Chapitre 3
Variables aléatoires
Variables aléatoires continues
Définition une variable aléatoire est dite continue si son domaine de variation est
l’ensemble ℝ ou un intervalle de ℝ.
Exemple le poids d’un individu est une variable aléatoire qui peut prendre une infinité de
valeurs dans un intervalle de ℝ+.
Fonction de répartition
Définition Une variable aléatoire continue peut être définie par sa fonction de répartition F
ou FX, définie par
F(x)=P(X≤ 𝑥)
Propriétés
La fonction de répartition F est d’une v.a continue a les propriétés suivantes :
F est continue
F est croissante au sens large ; x≤ 𝑦 ⇒F(x) ≤ F(y)
lim F(x)=0, lim F(x)=1
𝑥↦−∞ 𝑥↦+∞
∀x∈ ℝ 0 ≤ F(x) ≤ 1.
Exemple
1) La loi normale
La loi normale est apparu naturellement (d’où son nom) comme limite de certains
processus.
C’est la loi la plus connue des probabilités, parfois sous le vocabulaire loi de Laplace-Gauss
et caractérisée par une célèbre "courbe en cloche »
On dit que 𝑋 (une variable aléatoire) suit la loi normale 𝑁(µ, 𝜎 ) de moyenne
𝐸(𝑋) = µet de variance𝑉(𝑋) = 𝜎 2 .
On écrit 𝑋 ↝ 𝑁(µ, 𝜎 )
Si µ = 0et 𝜎 = 1 on dit que 𝑋 suit la loi normale centrée réduite.
On écrit 𝑋 ↝ 𝑁(0,1)
Si U ↝ 𝑁(0,1) alors 𝐹 (𝑡) = 𝑃(𝑋 ≤ 𝑡) est l’aire délimitée par la courbe de la
fonction de densité de 𝑈
𝑥2
−
𝑒 2
𝑓(𝑥) =
√2𝜋
et l’axe des abscisses et la droite verticale 𝑥 = 𝑡.
Les valeurs de la fonction de répartition 𝐹(𝑡) sont répertoriées dans des tables
appelées les tables de la loi Normale centrée réduite.
• 𝐹(−𝑡) = 1 − 𝐹(𝑡)
• 𝑃(𝑎 < 𝑋 < 𝑏) = 𝐹(𝑏) − 𝐹(𝑎)
Exemple : 𝑋 suit 𝑁(2, 3) on veut calculer 𝑃(𝑋 ≤ 1).
𝑋−2 1−2 𝑋−µ
𝑃(𝑋 ≤ 1) = 𝑃 ( ≤ ) on se ramène à la loi centrée réduite ( ).
3 3 𝜎
−1
𝑃(𝑋 ≤ 1) = 𝑃 (𝑈 ≤ ) = 𝐹(− 1⁄3)
3
= 1 − 𝐹(1⁄3) = 1 − 𝐹(0.33)
≈ 1 − 0.6293 = 0.3707
0.33 = 0.3 + 0.03
2) La loi de Student la loi de Student à 𝜈 degré de liberté
On écrit 𝑋 → 𝑡(ν)
On a 𝐸(𝑋) = 0 pour 𝜈 > 1
𝜈
et 𝑣𝑎𝑟(𝑋) = pour 𝜈 > 2.
𝜈−2
3) La loi log normale (ou loi de Galton)
Une variable aléatoire 𝑋 suit une loi log-normale quand son logarithme suit une loi normale.
C'est à dire que 𝑌 = ln(𝑋) suit une loi 𝑁 (𝛼; 𝛽) avec 𝛼 et 𝛽 les paramètres de la loi
normale.
Elle est notée : ln 𝑁(𝛼; 𝛽).
4) La loi du khi-deux On dit que X suit la loi du khi-deux à 𝜈 degrés de liberté notée
𝜒 2 (𝜈).
* 𝜒 2 est positive
*𝐸(𝜒 2 ) = 𝜈, 𝑉(𝜒 2 ) = 2𝜈
la loi du Khi deux
khideux(20)
0.00 0.01 0.02 0.03 0.04 0.05 0.06
khideux(15)
khideux(30)
khideux(50)
densité de probabilité
0 20 40 60 80 100
Les valeurs de la fonction de répartition du Khi-deux dépendent de 𝜈 et 𝛼 et elles sont
tabulées (cf TD).
5) La loi de Fisher –Snedecor Notée 𝐹(𝜈1 , 𝜈2 )avec deux degrés de liberté.
F(n1, n2)
1.2
F(30,30)
F(30, 20)
1.0
F(30, 50)
F(10, 10)
0.8
densité de probabilité
0.6
0.4
0.2
0.0
0 2 4 6 8 10
𝐹(𝜈1 , 𝜈2 ) > 0
𝐹(𝜈1 , 𝜈2 ) ≠ 𝐹(𝜈2 , 𝜈1 )
Pour un 𝛼 = 𝑃(𝐹 > 𝑡) fixé, il existe une table pour les valeurs de la fonction de
répartition en fonction des deux degrés de liberté.
(On a en général α=0.025 et α=0.05)
