Chapitre Probabilité Proba-Stat Yassine Hachaı̈chi
Variables aléatoires Discrètes
1 Contexte des variables aléatoires
Dans une expérience aléatoire, au lieu de s’intéresser aux résultats eux-mêmes, on s’intéresse plutôt à des
caractéristiques numériques particulières de ces résultats.
Exemple : Si on lance une pièce de monnaie 3 fois de suite, on obtient les résultats suivants :
Ω = {(F, F, F ), (F, F, P ), (F, P, F ), (P, F, F ), (P, P, P ), (P, P, F ), (P, F, P ), (F, P, P )}
Au lieu de s’intéresser à chacun de ces résultats, on s’intéresse, par exemple, à la caractéristique numérique
suivante : le nombre de faces.
Une variable aléatoire est en fait une caractéristique numérique que possède chacun des résultats de l’ensemble
fondamental Ω. Ainsi, dans l’exemple précédent, on peut définir la variable aléatoire X de la manière suivante :
X = le nombre de faces obtenues.
ω X(ω)
(F, F, F) 3
(F, F, P) 2
(F, P, F) 2
(P, F, F) 2
(P, P, P) 0
(P, P, F) 1
(P, F, P) 1
(F, P, P) 1
Définition 1 Un espace de probabilité est un triplet (Ω, P (Ω), p), avec Ω l’univers, P (Ω) l’ensemble de ses
parties, et p une fonction de probabilité p : P (Ω) → [0, 1].
Définition 2 Une variable aléatoire, que l’on note par une lettre majuscule X, est toute fonction définie sur Ω
et à valeur dans l’ensemble des réels R , c’est-à-dire toute fonction : X : Ω → R tel que ωi 7→ xi .
Une variable aléatoire X est une fonction qui associe à chaque résultat d’une expérience aléatoire un nombre
réel. L’ensemble des réalisations (ou de résultats) de X sera désigné par
X = {xi |∃ω ∈ Ω; X(ω) = xi }
Il existe deux types de variables aléatoires :
Lorsque l’ensemble des résultats X d’une variable aléatoire est un ensemble fini ou infini dénombrable, alors
cette variable aléatoire est dite discrète.
Lorsque l’ensemble des résultats X d’une variable aléatoire est un intervalle de nombres réels, alors cette variable
aléatoire est dite continue.
1
2 Fonction de probabilité ou loi de probabilité d’une variable discrète
Définition 3 Une fonction de probabilité ou loi de probabilité f d’une variable aléatoire, c’est associer à chacune
des valeurs possibles la probabilité qui lui correspond :
f (xi ) = p(X = xi ) = p({ω ∈ Ω|X(ω) = xi })
Propriétés des lois de probabilité discrète.
∀x ∈ R; f (x) ≥ 0
∀x ∈
/ X; f (x) = 0
∑
f (x) = 1
x∈X
2.1 Exemple
Notre expérience aléatoire consiste à tirer simultanément 5 cartes parmi 32.
On considère la variable aléatoire X(a1 , a2 , a3 , a4 , a5 ) = le nombre de couleurs de ces 5 cartes.
X = {1, 2, 3, 4}
La fonction de probabilité est donnée par le tableau :
xi 1 2 3 4
C41 C85 C41 C81 C31 C84 +C41 C82 C31 C83 C41 C81 C31 C81 C21 C83 +C41 C81 C31 C82 C21 C82 C41 C81 C31 C81 C21 C81 C11 C82
fX (xi ) 5
C32 5
C32 5
C32 5
C32
On considère la variable aléatoire Y (a1 , a2 , a3 , a4 , a5 ) = le nombre de rangs de ces 5 cartes.
Y = {2, 3, 4, 5}
La fonction de probabilité est donnée par le tableau :
xi 2 3 4 5
C81 C41 C71 C44 +C81 C42 C71 C43 C81 C41 C71 C41 C61 C43 +C81 C41 C71 C42 C61 C42 C81 C41 C71 C41 C61 C41 C51 C42 C81 C41 C71 C41 C61 C41 C51 C41 C41 C41
fY (xi ) 5
C32 5
C32 5
C32 5
C32
2.2 Fonction de répartition d’une variable discrète
Définition 4 La fonction de répartition empirique ou de probabilités cumulées d’une variable X, notée FX :
∑
R → [0; 1], est définie par : FX (x) = p(X ≤ x) = p(X = xi ).
xi ≤x
On peut définir cette fonction de la façon suivante : si X = {x1 < x2 < · · · < xn }, alors
∀x < x1 ; FX (x) = 0; ∀x > xn ; FX (x) = 1 et ∀x ∈ [xi ; xi+1 [; FX (x) = f (x1 ) + · · · + f (xi ).
Remarque :
Une fonction de répartition d’une variable discrète X possède les propriété suivante
– 0 ≤ FX (x) ≤ 1
– FX est croissante (non strictement) et est continue sauf en xi ∈ X.
2
– lim FX (x) = 0 et lim FX (x) = 1
x→−∞ x→+∞
– ∀a < b ∈ R, p(a < X ≤ b) = FX (b) − FX (a)
– f (xi ) = p(X = xi ) = FX (xi ) − lim− FX (x).
x→xi
2.3 Caractéristique de tendance centrale et de dispersion
Définition 5 L’espérance mathématique d’une variable aléatoire X = {x1 , · · · , xn } est la moyenne des valeurs
pondérées par leur probabilité :
∑
n ∑
n
E(X) = µ = xi p(X = xi ) = xi f (xi )
i=1 i=1
Définition 6 La variance d’une variable aléatoire X = {x1 , · · · , xn } est la moyenne quadratique des écarts par
rapport à la moyenne :
∑n
V (X) = (xi − µ)2 p(X = xi ) = E(X 2 ) − (E(X))2
i=1
√
L’écart type est défini par : σX = V (X)
Remarque :
– E(aX + b) = aE(X) + b.
– V (aX + b) = a2 V (X)
– σ(aX + b) = |a|σX
Remarque :
Si dans un échantillon où la variable aléatoire réelle considèrée est X.
Si σX est relativement faible par rapport à la moyenne E(X) on dit que l’échantillon est homogène.
Si σX est relativement grand par rapport à la moyenne E(X) on dit que l’échantillon est hétérogène.
2.4 Exemple
Notre expérience aléatoire consiste au jet deux dés.
Ω = {(a, b) ∈ {1, · · · , 6}2 }
On considère la variable aléatoire X(a, b) = a + b, on regarde la somme des faces de ces dés.
X = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
La fonction de probabilité est donnée par le tableau :
xi 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
fX (xi ) 36 36 36 36 36 36 36 36 36 36 36
1 3 6 10 15 21 26 30 33 35 36
FX (xi ) 36 36 36 36 36 36 36 36 36 36 36
On considère la variable aléatoire Y (a, b) = max(a; b), on regarde le maximum des faces de ces dés.
Y = {1, 2, 3, 4, 5, 6}
3
La fonction de probabilité est donnée par le tableau :
xi 1 2 3 4 5 6
1 3 5 7 9 11
fY (xi ) 36 36 36 36 36 36
1 4 9 16 25 36
FY (xi ) 36 36 36 36 36 36
