemble fondamental associé est Ω = {pile, f ace}. On associe la valeur 0 au résultat ”pile”, et la valeur 1 au résultat ”face”. On JE que em
dit dans ce cas que l’on est en présence d’une variable aléatoire X qui prend ses valeurs dans FS hni part
l’ensemble X(Ω) = {0, 1} .
Exemple 0.2 On considère l’expérience aléatoire qui consiste à jeter deux pièces non truqués. Tec Dé
Les résultats possibles sont au nombre de n = 4 : Ω = {(p, p); (p, f ); (f, p); (f, f )}. Et supposons qu’on s’intéresse à la somme des points obtenus si on associe la valeur 0 au résultat ”pile”, et la valeur 1 au résultat ”face”. On définit ainsi une variable aléatoire X qui prend ses valeurs dans l’ensemble suivant : X(Ω) = {0, 1, 2} . Définition 0.1 On considère une expérience aléatoire d’ensemble fondamental Ω, dans lequel on peut associer à chaque élément une probabilité. Une variable aléatoire X est une appli- cation défini de Ω dans R, qui a tout événement élémentaire associe une valeur numérique : X: Ω → R ωi → X(ωi ) Une variable aléatoire est dite discrète si l’ensemble des valeurs possibles X(Ω) est dénombrable. Elle est dite continue si X(Ω) est un intervalle de R. Définition 0.2 La fonction de répartition d’une variable aléatoire X notée F ou FX , est une fonction définie de R dans l’intervalle [0, 1] par : FX : R → [0, 1] x → FX (x) = p(X ≤ x)
1 cheikh.haidara@fsje.e-una.mr La fonction de répartition d’une variable aléatoire X détermine donc la probabilité pour que X prennent une valeur au plus égale à x. Cette fonction vérifie les propriétés suivantes :
Définition 0.3 - FX est une fonction croissante : x1 ≤ x2 ⇐⇒ FX (x1 ) ≤ FX (x2 ).
- FX est continue à droite.
- Lim FX (x) = 0 et Lim FX (x) = 1.
x→−∞ x→+∞
Variable aléatoire discrète
Loi de probabilité
Définition 0.4 On appelle loi de probabilité d’une variable aléatoire discrète X, la fonction fX définie de X(Ω) dans l’intervalle [0, 1] par :
fX : X(Ω) → [0, 1] x → fX (x) = p(X = x)
1-0 es Reprenons l’exemple 0.2 et déterminons les probabilités associées aux différentes valeurs de
0 202 ativ 4-2 la variable aléatoire X : ”Somme des points obtenue” NA ua de p(X = 0) = p {(p, p)} = 1/4. p(X = 1) = p {(p, f ) ; (f, p)} = 2/4. ) v ntit (U s Q ent
p(X = 2) = p {(f, f )} = 1/4.
La loi de probabilité de X ainsi que les valeurs de la fonction de répartition prise sur les JE que em
réalisations de la variable sont données dans le tableau suivant :
FS hni part
x→ 0 1 2 p(X = x) 1/4 2/4 1/4 Tec Dé
FX (x) = p(X ≤ x) 1/4 3/4 1
La fonction de répartion est
0 si x<0 1/4 si 0 ≤ x < 1 FX (x) = 3/4 si 1 ≤ x < 2 1 si 2 ≤ x.
On a
p(X < 2) = p(X ≤ 1) = FX (1) = 3/4
p(1 < X ≤ 2) = p(X ≤ 2) − p(X ≤ 1) = FX (2) − FX (1) = 1 − 3/4 = 1/4 La courbe représentative de la loi de probabilité est un diagramme en baton et celle de la fonction de répartition d’une variable aléatoire discrète est une courbe en escalier.
2 cheikh.haidara@fsje.e-una.mr F(x) f(x)=P(X=x)
0 0.25 0.5 0.75 1 0 0.25 0.5 0.75 1
−1 Tec Dé
0 FS hni part JE que em
3 (U s Q ent
x x
1 1 NA ua de ) v ntit Loi de probabilité
202 ativ
Fonction de répartition
2 1-0 es 4-2 0
3 2
cheikh.haidara@fsje.e-una.mr Variable aléatoire continue Une variable aléatoire continue X prend n’importe quelle valeur dans R. Sa fonction de répartition possède les propriétés suivantes :
- FX est une fonction croissante.
- FX est une fonction continue sur R.
- limFX (x) = 0 et limFX (x) = 1.
−∞ +∞
- FX est une fonction dérivable presque partout sur R.
La dérivée de la fonction de répartition FX est appelée densité de probabilité de la variable
aléatoire X : dFX (x) fX (x) = = FX0 (x). dx Définition 0.5 Une fonction fX à valeur positive, définie sur R, est une Rdensité de proba- bilité d’une variable aléatoire X, si elle est continue presque partout et si R fX (x)dx = 1.
1-0 ves 0 4-2 Ainsi, la connaissance de la densité de probabilité permet de déterminer la fonction de
202 tati répartition par ) v anti e NA u t d Z x FX (x) = p(X ≤ x) = fX (t)dt (U es Q en
−∞ JE iqu tem
Remarque 0.1 (i) La probabilité relative à un intervalle (ouvert, fermé ou semi ouvert) se calcule comme suit : FS chn par
Z x2 p(x1 ≤ X ≤ x2 ) = FX (x2 ) − FX (x1 ) = fX (t)dt x1 Te Dé
(ii) La probabilité attachée à un point est nulle :
p(x = X) = p(x ≤ X ≤ x) Z x = FX (x) − FX (x) = fX (t)dt = 0 x
Exemple 0.3 Soit la fonction fX suivante définie par :
−λx λe si x ≥ 0 fX (x) = . 0 si x < 0.
λ est un paramètre positif inconnu que nous devons déterminer afin que fX vérifie bien la définition d’une densité de probabilité d’une variable aléatoire X :
- fX (x) ≥ 0, ∀x ∈ R
- La fonction fX est continue sur R car x → λe−λx est continue sur R+ et x → 0 est continue sur R− ∗
et lim + fX (x) = lim − fX (x) = fX (0) = 0 0 0
4 cheikh.haidara@fsje.e-una.mr Densités de probabilités
12 10 8 f X (x ) lamda = 3
6 lamda = 6 lamda = 9 4 2 0 lamda = 12
−0.5 0.0 0.5 1.0
1-0 ves 0 4-2 x
202 tati ) v anti e NA u t d (U es Q en
- JE iqu tem
Z Z 0 Z +∞ fX (x)dx = fX (x)dx + fX (x)dx R −∞ 0 FS chn par
Z +∞ +∞ λe−λx dx = −e−λx 0 = 1
= 0+ 0 Te Dé
Sa fonction de répartition est donnée par :
Z x FX (x) = p(X ≤ x) = fX (t)dt −∞
- si x < 0, FX (x) = 0 - si x ≥ 0, Z 0 Z x FX (x) = fX (t)dt + fX (t)dt −∞ 0 Z x x λe−λt dt = −e−λx 0 = 1 − e−λx
= 0+ 0
=⇒ 1 − e−λx si x < 0
FX (x) = 0 si x ≥ 0
5 cheikh.haidara@fsje.e-una.mr Fonction de répartitions
Définition 0.6 Soit X une variable aléatoire discrète qui prend les valeurs x1 , ..., xn , avec FS chn par
les probabilités p1 , ..., pn . On définit alors :
Te Dé
L’espérance mathématique : La variance : L’écartp
type : Pn 2 E(X) = i=1 pi xi V (X) = E (X − E(X)) σ(X) = V (X) = Pni=1 pi (xi − E(X))2 P = ni=1 pi x2i − E(X)2
Exemple 0.4 Reprenons l’exemple 0.2 :
La loi de probabilité de X ainsi que sa fonction de répartition sont données par le tableau suivant : x→ 0 1 2 Somme pi 1/4 2/4 1/4 1 p i xi 0 2/4 2/4 1 2 p i xi 0 2/4 1 1, 5 X11 p E(X) = µ = 1; V (X) = pi x2i − µ2 = 1, 5 − 1 = 0, 5; σ(X) = 0, 5 = 0, 70 i=1
Cas d’une variable aléatoire continue
6 cheikh.haidara@fsje.e-una.mr Définition 0.7 Soit X une variable aléatoire discrète qui prend les valeurs dans R, de fonc- tion de densité fX (x), alors l’espérence mathématique, la variance et l’écart type de X sont définis par :
L’espérence Rmathématique : La variance : L’écartp
type : 2 E(X) = R xfX (x)dx V R(X) = E (X − E(X)) σ(X) = V (X) 2 = RR (x − E(X)) fX (x)dx = R x2 fX (x)dx − E(X)2
1-0 es 0 202 ativ 4-2 NA ua de ) v ntit (U s Q ent JE que em FS hni part Tec Dé
