er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
CHAPITRE III
VARIABLES ALEATOIRES
1. Introduction
Dans la plupart des phénomènes aléatoires, le résultat d’une épreuve peut se traduire par une « grandeur »
mathématique, très souvent représentée par un nombre entier ou un nombre réel. La notion mathématique qui
représente efficacement ce genre de situation concrète est celle de variable aléatoire (notée également v.a.). Ainsi le
temps de désintégration d’un atome radioactif, le pourcentage de réponses « oui » à une question posée dans un
sondage ou le nombre d’enfants d’un couple sont des exemples de variables aléatoires.
Remarque :
On se limitera ici au cas des variables aléatoires réelles (les entiers faisant bien sûr partie des réels).
Etant donné un espace probabilisé d’espace fondamental et de probabilité P,
On appelle variable aléatoire sur cet espace, toute application X de dans telle que :
X :
X
A chaque évènement élémentaire de correspond un nombre réel x associé à la variable aléatoire X . Comme
l’indique le graphe, il n’y a pas obligatoirement autant de valeurs possibles prises par la variable aléatoire X que
d’évènements élémentaires. La valeur x correspond à la réalisation de la variable X pour l’évènement élémentaire
.
Exemple :
Si l’on considère la constitution d’une fratrie de deux enfants, l’espace fondamental est constitué des évènements
élémentaires suivant : GG ,GF , FG , FF
Les valeurs possibles prises par la variable aléatoire X , « nombres de fille dans la famille » sont : X 0,1, 2
Variables aléatoires discrètes
1 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
2.1 Définition
Une variable aléatoire est dite discrète si elle ne prend que des valeurs discontinues dans un intervalle donné (borné
ou non borné). L’ensemble des nombres entiers est discret. En règle générale, toutes les variables qui résultent d’un
dénombrement ou d’une numération sont de types discrètes.
Exemples :
Les variables aléatoires,
- le nombre de petits par porté pour une espèce animale donnée (chat, marmotte, etc.),
- le nombre de bactéries dans 100 ml de préparation,
- le nombre de mutations dans une séquence d’ADN de 10 kb,
Sont des variables aléatoires discrètes.
2.2 Loi de probabilité
Une variable aléatoire est caractérisée par l’ensemble des valeurs qu’elle peut prendre et par l’expression
mathématique de la probabilité de ces valeurs. Cette expression s’appelle la loi de probabilité (ou distribution de
probabilité) de la variable aléatoire.
La loi de probabilité d’une variable aléatoire discrète est entièrement déterminée par les probabilités p i des
évènements X x i , x i parcourant l’univers image X . La loi de probabilité est donnée par les x i , pi i
Remarque :
Afin de simplifier l’écriture, nous noterons pour la suite du cours : P X x i équivalent à P X x i ou p i
2 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
Exemple :
Dans le cas de la constitution d’une fratrie de deux enfants, si l’on fait l’hypothèse que la probabilité d’avoir un
1
garçon est égale à celle d’avoir une fille ( ), alors la distribution de probabilité ou loi de probabilité du nombre de
2
filles dans une fratrie de deux enfants est :
Ensemble des évènements possibles Valeurs de la variable aléatoire Probabilités associées à la variable X
X P X x i ou p i
G et G 0 1/4
F et G ou G et F 1 1/2
F et F 2 1/4
1
Si P F P G , alors
2
1. P F G G F P F G P G F Propriétés d’additivité
Avec F G G F évènements incompatibles
2. P F G P F P G Propriété d’indépendance
1 1 1 1 1
D’où P F G G F P X 1
2 2 2 2 2
Remarque :
i n
Une loi de probabilité n’est établie que si p i 1 , la somme étant étendue à tous les indices i
i 1
2.3 Fonction de répartition
On appelle fonction de répartition d’une variable aléatoire X , la fonction FX telle que :
FX :
t FX x P X x
Concrètement la fonction de répartition correspond à la distribution des probabilités cumulées. Le plateau atteint
i n
par la fonction de répartition correspond à la valeur de probabilité 1 car p
i 1
i 1 .
3 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
L’importance pratique de la fonction de répartition est qu’elle permet de calculer la probabilité de tout intervalle dans
.
Propriétés : les propriétés associées à la fonction de répartition sont les suivantes :
Soit FX la fonction de répartition d’une variable aléatoire discrète X alors :
(P1) t : 0 Fx x 1
(P2) FX est croissante sur
(P3) lim FX x 0 et lim FX x 1
x x
(P4) si a b : P a X b FX b FX a
Exemple :
On considère l’évènement « lancer de 3 pièces ». On introduit une variable aléatoire X définie par X
« nombre de piles de l’évènement ». La loi de probabilité de X est :
Nombre de piles 0 1 2 3
P X xi 1 3
8
3
8
1
8
8
FX 1 4 7 1
8 8 8
Dans le cas d’une variable aléatoire discrète, on utilise un diagramme en bâtons pour visualiser la distribution de
probabilités et une fonction en escalier pour la fonction de répartition.
4 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
3. Variables aléatoires continues
3.1 Définition
Une variable aléatoire est dite continue si elle peut prendre toutes les valeurs dans un intervalle donné (borné ou
non borné). En règle générale, toutes les variables qui résultent d’une mesure sont de type continu.
Exemples : Les variables aléatoires,
- le masse corporelle des individus pour une espèce animale donnée,
- taux de glucose dans le sang,
Sont des variables aléatoires continues.
3.2 Fonction densité de probabilité
Dans le cas d’une variable aléatoire continue, la loi de probabilité associe une probabilité à chaque ensemble de
valeurs définies dans un intervalle donné. En effet, pour une variable aléatoire continue, la probabilité associée à
l’évènement X a est nulle, car il est impossible d’observer exactement cette valeur.
On considère alors la probabilité que la variable aléatoire X prenne des valeurs comprises dans un intervalle a, b
tel que P a X b
Lorsque cet intervalle tend vers 0, la valeur prise par X tend alors vers une fonction que l’on appelle fonction
densité de probabilité ou densité de probabilité.
f :
On appelle densité de probabilité toute application continue:
x f x
Telle que : (P1) x : f x 0 (P2) f x dx 1
Soit une fonction densité de probabilité f(x) :
(1) l’aire hachurée en vert correspond à la probabilité P(X < -10)
(2) l’aire hachurée en bleu correspond à la probabilité P(+10 <X < +15)
Remarque :
Cette fonction densité de probabilité est une loi de probabilité car l’aire sous la courbe est égale à 1 pour toutes les
valeurs de x définies
Réciproquement :
5 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
Une variable aléatoire X définie sur un univers est dite absolument continue, s’il existe une fonction densité de
probabilité f telle que : t : P X x f t dt
x
(Voir graphe ci-dessus).
3.3 Fonction de répartition
Si comme pour les variables aléatoires discrètes, on définit la fonction de répartition de X par :
FX :
t FX x P X x
Alors la relation entre la fonction de répartition FX et la fonction densité de probabilité f(x) est la suivante :
t : FX x P X x f t dt
x
La fonction de répartition FX est la primitive de la fonction densité de probabilité f , et permet d’obtenir les
probabilités associées à la variable aléatoire X , en effet :
Soit X une variable aléatoire absolument continue de densité f et de fonction de répartition FX , alors :
(P1) P a X b FX b FX a f x dx , a b
b
(P2) a : P X a 0 si f est continue à droite du point a.
Remarque : La propriété P2 implique que P X x P X x .
La fonction de répartition correspond aux probabilités cumulées associées à la variable aléatoire continue sur
l’intervalle d’étude (graphe ci-dessous).
6 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
L’aire hachurée en vert sous la courbe de la fonction densité de probabilité correspond à la probabilité P X a et
vaut 0,5 car ceci correspond exactement à la moitié de l’aire totale sous la courbe. Cette probabilité correspond à la
valeur de la fonction de répartition au point d’inflexion de la courbe.
Propriété : Les propriétés associées à la fonction de répartition sont les suivantes :
Soit FX la fonction de répartition d’une variable aléatoire absolument continue X alors :
(P1) FX est continue sur , dérivable en tout point où f est continue et alors FX f
(P2) FX est croissante sur
(P3) FX est à valeurs dans 0,1
(P4) lim FX x 0 et lim FX x 1
x x
Exemple : Dans une population de canards colverts, lors d’une leur lieu de repos. Ainsi à t 0 , la surface de
l’étang regagne l’étang entre les temps t 1 et t 2 (en minutes) alerte, l’ensemble des individus quittent est déserte et la
f t dt avec f t 2e t 2e 2t qui représente la fonction densité de
t2
probabilité qu’un canard est donnée par :
t1
probabilité.
La primitive de f t , FT t , fonction de répartition est de la forme : FT t 1 e 2t 2e t
L’évolution de la recolonisation de l’étang par les canards colverts en fonction du temps est donnée par la courbe
rouge. On observe ainsi que plus de 50 % des canards se posent sur l’étang au cours des 2 premières minutes qui
suivent l’alerte. Au bout de 7 minutes, tous les canards ont regagné l’étang. La distribution des probabilités cumulées
est donnée sur la courbe verte.
7 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
4. Espérance et Variance
Une loi de probabilité peut être caractérisée par certaines valeurs typiques correspondant aux notions de valeur
centrale, de dispersion et de forme de distribution.
4.1 Espérance mathématique
L’espérance d’une variable aléatoire E X correspond à la moyenne des valeurs possibles de X pondérées par les
probabilités associées à ces valeurs. C’est un paramètre de position qui correspond au moment d’ordre 1 de la
variable aléatoire X . C’est l’équivalent de la moyenne arithmétique X . En effet lorsque le nombre d’épreuves n est
grand, X tend vers E X .
1. Variables aléatoires discrètes
Si X est une variable aléatoire discrète définie sur un univers probabilisé , on appelle espérance de X , le réel
défini par : E X X P
Remarque :
Si X est infini, on n’est pas sûr que l’espérance existe. L’espérance mathématique est également notée X ,
X ou encore si aucune confusion n’est à craindre.
Nous pouvons donner une autre définition de l’espérance d’une variable aléatoire discrète X si à , on
associe l’image x telle que X x .
Théorème :
Si X est une variable aléatoire discrète de loi de probabilité x i , pi i définit sur un nombre fini n d’évènements
i n
élémentaires alors : E X x i p i
i 1
Exemples :
(1) Si l’on reprend l’exemple d’une fratrie de deux enfants, l’espérance du variable aléatoire « nombre de filles «
i 3
1 1 1
est : E X x i p i 0 1 2 1
i 1 4 2 4
Si l’on observe un nombre suffisant de fratries de 2 enfants, on attend en moyenne une fille par fratrie.
(2) Quand est-il de l’espérance de la variable aléatoire X de valeurs 0, 1, 2 et 3 avec respectivement les probabilités
0,1 ; 0,2 ; 0, 3 et 0,4 ?
Réponse :
8 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
2. Variables aléatoires continues
Si X est une variable aléatoire absolument continue de densité f , on appelle espérance de X , le réel E X ,
défini par : E X xf x dx si cette intégrale est convergente.
Remarque :
Dans cet exemple, la variable étudiée t ne peut prendre que des valeurs dans 0,
4.1.3 Propriétés de l’espérance
Les propriétés de l’espérance valent aussi bien pour une variable aléatoire discrète ou une variable aléatoire
absolument continue.
Si X et Y sont deux variables aléatoires définies sur un même univers , admettant une espérance, alors :
(P1) E X Y E X E Y
(P2) E aX aE X / a
(P3) Si X 0 alors E X 0
(P4) Si E X Y E X E Y est un caractère constant tel que : : X k ; Alors : E X k
Remarque :
Dans le cas continu E X Y x y f x , y dxdy . La propriété P1 est vérifiée quelques soient les relations
de dépendance ou d’indépendance statistique entre les deux variables.
4.2 Variance
La variance d’une variable aléatoire V X est l’espérance mathématique du carré de l’écart à l’espérance
mathématique. C’est un paramètre de dispersion qui correspond au moment centré d’ordre 2 de la variable aléatoire
X . C’est l’équivalent de la variance observée S 2 . En effet lorsque le nombre d’épreuves n est grand, S 2 tend vers
V X
Si X est une variable aléatoire ayant une espérance E X , on appelle variance du X le réel :
V X E X E X
2
9 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
V X E X E X
2
E X 2 2X E X E X
2
E X 2E X E X E E X
2 2
Autre Notation :
E X 2E X E X
2 2 2
E X E X
2 2
Alors : V X E X E X
2 2
Remarque :
Si X est infini, il n’est nullement évident que V X existe. De plus comme X E X 0 nécessairement
2
V X 0 . Par définition, une variance est toujours positive
La variance est également notée 2 si aucune confusion n’est à craindre.
Si X est une variable aléatoire ayant une varianceV X , on appelle écart-type de X ,le réel : X V X
Remarque :
L’écart-type permet de disposer d’un paramètre de dispersion qui s’exprime dans les mêmes unités que la variable
aléatoire elle-même.
4.2.1 Variables aléatoires discrètes
Si X est une variable aléatoire discrète de loi de probabilité x i , pi i 1,n définie sur un nombre fini (n) d’évènements
n n
élémentaires alors la variance est égale à : V X x i E X p i x i2 p i E X
2 2
i 1 i 1
Exemple :
(1) Si l’on reprend l’exemple d’une fratrie de deux enfants, la variance de la variable aléatoire « nombre de filles «
1 1 1 1
V X 0 1 1 1 2 1
2 2 2
4 2 4 2
est :
1 1
V X donc : X 0.7
2 2
(2) Dans le cas de la loi de probabilité du nombre de piles lors du lancer de 3 pièces, quelles sont les valeurs de
l’espérance et de la variance de cette loi ?
Réponse.
10 2019-2020
er
1 Médecine Dentaire CHAPITRE : 03 Mr : BENHAMOUD.T
4.2.2 Variables aléatoires continues
Si X est une variable aléatoire continue donnée par sa densité de probabilité alors la variance de X est le nombre
réel positif tel que :
V X x f x dx E X
2 2
V X x E X f x dx
2
Exemple :
Dans le cadre de la recolonisation de l’étang par la population de canard colvert, la variance de la loi de probabilité
V T t E T f t dt
2 5
est :
4
Alors : T 5 4 1.12
4.2.3 Propriétés de la variance
Si X est une variable aléatoire admettant une variance alors :
(P1) a :V aX a 2V X
(P2) a,b 2 :V aX b a 2V X
(P3) V X 0 X E X
Exercice 1 : Le nombre X de kilogrammes de tomates récoltés dans un jardin en une semaine, est une variable
aléatoire dont la distribution de probabilité est la suivante :
X 0 1 2 3
P(X = x) 0,1 0,5 0,3 0,1
1. Quelle est l’espérance mathématique de X et quelle est sa variance ?
2. Pendant les six semaines de la saison de récolte, la distribution de probabilité reste la même ; rechercher
l’espérance mathématique et la variance de la va. Y : récolte totale en six semaines.
11 2019-2020
