Variables aléatoires à densité

Variables aléatoires à densité

Outils Mathématiques & Statistique Décisionnelle

Licence 3 Management, Economie de la firme, CCF
Faculté d’économie, gestion & AES
Université de Bordeaux - Collège DSPEG

Automne 2022

A. Lourme
http://alexandrelourme.free.fr/L3STAT/

1 / 20
Variables aléatoires à densité
Généralités

Outline

Généralités

Lois continues usuelles

2 / 20
Variables aléatoires à densité
Généralités

Définitions
X est une variable aléatoire à densité1 s’il existe une application f : R → R positive
tq : si −∞ ≤ a < b ≤ +∞, alors : P(a < X ≤ b) = ab f (x)dx.
R
Rx
La fonction de répartition de X est alors F (x) = P(X ≤ x) = −∞ f (t)dt.
Propriétés.
◦ La fonction de répartition F est une primitive de la densité f
◦ La densité f est la dérivée de la fonction de répartition F
◦ En dehors du support X (Ω) (ensemble des valeurs prises par X ) : la fonction de
répartition F est constante par morceaux et la fonction de densité f est nulle
◦ P(a < X ≤ b) = P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X < b) = F (b) − F (a)
Ainsi, quand X est une variable à densité, α = P(a < X ≤ b) se calcule :
◦ avec la fonction de répartition ◦ avec la fonction de densité
1 y = F (x)
y = f (x)
F (b)

α α
F (a)

a b
a b Rb
α = F (b) − F (a) α= a f (x)dx
1 3 / 20
on dit aussi variable absolument continue que l’on abrège par : v.a.c.
Variables aléatoires à densité
Généralités

Espérance & Variance

X est une variable aléatoire de densité f .
R
L’espérance de X : E (X ) = R x.f (x)dx représente la valeur attendue de X .
La variance de X est :
(a) (b) (c) R
V (X ) = E ((X − E (X ))2 ) = E (X 2 ) − E (X )2 = R x 2 .f (x)dx − E (X )2 .
(a) V (X ) est l’écart quadratique moyen entre X et sa valeur attendue
(b) Propriété de Koenig-Huygens
R
(c) E (g (X )) = R g (x).f (x)dx (Théorème de transfert)
Aspects informatiques.
Déterminer l’espérance, la variance d’une variable à densité passe par la recherche
d’une primitive et le calcul d’une intégrale.
◦ Déterminer une primitive sous maxima.
La primitive de x 7→ x 2 sous maxima1 : integrate(x^2,x)
◦ Calculer une intégrale sous R2 .
R3 2
1 x dx sous R : f = function(x){x^2} ; integrate(f,lower=1,upper=3)

1
https://maxima.sourceforge.io/download.html
2
https://cran.r-project.org/
4 / 20
Variables aléatoires à densité
Généralités

Quantiles
X : une variable aléatoire de densité f , de fonction de répartition F .
y = f (x)

Qα

Le quantile d’ordre α (0 < α < 1) de la loi de X est la valeur Qα à laquelle X est

inférieure ou égale avec probabilité α :
P(X ≤ Qα ) = α (1)
Comment déterminer Qα ?
Si on dispose :
◦ de la fonction de répartition F , on résout : F (Qα ) = α
R Qα
◦ de la fonction de densité f , on résout : −∞ f (x)dx = α
◦ de R, on utilise une fonction quantile : qunif, qexp, qnorm, qt, qchisq, etc

La définition d’un quantile selon (1) est un peu restrictive, mais elle suffit à déterminer les quantiles de
la plupart des lois usuelles associées à une densité
5 / 20
Variables aléatoires à densité
Généralités

Exemple
La quantité de pluie (en ul/m2 ) sur Dublin en une journée est une variable aléatoire X
admettant pour fonction de densité : f (x) = 2x si 0 ≤ x ≤ 1 ; 0 sinon.
◦ Quelle est la fonction de répartition de X ?
F (x) = x 2 si 0 ≤ x < 1 ; 0 si x < 0 ; 1 si x ≥ 1.
◦ Avec quelle probabilité tombe-t-il de 0, 2 à 0, 5 ul/m2 sur Dublin en un jour ?
R 0,5
(a) P(0, 2 ≤ X ≤ 0, 5) = 0,2 2xdx = [x 2 ]0,5
0,2 = 0, 21.

(b) P(0, 2 ≤ X ≤ 0, 5) = F (0, 5) − F (0, 2) = 0, 52 − 0, 23 = 0, 21.

◦ Avec quelle probabilité tombe-t-il au moins 0, 7 ul/m2 sur Dublin en un jour ?
R1
(a) P(X ≥ 0, 7) = P(0, 7 ≤ X ≤ 1) = 0,7 2xdx = [x 2 ]10,7 = 0, 51.
◦ Quelle quantité de pluie attend-on sur Dublin, chaque jour ?
E (X ) = 01 x × 2xdx = 01 2x 2 dx = [2x 3 /3]10 = 2/3.
R R

◦ Quelle est la variance de la quantité quotidienne de pluie sur Dublin ?

E (X 2 ) = 01 x 2 × 2xdx = 01 2x 3 dx = [2x 4 /4]10 = 1/2
R R

V (X ) = E (X 2 ) − E (X )2 = 1/2 − (2/3)2 = 1/18.

6 / 20
Variables aléatoires à densité
Lois continues usuelles

Outline

Généralités

Lois continues usuelles

7 / 20
Variables aléatoires à densité
Lois continues usuelles

Loi uniforme
Une v.a.c. X est distribuée selon une loi uniforme sur [a, b] (−∞ < a < b < +∞) si
elle a pour densité la fonction f définie par : f (x) = 1/(b − a) si a ≤ x ≤ b ; 0 sinon.
Notation. X ∼ U[a,b]

Espérance et variance. E (X ) = (a + b)/2 ; V (X ) = (b − a)2 /12.

Fonction de répartition. F (x) = (x − a)/(b − a) si a ≤ x < b ; 0 si x < a ; 1 si x ≥ b.
1

y = f (x) y = F (x)
1/(b − a)

a b
a b
Fonction de densité de U[a,b] Fonction de répartition de U[a,b]
Contexte. La loi uniforme modélise les expériences dans lesquelles une quantité
continue tombe dans un intervalle avec une probabilité proportionnelle à la longueur
de l’intervalle.

8 / 20
Variables aléatoires à densité
Lois continues usuelles

Exercice
Le temps d’attente du tram est uniformément réparti entre 0 et 5 mins.
(a) Déterminez les fonctions de probabilité et de répartition du temps d’attente.
X : temps d’attente du tram. Densité de X : f (x) = 1/5 si 0 ≤ x ≤ 5 ; 0 sinon.
Fct de répartition : F (x) = (x − 0)/(5 − 0) si 0 ≤ x < 5 ; 0 si x < 0 ; 1 si x ≥ 1.
(b) Avec quelle probabilité attend-on le tram au moins trois minutes ?
P(X ≥ 3) = 1 − P(X < 3) = P(X ≤ 3) = F (3) = 3/5 = 0, 6.
(c) Combien de temps attend-on le tram en moyenne ?
E (X ) = (0 + 5)/2 = 2, 5.
(d) Quelle est la variance du temps d’attente ?
V (X ) = (5 − 0)2 /12 = 25/12.
(e) Déterminez et interprétez le quantile d’ordre 0, 8 du temps d’attente1 .
P(X ≤ Q) = 0, 8 ; F (Q) = 0, 8 ; (Q − 0)/(5 − 0) = 0, 8 ; Q = 5 × 0, 8 = 4.
Le quantile d’ordre 0, 8 de U[0;5] vaut 4 : 80% des usagers attendent le tram au plus
quatre minutes.

1
la valeur à laquelle le temps d’attente est inférieur ou égal dans 80% des cas
9 / 20
Variables aléatoires à densité
Lois continues usuelles

Loi exponentielle
Une v.a.c. X est distribuée selon une loi exponentielle de paramètre λ > 0 si elle
admet pour densité la fonction f définie par : f (x) = λe −λx si x ≥ 0 ; 0 sinon.
Notation. X ∼ E (λ)
Espérance et variance. E (X ) = 1/λ ; V (X ) = 1/λ2 .
Fonction de répartition. F (x) = 1 − e −λx si x ≥ 0 ; 0 sinon.
1 1

0.8 0.8 y = F (x)

0.6 0.6

0.4 0.4
y = f (x)
0.2 0.2

−1 1 2 3 4 5 −1 1 2 3 4 5

Fonction de densité de E (λ) Fonction de répartition de E (λ)

Contexte. La loi exponentielle modélise les durées de vie sans mémoire : la probabilité
de mourir après n années est à la même à tous les âges de la vie.

10 / 20
Variables aléatoires à densité
Lois continues usuelles

Exercice
La durée de vie (en années) d’une entreprise est distribuée selon E (0, 1).
(a) Déterminez les fonctions de probabilité et de répartition d’une telle durée de vie.
X : durée de vie d’une entreprise. Densité de X : f (x) = 0, 1e −0,1x si x ≥ 0 ; 0 sinon.
Fct de répartition : F (x) = 1 − e −0,1x si x ≥ 0 ; 0 sinon.
(b) Quelle proportion des entreprises durent-elles au moins deux ans ?
P(X ≥ 2) = 1 − P(X < 2) = 1 − P(X ≤ 2) = 1 − F (2) = 1 − (1 − e −0,1×2 ) ≈ 0, 18.
NB. Sous R, P(E (0, 1) ≤ 2) se calcule par la commande : pexp(2,0.1)
(c) Quelle est la durée de vie attendue d’une entreprise ?
E (X ) = 1/0, 1 = 10. Une entreprise disparait au bout de dix ans en moyenne.
(e) Déterminez et interprétez le quantile d’ordre 0, 8 de la durée de vie1 .
P(X ≤ Q) = 0, 8 ; F (Q) = 0, 8 ; 1 − e −0,1Q = 0, 8 ; Q = − ln(0, 2)/0, 1 ≈ 16, 1.
NB. Sous R, le quantile d’ordre 0, 8 de E (0, 1) se calcule par : qexp(0.8,0.1)
Le quantile d’ordre 0, 8 de E (0, 1) vaut 16, 1 : 80% des entreprises ont une durée de
vie inférieure ou égale à 16, 1 ans.

1
la valeur à laquelle la durée de vie est inférieure ou égale dans 80% des cas
11 / 20
Variables aléatoires à densité
Lois continues usuelles

Loi normale
Une v.a.c. X est distribuée selon une loi normale1 de paramètres 2 2
√ : µ et σ (σ > 0) si
elle admet pour densité : f (x) = [exp(−0, 5(x − µ)2 /σ 2 )]/[σ 2π].
Notation. X ∼ N (µ, σ 2 )
Espérance et variance. E (X ) = µ ; V (X ) = σ 2 .
Rx
Fonction de répartition. F (x) = −∞ f (t)dt.
0.3
1
y = f (x)
0.2

0.5
y = F (x)
0.1

−2 2 µ 4 6 8
−2 2 µ 4 6 8

Fonction de densité de N (µ, σ 2 ) Fct de répartition de N (µ, σ 2 )

Contexte. La loi normale occupe une place centrale en statistique en raison du
Théorème Central Limit : une moyenne empirique est approximativement gaussienne
quelle que soit la population dont est issu l’échantillon.
1
on dit alors que la variable est normale ou gaussienne
12 / 20
Variables aléatoires à densité
Lois continues usuelles

Calculs sur X ∼ N (0, 1)

2
√
R x de X est : f (x) = exp(−x /2)/ 2π et sa fonction de répartition :
La densité
φ(x) = −∞ f (t)dt.

◦ Comment calculer P(X ≤ 1, 78) ?

- avec la fonction de répartition de X : P(X ≤ 1, 78) = φ(1, 78) ; Hélas, on ne
connait pas φ explicitement.
- avec les valeurs de φ dans une table de la loi normale centrée réduite1 .
- avec R : pnorm(1.78)
Ainsi P(N (0, 1) ≤ 1, 78) ≈ 0, 96.
◦ Comment calculer z0,95 : le quantile d’ordre 0, 95 de X ?
- avec la réciproque de la fonction de répartition : z0,95 = φ−1 (0, 95) ; Hélas, on
ne connait pas plus explicitement φ−1 que φ.
- avec les valeurs de φ dans une table de la loi normale centrée réduite1 .
- avec R : qnorm(0.95)
Ainsi, z0,95 ≈ 1, 64

1
http://wwwmathlabo.univ-poitiers.fr/~phan/downloads/enseignement/tables-usuelles.pdf
13 / 20
Variables aléatoires à densité
Lois continues usuelles

Calculs sur X ∼ N (µ, σ 2 )

X est une variable aléatoire distribuée selon N (3, 4).

◦ Comment calculer P(X ≤ 5) ?
- en se ramenant à une variable normale centrée réduite :
√ √
P(X ≤ 5) = P((X − 3)/ 4 ≤ (5 − 3)/ 4) = P(N (0, 1) ≤ 1) = φ(1) ≈ 0, 84.
- avec R : pnorm(5,3,sqrt(4))
Ainsi P(N (3, 4) ≤ 5) ≈ 0, 84.
◦ Comment calculer le quantile d’ordre 0, 95 de X ?
- avec la formule : Qα (N (µ, σ 2 )) = µ + zα × σ.
√
Ainsi, Q0,95 (N (3, 4)) = 3 + z0,95 × 4 ≈ 3 + 1, 64 × 2 = 6, 28.
- avec R : qnorm(0.95,3,sqrt(4))

14 / 20
Variables aléatoires à densité
Lois continues usuelles

Probabilités gaussiennes
Rx √
Rappel. φ(x) = −∞ [exp(−t 2 /2)/ 2π]dt est la fonction de répartition d’une variable
normale centrée réduite.
Propriétés de φ.
(p1 ) φ(−x) = 1 − φ(x)
(p2 ) φ(x) − φ(−x) = 2φ(x) − 1
Justification. La densité de N (0, 1) est paire.
Règles de calcul usuelles. X ∼ N (µ, σ 2 ) et a < b
(r1 ) P(X ≤ b) = φ((b − µ)/σ)
(r2 ) P(X > a) = 1 − φ((a − µ)/σ)
(r3 ) P(a < X ≤ b) = φ((b − µ)/σ) − φ((a − µ)/σ)
Justification. Si X ∼ N (µ, σ 2 ), alors (X − µ)/σ ∼ N (0, 1).

15 / 20
Variables aléatoires à densité
Lois continues usuelles

Applications

◦ Calculer P(N (3, 4) ≤ 1).

r1 √ p1
P(N (3, 4) ≤ 1) = φ((1 − 3)/ 4) = φ(−1) = 1 − φ(1) ≈ 0, 16.
◦ Calculer P(N (3, 4) > 2).
r2 √ p1
P(N (3, 4) > 2) = 1 − φ((2 − 3)/ 4) = 1 − φ(−0, 5) = φ(0, 5) ≈ 0, 69.
◦ Calculer P(−1 < N (3, 4) ≤ 7).
r3 √ √
P(−1 < N (3, 4) ≤ 7) = φ((7 − 3)/ 4) − φ((−1 − 3)/ 4) = φ(2) − φ(−2).
p2
= 2 × φ(2) − 1 ≈ 0, 95.

16 / 20
Variables aléatoires à densité
Lois continues usuelles

Loi de Student
Une v.a.c. X est distribuée selon une loi de Student à ν (ν > 0) degrés de liberté si
R +∞
elle admet pour densité : f (x) = γ.(1 + x 2 /ν)−(ν+1)/2 (γ > 0 tq −∞ f (x)dx = 1).
Notation. X ∼ Tν
Espérance et variance. E (X ) = 0 si ν > 1 ; NA sinon
Espérance et variance. V (X ) = ν/(ν − 2) si ν > 2 ; +∞ si 1 < ν ≤ 2 ; NA sinon.
Rx
Fonction de répartition. F (x) = −∞ f (t)dt.

0.4 1

pdf N (0, 1) 0.8

0.3 y = F (x)
y = f (x) 0.6
pdf T1 0.2
0.4

0.1
0.2

−8 −6 −4 −2 2 4 6 8 −8 −6 −4 −2 2 4 6 8

Fonction de densité de Tν Fct de répartition de Tν

Contexte. La loi de Student est une distribution à queues lourdes permettant de
modéliser des phénomènes avec des valeurs extrêmes. La loi de Student intervient
aussi dans les tests d’hypothèses et les intervalles de confiance.
17 / 20
Variables aléatoires à densité
Lois continues usuelles

Calculs sur Tν
Supposons X ∼ T3
◦ Comment calculer P(X ≤ 1, 78) ?
- avec la fonction de répartition de X ; on ne la connait pas explicitement.
- avec les valeurs de la fct de répartition dans une table de la loi de Student1 .
- avec R : pt(1.78,3)
Ainsi P(T3 ≤ 1, 78) ≈ 0, 91.
◦ Comment calculer t3;0,95 : le quantile d’ordre 0, 95 de T3 ?
- avec la réciproque de la fct de répartition ; on ne la connait pas explicitement.
- avec les valeurs de la fct de répartition dans une table de la loi de Student1
- avec R : qt(0.95,3)
Ainsi, t3;0,95 ≈ 2, 35
Remarque. Comme la fonction de densité de Tν est paire, quel que soit x :
◦ P(Tν ≤ x) = 1 − P(Tν ≤ −x)
◦ P(Tν ≤ x) − P(Tν ≤ −x) = 2 × P(Tν ≤ x) − 1
1
https://archimede.mat.ulaval.ca/stt1920/STT-1920-Loi-de-Student.pdf
18 / 20
Variables aléatoires à densité
Lois continues usuelles

Loi de χ2
Une v.a.c. X est distribuée selon une loi de χ2 à ν (ν > 0) degrés de liberté si elle
admet pour densité : f (x) = γ.x ν/2−1 e −x/2 si x ≥ 0 ; 0 sinon (γ > 0 tq
R +∞
−∞ f (x)dx = 1).

Notation. X ∼ χ2ν
Espérance et variance. E (X ) = ν ; V (X ) = 2ν.
Rx
Fonction de répartition. F (x) = −∞ f (t)dt.

1
0.1 y = f (x)
0.8

5 · 10−2 0.6

0.4

2 4 6 8 0.2

2 4 6 8
−5 · 10−2

Fonction de densité de χ2ν Fct de répartition de χ2ν

Contexte. La loi de χ2 donne la distribution de statistiques intervenant dans des tests
d’hypothèses et dans les intervalles de confiance portant sur une variance.

19 / 20
Variables aléatoires à densité
Lois continues usuelles

Calculs sur χ2ν

Supposons X ∼ χ23
◦ Comment calculer P(X ≤ 1, 78) ?
- avec la fonction de répartition de X ; on ne la connait pas explicitement.
- avec les valeurs de la fct de répartition dans une table de la loi de χ2 . 1

- avec R : pchisq(1.78,3)
Ainsi P(T3 ≤ 1, 78) ≈ 0, 38.
◦ Comment calculer χ23;0,95 : le quantile d’ordre 0, 95 de χ23 ?
- avec la réciproque de la fct de répartition ; on ne la connait pas explicitement.
- avec les valeurs de la fct de répartition dans une table de la loi de χ2 . 1

- avec R : qchisq(0.95,3)
Ainsi, χ23;0,95 ≈ 7, 8

1
https://archimede.mat.ulaval.ca/stt1920/STT-1920-Loi-du-khi-deux.pdf
20 / 20