Ali JAGHDAM
ESILV 2020-2021
CMo 3 du 14/04/2021
Définition
𝑋 est une variable aléatoire continue s’il existe une fonction 𝑓𝑋 définie sur ℝ , non
négative appelée densité et vérifiant pour tout ensemble 𝐵 de de nombres réels la
propriété :
𝑃 𝑋 ∈ 𝐵 = න 𝑓𝑋 𝑥 𝑑𝑥
𝐵
Du fait que 𝑋 doit bien prendre une valeur, il résulte la contrainte suivante pour 𝑓𝑋 :
+∞
1 = 𝑃 𝑋 ∈ [−∞, +∞] = න 𝑓𝑋 𝑥 𝑑𝑥
−∞
2
Tout les problèmes de probabilité relatifs à 𝑋 peuvent être traités grâce à 𝑓𝑋 .
Par exemple pour 𝐵 = [𝑎, 𝑏] on obtient :
𝑏
𝑃 𝑋 ∈ [𝑎, 𝑏] = 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = න 𝑓𝑋 𝑥 𝑑𝑥
𝑎
Si l’on pose 𝑎 = 𝑏 , il en résulte :
𝑎
𝑃 𝑋 = 𝑎 = න 𝑓𝑋 𝑥 𝑑𝑥 = 0
𝑎
Ceci signifie que la probabilité qu’une variable aléatoire continue prenne une
valeur isolée fixe est toujours nulle
3
Illustration graphique
Soit f une fonction réelle positive vérifiant la contrainte précédente et dont la
courbe est la suivante :
Rappel : l’aire totale au dessous de la courbe est égale à 1 4
Fonction de répartition
Aussi peut-on écrire pour une telle variable et pour tout a ∈ ℝ :
𝑎
𝑃 𝑋 < 𝑎 = 𝑃 𝑋 ≤ 𝑎 = 𝑃 −∞ ≤ 𝑋 ≤ 𝑎 = න 𝑓𝑋 𝑥 𝑑𝑥 = 𝐹𝑋 (𝑎)
−∞
𝐹𝑋 est la fonction de répartition de la variable aléatoire 𝑋 et elle est définie pour
tout nombre a ∈ ℝ
𝑏
• 𝑃 𝑎 < 𝑋 < 𝑏 = 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝑏 𝑋𝐹 = 𝑥𝑑 𝑥 𝑋𝑓 𝑎− 𝐹𝑋 𝑎
𝑑
• 𝑓𝑋 (a) est la dérivée de 𝐹𝑋 (𝑎) , 𝐹 𝑎 = 𝑓𝑋 (𝑎)
𝑑𝑎 𝑋
• 𝐹𝑋 est continue et non décroissante
• lim 𝐹𝑋 𝑎 = 1 et lim 𝐹𝑋 𝑎 = 0
𝑎→+∞ 𝑎→−∞
5
Fonction de répartition
Illustration graphique
𝑓𝑋 (𝑥) 𝐹𝑋 (𝑎)
𝐹𝑋 (𝑎)
𝑥 𝑎
6
Exemples de variables continues
Exemple 1
Déterminer si la fonction suivante est une densité de probabilité :
𝑓 𝑥 = 4𝑥𝑒 −2𝑥 𝟏ℝ+ (𝑥)
7
Exemples de variables continues
Solution de l’exemple 1
8
Exemples de variables continues
Exemple 2
Supposons que 𝑋 soit une variable aléatoire continue dont la densité est:
𝑘 1 − 𝑥2 , −1 < 𝑥 < 1
𝑓 𝑥 =ቊ
0, 𝑠𝑖𝑛𝑜𝑛
a) Quelle est la valeur de 𝑘
b) Que vaut 𝑃 𝑋 > 0
c) Déterminer la fonction de répartition de 𝑋
9
Exemples de variables continues
Solution de l’exemple 2
10
Exemples de variables continues
11
Exemples de variables continues
12
Espérance d’une v.a.c
L’espérance d’une v.a.c est donnée par la formule suivante:
+∞
𝐸 𝑋 = න 𝑥𝑓 𝑥 𝑑𝑥
−∞
Exemple 3 :
Calculer l’espérance de la variable aléatoire X dont la densité est :
2𝑥, 0≤𝑥≤1
𝑓 𝑥 =ቊ
0, 𝑠𝑖𝑛𝑜𝑛
13
Espérance d’une v.a.c
Solution de l’exemple 3
14
Espérance d’une v.a.c
Exemple 4
La densité de X est donnée par :
1, 0≤𝑥≤1
𝑓 𝑥 =ቊ
0, 𝑠𝑖𝑛𝑜𝑛
Trouver 𝐸(𝑒 𝑋 )
15
Espérance d’une v.a.c
Solution de l’exemple 4
16
Espérance d’une v.a.c
Théorème du transfert
Si 𝑋 est une v.a.c de densité 𝑓(𝑥) , alors pour toute fonction réelle 𝑔 on obtient:
+∞
𝐸 𝑔(𝑋) = න 𝑔 𝑥 𝑓 𝑥 𝑑𝑥
−∞
Linéarité de l’espérance
Pour toute paire a, b de constantes, on a :
𝐸 𝑎𝑋 + 𝑏) = 𝑎𝐸 𝑋 + 𝑏
Exemple 5:
retrouver 𝐸(𝑒 𝑋 ) de l’exemple 4 en utilisant le théorème du transfert
17
Espérance d’une v.a.c
Solution de l’exemple 5
18
Variance d’une v.a.c
La variance d’une variable aléatoire continue X est définie par :
𝑉 𝑋 = 𝐸 𝑋 − 𝐸(𝑋) = 𝐸 𝑋 2 − [𝐸 𝑋 ]²
Non linéarité de la variance
Pour toute paire a, b de constantes, on a :
V 𝑎𝑋 + 𝑏) = 𝑎2 𝑉 𝑋
Exemple 6:
Trouver la variance de la variable de l’exemple 3
19
Variance d’une v.a.c
Solution de l’exemple 6
20
Ali JAGHDAM 2021 21
21
Couple de variables aléatoires continues
Densité conjointe
On dit que (𝑋, 𝑌) est un couple aléatoire continu s’il existe une fonction 𝑓: ℝ2 → ℝ ayant
pour tout sous-ensemble 𝐷 du plan la propriété suivante:
𝑃 𝑋, 𝑌 ∈ 𝐷 = ඵ 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
(𝑥,𝑦)∈𝐷
La fonction 𝑓 est appelée densité conjointe de 𝑋 et 𝑌
La contrainte de normalité s’écrit :
ඵ 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦 = 1
ℝ2
22
En définissant 𝐷 = 𝑥, 𝑦 : 𝑥 ∈ 𝐴 , 𝑦 ∈ 𝐵 , A et B étant deux ensembles de nombres réels,
On obtient :
𝑃 𝑋 ∈ 𝐴, 𝑌 ∈ 𝐵 = න න 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
𝐵 𝐴
La fonction de répartition du couple (𝑋, 𝑌) est définie par :
𝑏 𝑎
𝐹 𝑎, 𝑏 = 𝑃 𝑋 ≤ 𝑎, 𝑌 ≤ 𝑏 = න න 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
−∞ −∞
𝜕2
𝑓 est la dérivée de 𝐹 : 𝑓(𝑎, 𝑏) = 𝐹(𝑎, 𝑏)
𝜕𝑎𝜕𝑏
23
Exemple 7
Soit (𝑋, 𝑌) un couple aléatoire uniformément distribué dans l’ensemble :
𝐷= 𝑥, 𝑦 ∈ ℝ2 ; 𝑥 ∈ 0,2 , 𝑦 ∈ [0,4]
1. Représenter D
2. Calculer la densité du couple
3. Calculer 𝑃(𝑋 ≤ 1 , 𝑌 ≤ 2)
24
Solution exemple 7
25
26
Exemple 8
Soit (𝑋, 𝑌) un couple aléatoire de densité :
2, (𝑥, 𝑦) ∈ 𝐷
𝑓 𝑥, 𝑦 = ቊ
0, 𝑠𝑖𝑛𝑜𝑛
Avec 𝐷 = 𝑥, 𝑦 ∈ ℝ2 ; 𝑥 ≥ 0, 𝑦 ≥ 0 , 𝑥 + 𝑦 ≤ 1
1. Représenter D
2. Vérifier la contrainte de normalité
27
Solution exemple 8
28
Densités marginales
Si on dispose de la densité du couple, on peut retrouver les densités de X et de Y,
appelées les densités marginales:
Densité marginale de X :
𝑓 𝑥, . = 𝑓𝑋 𝑥 = න 𝑓 𝑥, 𝑦 𝑑𝑦
ℝ
Densité marginale de Y :
𝑓 . , 𝑦 = 𝑓𝑌 𝑦 = න 𝑓 𝑥, 𝑦 𝑑𝑥
ℝ
Exemple 9
Trouver les densité marginales des variables des exemples 7 et 8
29
Solution exemple 9
30
31
Espérance d’une fonction du couple
Si (𝑋, 𝑌) est un couple continu de densité 𝑓(𝑥, 𝑦) et 𝑔: ℝ² → ℝ on a
𝐸(𝑔 𝑋, 𝑌) = ඵ 𝑔(𝑥, 𝑦)𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
ℝ²
Exemple 10
1. Calculer 𝐸(𝑋𝑌) de l’exemple 8
2. Montrer que 𝐸(𝑋 + 𝑌) = 𝐸(𝑋) + 𝐸(𝑌)
32
Solution exemple 10
33
34
Densités conditionnelles
Si (𝑋, 𝑌) est un couple continu de densité 𝑓(𝑥, 𝑦), on définit la densité conditionnelle de 𝑋,
sous la condition 𝑌 = 𝑦 et lorsque 𝑓𝑌 (𝑦) > 0 par la relation :
𝑓(𝑥, 𝑦)
𝑓𝑋ȁ𝑌 (𝑥 ȁ𝑦) =
𝑓𝑌 (𝑦)
On définit la fonction de répartition conditionnelle de 𝑋 sous la condition de {𝑌 = 𝑦} par :
𝑎
𝐹𝑋ȁ𝑌 (𝑎ȁ𝑦) = න 𝑓𝑋ȁ𝑌 (𝑥ȁ𝑦)𝑑𝑥
−∞
35
Exemple 11 :
Soit le couple (X,Y) de densité :
1 −𝑥
𝑒 𝑦 𝑒 −𝑦 , 𝑥 > 0 𝑒𝑡 𝑦 > 0
𝑓 𝑥, 𝑦 = ቐ𝑦
0, 𝑠𝑖𝑛𝑜𝑛
Calculer la densité conditionnelle de X lorsque Y=y
Calculer 𝑃(𝑋 > 1ȁ𝑌 = 𝑦)
36
Solution exemple 11
37
38
Indépendance et convolution
Indépendance :
Soit le couple (X,Y) de densité 𝑓 𝑥, 𝑦 :
X et Y sont indépendantes si et seulement si
𝑓𝑋ȁ𝑌 (𝑥 ȁ𝑦) = 𝑓𝑋 (𝑥)
Il s’en suit que :
𝑓(𝑥, 𝑦)
= 𝑓𝑋 (𝑥)
𝑓𝑌 (𝑦)
D’où : 𝑓 𝑥, 𝑦 = 𝑓𝑋 (𝑥) 𝑓𝑌 (𝑥)
Remarque : si 𝐸 𝑋𝑌 ≠ 𝐸 𝑋 𝐸 𝑌 alors X et Y ne sont pas indépendantes
39
Distribution de la somme de deux variables continues indépendantes :
Soit le couple (X,Y) de densité 𝑓 𝑥, 𝑦 tels que X et Y indépendantes
La fonction de répartition de la variable somme (𝑋 + 𝑌) appelée convolution est
donnée par :
+∞
𝐹𝑋+𝑌 𝑎 = 𝑃 𝑋 + 𝑌 ≤ 𝑎 = න 𝐹𝑋 𝑎 − 𝑦 𝑓𝑌 𝑦 𝑑𝑦
−∞
Et par la dérivée on obtient sa densité :
+∞
𝑓𝑋+𝑌 𝑎 = න 𝑓𝑋 𝑎 − 𝑦 𝑓𝑌 𝑦 𝑑𝑦
−∞
40
Démonstration :
41
Exemple 12 :
Admettons que 𝑋 et 𝑌 soient uniformes sur (0,1) et indépendantes.
Déterminer la densité de la variable 𝑍 = 𝑋 + 𝑌
42
43
44
