Variables aléatoires et Distributions des probabilités

Prof. Ndondo M. Apollinaire

17 février 2025

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 1 / 22
 Chapitre V : Variables Aléatoires et Distributions
des Probabilités

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 2 / 22
 Variables Aléatoires

Définition
1 Une variable aléatoire X est une grandeur qui peut prendre plusieurs
valeurs quelconques (inconnues d’avance) avec une certaine
probabilité lors d’une expérience aléatoire.
2 Une variable aléatoire est dite DISCRETE si les valeurs possibles de X
sont des entiers, elle est CONTINUE si les valeurs possibles de X sont
des nombres réels.

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 3 / 22
 Exemples de Variables aléatoires

1 Le nombre de fois qu’un patient se présente à la consultation chaque

année. Les valeurs possibles de cette variable aléatoire X qui compte
le nombre de visites sont : 0; 1; 2; . . .. Ainsi, X est une variable
aléatoire DISCRETE.
2 La durée de vie d’une lampe est une . . . est variable aléatoire
CONTINUE, les valeurs possibles de cette variable aléatoire Y qui
mesure la durée de vie d’une lampe sont des intervalles de R

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 4 / 22
 Distribution de probabilité d’une variable aléatoire discrete

Si X est une variable aléatoire sur un ensemble fondamental Ω à valeurs

finies i.e. alors :
X (Ω) = (x1 , x2 , . . . , xn )
X (Ω) devient un espace probabilisé si l’on définit la probabilité des xi i.e.

P(X = xi )

On définit donc une fonction f par :

f : X (Ω) → [0, 1] : xi → f (xi ) = P(X = xi )

La fonction f est appelée distribution de probabilité ou densité de

probabilité de la variable aléatoire X

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 5 / 22
 Distribution de probabilité d’une variable aléatoire discrete

La distribution d’une variable aléatoire se donne habituellement sous la

forme d’un tableau.

x1 x2 x3 x4 ··· xn
P(X = x1 ) P(X = x2 ) P(X = x3 ) P(X = x4 ) ··· P(X = xn )

Où x1 , x2 , x3 , x4 , · · · , xn sont valeurs possibles que peut prendre la variable

aléatoire X , et

P(X = xi ) la proba pour que X soit egal à xi

Puisque les f (xi ) sont des probabilités on doit avoir :

1 P(X = xi ) ≥ 0
Pn
2
i=1 P(X = xi ) = 1

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 6 / 22
 Exemples de variable aléatoire discrete

1 Exemple 1. On lance 2 fois de suite un dé a 6 faces parfaitement

équilibré. On définit la variable aléatoire X comme la somme des
faces obtenues. Déterminer la distribution de probabilité de cette
variable aléatoire X
2 Exemple 2. On lance successivement trois fois une pièce de monnaie
bien équilibrée. On définit la v.a. Y par le nombre de faces obtenues
en ces trois jets. Déterminer la distribution de probabilité de cette
variable aléatoire Y .
3 Exemple 3. Un jeu consiste a tirer une carte d’un jeu ordinaire de 52
cartes. Si on tire un AS, on perd 10 dollars, un roi, on gagne 5 dollars,
une dame, on gagne 3 dollars, un valet, on gagne 2 dollars, une carte
avec un numéro pair, on gagne un dollar et une carte avec un numéro
impair, on perd 5 dollars. Trouver la fonction de probabilité de la Va
Z représentant le gain du joueur.

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 7 / 22
 Distribution de probabilité d’une variable aléatoire continue
Si X est une variable aléatoire CONTINUE sur un ensemble fondamental
Ω alors l’ensemble de valeurs de X (Ω) est un intervalle i.e.

X (Ω) = [a, b] ⊆ R

L’ensemble {a ≤ X ≤ b} est un événement de Ω et on a :

Z b
P{a ≤ X ≤ b} = f (x )dx
a

La distribution d’une variable aléatoire continue X est donnée par une

fonction continue positive f (x ) telle que :
1 f (x ) ≥ 0 et
R +∞
2
−∞ f (x )dx = 1
3 la fonction f (x ) est alors appelée la densité de probabilité de la
variable aléatoire continue X
Prof. Ndondo M. (Université Nouveaux Horizons
Variables
) aléatoires et Distributions des probabilités 17 février 2025 8 / 22
 Exemples de variable aléatoire continue

cx 2 si 0 < x < 3
1 Exemple 1. On definit une fonction f (x ) = {
0 sinon
Evaluer la constante c pour que la fonction f soit une densité de
probabilité et calculer P(1 < x < 2)
2 Exemple 2. Soit le modèle probabiliste suivant :
x
4 pour 0 < x < 2
4−x
f (x ) = { 4 pour 2 < x ≤ 4
0 ailleurs
a) Montrer qu’il s’agit bien d’une fonction de densité et déterminer
b) P(2 < x < 3) et c) P(1/2 < x < 7/2)
NOTA. On définit la fonction de répartition d’une v.a X notée
Z a
F (a) = P(x < a) = f (x )dx
−∞

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 9 / 22
 Moyenne ou Espérance mathematique d’une variable
aléatoire : Cas discret

La moyenne ou l’espérance mathematique d’une variable aléatoire est

donnée par :
n
X n
X
E(X ) = xi P(X = xi ) = xi P(X = xi )
i=1 i=1

L’espérance est donc la moyenne pondérée des valeurs xi de la vad X ,

chaque valeur étant pondérée par sa probabilité.
Exemple Un vendeur de parapluies peut gagner 30000 FC par jour quand
il pleut. Il peut perdre 6000 FC par jour quand il fait chaud. Quelle somme
peut-il espérer gagner par jour si la probabilité pour qu’il pleuve est 0.3 ?

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 10 / 22
 Variance d’une variable aléatoire discret

n
X
Var (X ) = (xi − E(X ))2 P(X = xi ) = E(X 2 ) − (E(X ))2
i=1

Exemple Un vendeur de parapluies peut gagner 30000 FC par jour quand

il pleut. Il peut perdre 6000 FC par jour quand il fait chaud. Si Y est la va
qui evalue le gain de ce vendeur, calculer la variance de cette variable
aléatoire si la probabilité pour qu’il pleuve est 0.3 ?

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 11 / 22
 Espérance mathématique d’une variable aléatoire continue

Z +∞
µ = E(X ) = xf (x )dx
−∞

cx 2 si 0 < x < 3
Exemple 1. On definit une fonction f (x ) = {
0 sinon
Determiner l’espérance mathématique de la vac X

Exemple 2. La densité de probabilité d’une v.a est :

c exp(−3x ) pour x ≥ 0
f (x ) = {
0 ailleurs
Evaluer la constante c, Calculer P(1 < X < 2), P(X ≥ 3), P(X < 1),
Determiner l’espérance mathématique de la vac X

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 12 / 22
 Variance et écart-type d’une variable aléatoire continue

La variance de X , que l’on écrit Var(X ) ou σ 2 , est alors définie par

Z +∞ Z +∞
Var(X ) = (x − E(X ))2 f (x )dx = x 2 f (x ) − E(X )2 dx
−∞ −∞

On a aussi
Var(X ) = E(X 2 ) − (E(X ))2
p
L’écart de X , qu’on écrit σ, est la racine carrée de Var(X ) : σ = Var(X )
x
4 pour 0 < x < 2
4−x
Exemple. Soit le modèle f (x ) = { 4 pour 2 < x ≤ 4
0 ailleurs
Determiner la variance de la vac X

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 13 / 22
 Exercices d’application

exercices d’application
1 Un sac contient 6 crayons et 3 gommes à effacer. On tire
successivement et avec remise 3 objets de ce sac. Si X représente le
nombre de gommes à effacer, trouver :
La fonction de probabilité de X
La fonction F (x ) de répartition de X .
P [0 ≤ X < 2] et P [X ≥ 1]
2 Considérons une v.a.c distribuée suivant le modèle probabiliste
suivant : f (x ) = k(30 − x ), pour 0 ≤ x ≤ 30 et nulle partout ailleurs.
On demande :
a) de déterminer la valeur de k pour que le modèle spécifié soit une
densité de probabilité.
b) d’évaluer : P [X > 15] , P [10 ≤ X ≤ 20] et P [X < 12]
c) d’évaluer l’espérance mathématique de X et sa variance.

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 14 / 22
 Exercices d’application
exercices d’application
1 Une v.a.c. X de densité de proba c(4x − x 2 ) est définie sur l’intervalle
allant de 0 à 4.
Calculer la constante c de facon que c(4x − x 2 ) soit une densité de
proba.
déterminer la somme de proba correspondant aux valeurs de X compris
entre 1 et 3.
Calculer l’espérance mathématique et la variance de X .
2 La densité de proba d’une v.a.c X est
(
c x 2 pour 1 ≤ x ≤ 2
f (x ) =
c x pour 2 < x < 3

a) de déterminer la valeur de c pour que le modèle spécifié soit une

densité de probabilité.
b) d’évaluer : P [X < 2] , P 12 ≤ X ≤ 32
 

c) d’évaluer l’espérance mathématique de X et sa variance.

Prof. Ndondo M. (Université Nouveaux Horizons
Variables
) aléatoires et Distributions des probabilités 17 février 2025 15 / 22
 Couple de variables aléatoires et Loi de probabilité produit

Soit X et Y deux variables aléatoires sur un même ensemble fondamental

telles que

X (Ω) = {x1 , x2 , . . . , xm } et Y (Ω) = {y1 , y2 , . . . , yn }

L’espace produit

X (Ω) × Y (Ω) = {(x1 , y1 ), (X2 , Y2 ), . . . , (xm , yn )}

est un espace probabilisé en définissant la probabilité du couple ordonné

(xi , yj ) par
P(X = xi , Y = yj ) = h(xi , yj )
La fonction h : X (Ω) × Y (Ω) → R+ ; (xi , yj ) → h(xi , yj ) est appelée
distribution jointe ou loi de probabilité produit de X et Y

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 16 / 22
 Loi de probabilité produit

1 h(xi , yj ) ≥ 0
Pn Pm
j=1 h(xi , yj ) = 1 (cas discret)
2
i=1

Exemples
Exemple 1 : On dispose d’une urne contenant quatre jetons numérotés de
1 jusqu’a 4, et on tire au sort successivement deux jetons sans remise. On
note (X , Y ) les résultats des deux tirages. Dresser la distribution conjointe
de ce couple de variables.

X/Y 1 2 3 4
1 0 1/12 1/12 1/12
2 1/12 0 1/12 1/12
3 1/12 1/12 0 1/12
4 1/12 1/12 1/12 0

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 17 / 22
 Exemple
Considérons l’expérience aléatoire consistant à jeter deux dés, X la variable
aléatoire donnant le plus petit résultat et Y le plus grand. Déterminer la
loi conjointe de (X , Y ).
X/Y Y=1 Y=2 Y=3 Y=4 Y=5 Y=6 Pmarg
X=1 1/36 1/18 1/18 1/18 1/18 1/18
X=2 0 1/36 1/18 1/18 1/18 1/18
X=3 0 0 1/36 1/18 1/18 1/18
X=4 0 0 0 1/36 1/18 1/18
X=5 0 0 0 0 1/36 1/18
X=6 0 0 0 0 0 1/36
Pmarg
Probabilités marginales
m
X n
X
P(Xi. ) = h(xi , yj ) et P(Y.j ) = h(xi , yj )
j=1 i=1

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 18 / 22
 Espérance d’un produit de variables indépendantes

Covariance
Si X et Y sont des variables aléatoires jointes de moyennes respectives µX
et µY on définit la covariance Cov(X ; Y ) par

Cov(X ; Y ) = E(X Y ) − E(X ) E(Y ) = E [(X − E(X )(Y − E(Y )]

n X
X m
Cov(X ; Y ) = (xi − µX )(yj − µY )
i=1 j=1

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 19 / 22
 Corrélation et Probabilité conditionnelle

Corrélation
On définit le coefficient de corrélation de X et de Y que l’on écrit par :

Cov(X,Y) Cov(X,Y)
ρ(X , Y ) = = √
σX σY σX σY

Probabilité conditionnelle
Soit (X , Y ) un couple de variables aléatoires discrètes, On appelle loi
conditionnelle de Y sachant que [X = xi ] notée

P[X = xi ∩ Y = yj ] pij
P[Y = yj | X = xi ] = =
P[X = xi ] pi.

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 20 / 22
 Exercice

Exercice
On considère deux variables aléatoires discrètes X et Y dont la loi de
couple est donnée par le tableau

X/Y -1 1
29 33
-2 100 100
13
2 100 p2

1 Déterminer les lois marginales de X et Y puis calculer leurs

espérances et variances.
2 Déterminer la loi de la variable aléatoire Z = X Y , son espérance et
sa variance.
3 Déterminer la covariance Cov (X , Y ). Les variables X et Y sont-elles
indépendantes ?
4 Déterminer P(X = 2 | Y = −1) et P(Y = −1 | X = 2)
Prof. Ndondo M. (Université Nouveaux Horizons
Variables
) aléatoires et Distributions des probabilités 17 février 2025 21 / 22
 Exercice

Exercice
On considère cette expérience aléatoire des jets indépendants de deux dés
a 6 faces parfaitement equilibrés, on définit deux variables aléatoires
discrètes Z et W , d’une part par Z = 0 si le résultat du premier dé vaut 1
ou 2 et Z = 1 si autrement et de l’autre part, W = 0 si le résultat obtenu
sur les deux dés est pair et W = 1 si autrement.
1 Déterminer P(Z ≤ 0, W ≤ 1)
2 Déterminer P(W ≤ 0)
3 Déterminer P(Z = 1 | W = 0) et P(W = 0 | Z = 0)
4 Les variables Z et W sont-elles indépendantes ?

Prof. Ndondo M. (Université Nouveaux Horizons

Variables
) aléatoires et Distributions des probabilités 17 février 2025 22 / 22