Part I
CHAPITRE III "PROBA"
1 VARIABLES ALEATOIRES
Etant donné un espace probabilisé d’espace fondamental et de probabilité P ,
On appelle variable aléatoire (v.a) sur cet espace, toute application X de
dans R telle que :
X : P( ) !R
! 7 ! X (!)
A chaque évènement élémentaire ! de correspond un nombre réel x associé
à la variable aléatoire. La valeur x correspond à la réalisation de la variable
X pour l’évènement élémentaire !:
Example 1 Si l’on considère la constitution d’une fratrie de deux enfants,
l’espace fondamental est constitué des évènements élémentaires suivant:
= fGG; GF; F G; F F g
Les valeurs possibles prises par la variable aléatoire , « nombres de …lle
dans la famille »
X ( ) = f0; 1; 2 g
Ici X est une variables aléatoire discrète.
De…nition 2 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 résul-
tent d’un dénombrement ou d’une numération sont de types discrètes.
Example 3 Les variables aléatoires,
- le nombre de petits par porté pour une espèce animale donnée (chat, mar-
motte, ... 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.
1
1.1 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 déter-
minée par les probabilités pi des évènements fX = xi g, xi parcourant l’univers
image X ( ). La loi de probabilité est donnée par les couples (xi ; pi ) :
Example 4 Dans le cas de la constitution d’une fratrie de deux enfants, si l’on
fait l’hypothèse que la probabilité d’avoir un garçon est égale à celle d’avoir une
…lle ( 21 ), alors la distribution de probabilité ou loi de probabilité du nombre de
…lles dans une fratrie de deux enfants est:
Evènements possibles Valeurs de la v. a Probabilités associées à la v.a
1
GG 0 4
1
GF ou F G 1 2
1
FF 2 4
P
n
Remark 5 Une loi de probabilité n’est établie que si pi = 1, la somme étant
i=1
étendue à tous les indices i .
1.2 Fonction de répartition
On appelle fonction de répartition d’une variable aléatoire X, la fonctionFX telle
que:
FX : R ! [0; 1]
x 7 ! FX (x) = P (X < x)
Remark 6 L’importance pratique de la fonction de répartition est qu’elle per-
met de calculer la probabilité de tout intervalle dans R.
2
1.2.1 Propriétés:
Soit la fonction de répartition FX d’une variable aléatoire discrète X alors :
1. 8x 2 R; 0 Fx (x) 1
2. FX est nondécroissante sur R
3. lim FX (x) = 0 et lim FX (x) = 1
x! 1 x!+1
4. Si a b; P (a x b) = FX (b) FX (a).
Example 7 On considère l’évènement ! « lancer de 3 pièces» . On introduit
une variable aléatoire X dé…nie par « nombre de piles de l’évènement !» . La
loi de probabilité de est:
Nombre de piles xi 0 1 2 3
1 3 3 1
P (X = xi ) 8 8 8 8
1 4 7
FX (x) 8 8 8 1
Dans le cas d’une variable aléatoire discrète, on utilise un diagramme en bâ-
tons pour rprésenterer la distribution de probabilités et une fonction en escalier
pour la fonction de répartition.
1.3 Variables aléatoires continues
De…nition 8 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.
Example 9 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
1.3.1 Fonction densité de probabilité
Dans le cas d’une variable aléatoire continue, la loi de probabilité associe une
probabilité à chaque ensemble de valeurs dé…nies dans un intervalle donné.
Remark 10 Pour une variable aléatoire continue, la probabilité associée à l’évènement
fX = ag 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 probabil-
ité.
De…nition 11 On appelle densité de probabilité toute application continue
f : R !R
x 7! f (x) ;
telle que
1. 8x 2 R f (x) 0
R +1
2. 1
f (x) dx = 1:
Example 12 Soit une fonction densité de probabilité f (x) dé…nie par le graphe
ci dessous
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)
4
1.3.2 Fonction de répartition
Si comme pour les variables aléatoires discrètes, on dé…nit la fonction de répar-
tition de la v.a X par:
FX : R ! [0; 1]
x 7! FX (x) = P (X < x)
De…nition 13 La relation entre la fonction de répartition Fx et la fonction
densité de probabilité f (x) est la suivante:
Z x
8x 2 R; FX (x) = f (t) dt
1
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 e¤et; soit X une variable aléatoire absolument continue de densité f et
de fonction de répartition FX , alors:
Rb
1. P (a X b) = a
f (x) dx = FX (b) FX (b)
Ra
2. 8a 2 R; P (X = a) = 0;en e¤et P (X = a) = P (a X a) = a
f (x) dx =
0.
3. 8a 2 R; P (X < a) = P (X a)
La fonction de répartition correspond aux probabilités cumulées associées à
la variable aléatoire continue sur l’intervalle d’étude (graphe ci-dessous).
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 exacte-
ment à la moitié de l’aire totale sous la courbe. Cette probabilité correspond à
la valeur de la fonction de répartition au point d’in‡exion de la courbe.
5
1.3.3 Propriété
Soit FX la fonction de répartition d’une variable aléatoire absolument continue
X alors:
1. FX est continue sur R, dérivable en tout point où f est continue et alors
0
FX = f
2. FX est nondécroissante sur R
3. 8x 2 R; 0 FX (x) 1
4. lim FX (x) = 0; et lim FX (x) = 1:
x! 1 x!+1
Example 14 Dans une population de canards colverts, lors d’une leur lieu de
repos. Ainsi à, la surface de l’étang regagne l’étang entre les temps t1 et t2 (en
minutes) alerte, l’ensemble des individus quittent est déserte et la probabilité
Rt
qu’un canard est donnée par: t12 f (t) dt avec f (t) = 2e t + e 2t qui
représente la fonction densité de probabilité.
La primitive de f (t) est FT (t), fonction de répartition est de la forme:
2t t
FT (t) = 1 + e 2e
L’évolution de la recolonisation de l’étang par les canards colverts en fonc-
tion 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.
1.3.4 Espérance et Variance
Une loi de probabilité peut être caractérisée par certaines valeurs typiques cor-
respondant aux notions de valeur centrale, de dispersion et de forme de distri-
bution.
6
Espérance mathématique L’espérance E (X) d’une variable aléatoire X correspond
à la moyenne des valeurs possibles de 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 arithmétiqueX.
En e¤et lorsque le nombre d’épreuves n est grand, X tend vers E (X).
Variables aléatoires discrètes Si X est une variable aléatoire discrète
dé…nie sur un univers probabilisé
De…nition 15 On appelle espérance de la v.a X, le réel E (X) dé…ni par:
X
E (X) = X (!) P (!)
!2
Remarque :
Remark 16 Si X ( ) est in…ni, on n’est pas sûr que l’espérance existe.
Théorème :
Theorem 17 Si X est une variable aléatoire discrète de loi de probabilité (xi ; pi )1 i n dé…nit
sur un nombre …ni n d’évènements élémentaires alors:
n
X
E (X) = xi p (X = xi )
i=1
Exemples :
Example 18 Dans l’exemple d’une fratrie de deux enfants, l’espérance du vari-
able aléatoire "nombre de …lles" est:
1 1 1
E (X) = 0 +1 +2 =1
4 2 4
Si l’on observe un nombre su¢ sant de fratries de 2 enfants, on attend en
moyenne une …lle par fratrie.
Example 19 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?
E (X) = 0 0; 1 + 1 0; 2 + 2 0; 3 + 3 0; 4 = 2
Variables aléatoires continues Si X est une variable aléatoire absolu-
ment continue de densité f ,
De…nition 20 On appelle espérance de la v.a X, le réel E (X), dé…ni par:
Z +1
E (X) = xf (x) dx
1
si cette intégrale est convergente.
7
Propriétés de l’espérance Les propriétés de l’espérance valent aussi bien
pour une variable aléatoire discrète ou une variable aléatoire absolument con-
tinue.
Si X et Y sont deux variables aléatoires dé…nies sur un même univers ,
admettant une espérance, alors:
1. E (X + Y ) = E (X) + (Y )
2. Soit a une constante réel; E (aX) = aE (X)
3. Si X 0; alors E (X) 0
4. Si 8! 2 ; X (!) = k; alors E (X) = k:
Variance La variance V ar (X) d’une variable aléatoire 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 e¤et lorsque le nombre
d’épreuves n est grand, S 2 tend vers V ar (X) :
Si est une variable aléatoire ayant une espérance E (X),
De…nition
h 21 Oni appelle variance de la v.a X; le réel V ar (X) dé…ni par:V ar (X) =
2
E (X E (X))
Theorem 22 Soit X une variable aléatoire, alors:on a
2
V ar (X) = E X 2 (E (X))
Proof.
h i
2
V ar (X) = E (X E (X))
2
= E X2 2XE (X) + (E (X))
2
= E X2 2E (X) E (X) + (E (X))
2
= V ar (X) = E X 2 (E (X))
Remark 23 Par dé…nition, une variance est toujours positive.
De…nition 24 Si X est une variable aléatoire ayant
p une variance V ar (X), on
appelle écart-type de ,le réel X dé…ni par X = V ar (X):
Remarque :
Remark 25 L’écart-type permet de disposer d’un paramètre de dispersion qui
s’exprime dans les mêmes unités que la variable aléatoire elle-même.
8
Variables aléatoires discrètes Si X est une variable aléatoire discrète
de loi de probabilité (xi ; pi )1 i n dé…nie sur un nombre …ni n d’évènements
élémentaires alors la variance est égale à:
i=n i=n
!2
X X
V ar (X) = x2i p (X = xi ) xi p (X = xi )
i=1 i=1
Example 26 Dans l’exemple d’une fratrie de deux enfants, la variance de la
variable aléatoire X " nombre de …lles" est
1 1 1 1
V ar (X) = 02 + 12 + 22 12 =
4 2 4 2
l’écart-type est
1
X =p :
2
Example 27 Dans le cas de la loi de probabilité du nombre de piles lors du
lancer de 3 pièces, les valeurs de l’espérance et de la variance de cette loi sont
1 3 3 1 3
E (X) = 0 +1 +2 +3 =
8 8 8 8 4
2
1 3 3 1 3 39
V ar (X) = 02 + 12 + 22 + 32 =
8 8 8 8 4 16
Variables aléatoires continues Si X est une variable aléatoire continue
donnée par sa densité de probabilité f (x) ; alors la variance de X est le nombre
réel positif V ar (X) dé…ni par:
Z +1
2
V ar (X) = (x E (X)) f (x) dx i:e
1
Z +1 Z +1 2
V ar (X) = x2 f (x) dx xf (x) dx :
1 1
Exercise 28 Montrer dans le cadre de la recolonisation de l’étang par la pop-
ulation de canard colvert, la variance de la loi de probabilité est:
5
V ar (T ) =
4
Propriétés de la variance Si X est une variable aléatoire admettant une
variance V ar (X) ; alors :
1. 8a 2 R; V ar (aX) = a2 V ar (X)
2. 8 (a; b) 2 R2 ; V ar (aX + b) = a2 V ar (X)
9
3. V ar (X) = 0 () X = E (X) ; (X est constante)
Exercise 29 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:
xi 0 1 2 3
p (X = xi ) 0; 1 0; 5 0; 3 0; 1
Quelle est l’espérance mathématique de X et quelle est sa variance ?
Pendant les six semaines de la saison de récolte, la distribution de proba-
bilité reste la même; rechercher l’espérance mathématique et la variance de la
va. Y : récolte totale en six semaines.
10
