06/10/2024
Chapitre 2 : Les variables aléatoires réelles
1- Notion de variable aléatoire:
Dans le chapitre précédent, pour étudier une expérience aléatoire, on a construit un modèle mathématique
sur la base de trois éléments:
• L’ensemble fondamental des résultats
• Les parties de
• Une fonction de probabilité P
Cependant, souvent, on ne s’intéresse pas aux résultats eux-mêmes mais plutôt à une ou à des
caractéristiques particulières de ces résultats. Une variable aléatoire fournit un moyen de décrire de façon
numérique les résultats d’une expérience.
Exemple:
Lorsqu’on lance une pièce de monnaie 3 fois, les résultats ont la forme: (F,P,F), (F,P,P), etc..
Certaines fois on ne s’intéresse pas à un triplet particulier mais plutôt à une caractéristique de ce triplet,
par exemple le nombre de faces.
CHAPITRE 2: Les variables aléatoires réelles
(P,P,P) 0
(P,F,P)
(P,P,F) 1
(F,P,P)
(F,P,F)
(F,F,P) 2
(P,F,F)
(F,F,F) 3
Définition:
Une variable aléatoire (v.a.r) est donc une fonction qui associe à chaque résultat d’une expérience
aléatoire un nombre réel.
X:
w x
L’ensemble des valeurs possible de X est noté par X(). Dans notre exemple X() = {0,1,2,3}
CHAPITRE 2: Les variables aléatoires réelles
1
06/10/2024
➢ Si X() est un ensemble fini ou infini dénombrable, alors, X est une variable aléatoire discrète.
➢ Si X() est un intervalle de nombres réels ou une suite d’intervalles, alors, X est une variable aléatoire
continue.
2- Loi de probabilité d’une variable aléatoire:
La loi (ou distribution) de probabilité d’une variable aléatoire décrit comment sont distribuées les
probabilités des valeurs que peut prendre la v.a.r.
Pour une variable aléatoire discrète X, la distribution de probabilité est définie par une fonction de
probabilité notée f(x). (f(x) = P[X=x]).
Exemple:
On lance une pièce de monnaie trois fois de suite et on note X: « le nombre de face ».
CHAPITRE 2: Les variables aléatoires réelles
Si X() est un ensemble infini dénombrable, il serait impossible de dresser un tableau pour la distribution
de probabilité de X. La distribution est donnée par une fonction mathématique f vérifiant :
f(x) 0 x
f(xi) = 1 ∀𝑥𝑖 ∈ 𝑋()
Pour une variable aléatoire continue X, la distribution de probabilité est définie par une fonction de
probabilité notée f(x) appelée densité de probabilité vérifiant :
f(x) 0 x
f(xi) = 1
= 𝑥𝑑 𝑥 𝑓 1 ∀𝑥 ∈ 𝑋()
Exemple:
Montrer que les fonctions suivantes définissent une distribution de probabilité.
➢ f(x) = px(1-p)1-x avec 0<p<1 et x {0,1} ;
➢f(x) = e-x x IR+
CHAPITRE 2: Les variables aléatoires réelles
2
06/10/2024
3-Fonction de répartition d’une variable aléatoire:
La fonction de répartition est définie par :
Pour les variables aléatoires discrètes cette fonction est semblable à celle des variables statistiques
(courbe en escalier).
𝑥
Pour les variables aléatoires continues : F 𝑥 = −∞ 𝑓 𝑡 𝑑𝑡
Propriétés de la fonction de répartition cas continue:
La fonction de répartition procède les propriétés suivantes:
➢ limite de F(x) = 0 en -∞ et limite de F(x)=1 en +∞ ;
➢F est une fonction continue croissante.
➢ Pour tout a et b, P[a < X < b] = 𝑓 𝑏𝑎 𝑥 𝑑𝑥 = F(b)-F(a).
➢F est dérivable pour tout x , f(x) = 𝜕𝐹(𝑥)
𝜕𝑥
.
CHAPITRE 2: Les variables aléatoires réelles
4- Les paramètres d’une variable aléatoire:
Comme les variables statistiques les variables aléatoires procèdent des paramètres de tendance centrale,
de dispersion et de forme. Les deux paramètres les plus importants pour les variables aléatoires sont
l'espérance mathématique et la variance.
4-1 L'espérance mathématique:
L'espérance mathématique, notée E(X) est un paramètre de tendance centrale semblable à la moyenne
arithmétique pour les variables statistiques.
➢Si X est une var discrète :E(X) = xi f(xi) ∀𝑥𝑖 ∈ 𝑋()
➢Si X est une var continue : E(X) =(𝑋 ∈ 𝑥∀ 𝑥𝑑 𝑥 𝑓𝑥 )
Propriétés de l'espérance mathématique:
➢L'espérance mathématique est une valeur réelle.
➢L'espérance d’une constante est la constante elle-même. E(a) =a.
➢E( aX+b) = aE(X) + b, a et b deux réelles et X une var.
➢E(X+Y) = E(X) + E(Y) , X et Y deux variables aléatoires.
CHAPITRE 2: Les variables aléatoires réelles
3
06/10/2024
➢Si X est une var discrète : E(g(X)) = g(xi)f(xi) ∀𝑥𝑖 ∈ 𝑋()
➢Si X est une var continue : E(g(X)) = (𝑋 ∈ 𝑥∀ 𝑥𝑑 𝑥 𝑓)𝑥(𝑔 )
En particulier :
E(Xk) = xki f(xi) ∀𝑥𝑖 ∈ 𝑋()
E(Xk) =(𝑋 ∈ 𝑥∀ 𝑥𝑑 𝑥 𝑓 𝑘 𝑥 )
4-2 La variance:
La variance, notée V(X) est un paramètre de dispersion semblable à la variance des variables statistiques.
V(X) =E(X-E(X))² = E(X²) – (E(X))²
Le calcul de la variance se base donc sur les formules de l'espérance déjà données, en distinguant le cas
discret du cas continu.
Propriétés de la variance:
➢La variance est une valeur réelle positive.
➢La variance d’une constante est nulle. V(a) =0.
CHAPITRE 2: Les variables aléatoires réelles
➢V( aX+b) = a² V(X) , a et b deux réelles et X une var.
➢V(X+Y) = V(X) + V(Y) , que si X et Y deux variables aléatoires indépendantes.
➢L’ écart-type est la racine carrée de la variance.
4-3 La fonction génératrice des moments:
La fonction génératrice des moments, MX(t) = E(etx)
Propriétés :
➢MX(0) = 1
➢MaX+b(t) = ebt MX(at)
➢MX+Y(t) = MX(t)*MY(t)
𝑘
➢E(Xk) = = 𝜕 𝑀𝑋(𝑡)
𝜕𝑡𝑘
/t=0 , en particulier :
2
E(X) = = 𝜕 𝑀𝑋(𝑡)
𝜕𝑡
/t=0 et E(X2) = = 𝜕 𝑀𝑋(𝑡)
𝜕𝑡2
/t=0
CHAPITRE 2: Les variables aléatoires réelles
4
06/10/2024
Exemple:
1- Calculer l'espérance et la variance des variables aléatoires suivantes:
f(x) = px(1-p)1-x avec 0<p<1 et x {0,1} ;
f(x) = e-x x IR+
2- Déterminer leur fonction génératrice des moments et en déduire l'espérance et la variance.
CHAPITRE 2: Les variables aléatoires réelles
