Outils Mathématiques

Hadi AKOUM

Sorbonne Université

5 août 2025

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 1 / 89

Théorie de la mesure

Définition (Définition d’une tribu)

Soit E un ensemble quelconque. Une tribu (ou σ-algèbre) sur E est une
famille A de parties de E telle que :
• E ∈A
• Si A ∈ A alors Ac ∈ A
S
• Si An ∈ A pour tout n ∈ N, on a An ∈ A
n∈N
Les éléments de A sont appelés parties mesurables. On dit que (E , A) est
un espace mesurable.

Exemples
• A = P(E ) tribu fine.
• A = {ø, E } tribu grossière.
• A = B(R) tribu des boréliens.
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 2 / 89
De cette définition nous déduisons les propriétés qui suivent.
• ø∈A
• Une tribu est stable par réunion finie. (Il suffit d’appliquer le troisième
axiome en prenant An = ø à partir d’un certain rang)
• Une tribu est stable par passage à l’intersection dénombrable. Il suffit
d’utiliser la loi de De Morgan suivante
\  [ c
An = Acn
n∈N n∈N

Vue que ∀n ∈ N, An ∈ A alors en utilisant le deuxième axiome on

c
S c An ∈ A donc en utilisant le troisième axiome on a que
obtient
An ∈ A puis en utilisant le deuxième axiome à nouveau on obtient
n∈N 
S c c

que An ∈ A.
n∈N
Une tribu est donc stable par intersection finie.
• Si A, B ∈ A alors leur différence A\B = A ∩ B c ∈ A.
• Si A, B ∈ A alors leur différence symétrique A∆B ∈ A.
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 3 / 89
Proposition (Intersection de tribus)
T est une tribu. Autrement dit, si pour tout i ∈ I , Fi
L’intersection de tribus
est une tribu alors Fi est une tribu.
i∈I

Définition (Tribu engendrée par une partie de P(E ))

Soit C un sous ensemble de P(E ). on définit
\
σ(C) = T
T tribu, C⊂T

la tribu engendrée par C.

Exemple
On note Ω l’ensemble des ouverts de R. σ(Ω) est la tribu borélienne sur R
notée B(R).

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 4 / 89

La tribu B(R) est engendrée par chacun des ensembles suivants de parties
réelles :
• C1 = {]a, b[, (a, b) ∈ Q2 , a < b}
• C2 = {]a, b], (a, b) ∈ Q2 , a < b}
• C3 = {[a, b], (a, b) ∈ Q2 , a < b}
• C4 = {] − ∞, a], a ∈ Q}
• C5 = {] − ∞, a[, a ∈ Q}
• C6 = {]a, +∞[, a ∈ Q}
• C7 = {[a, +∞[, a ∈ Q}

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 5 / 89

Définition (Définition de la tribu produit)
Si (E1 , A1 ) et (E2 , A2 ) sont deux espaces mersurables. On définit

A1 ⊗ A2 = σ({A1 × A2 , A1 ∈ A1 , A2 ∈ A2 })

C’est une tribu sur E1 × E2 appelée tribu produit.

Définition (Définition d’une mesure et exemple (Dirac et comptage))

Soit (E , A) un espace mesurable. On dit que m : A → R+ ∪ {+∞} est
une mesure si :
• m(ø) = 0.
• Si (An )n est une suite à valeurs dans A d’ensembles deux à deux
disjoints X
m(⊔n∈N An ) = m(An )
n∈N

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 6 / 89

Exemple
• La mesure de Dirac. Sur (R, B(R) on définit ∀a ∈ R
(
1 si a ∈ A
δa (A) =
0 sinon

• La mesure de comptage. Sur (R, B(R) on définit

(
|A| si A est fini
ν(A) =
+∞ sinon

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 7 / 89

Propriété (Proprı́etés sur les mesures : inclusions - formule de crible -
limite de m(An ) dans le cas d’une suite croissante)
• Croissance. Si A, B deux ensembles mesurables tel que A ⊂ B alors
m(A) ≤ m(B). On peut écrire toujours m(B) = m(A) + m(B\A). De
plus, si m(B) < +∞ alors m(B\A) = m(B) − m(A).
• Crible. Si A, B deux ensembles mesurables alors

m(A ∪ B) + m(A ∩ B) = m(A) + m(B)

• Continuité croissante. Soit (An )n est une suite croissante d’ensembles

mesurables i.e ∀n ∈ N, An ⊂ An+1 alors
[
m( An ) = lim m(An )
n→+∞
n∈N

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 8 / 89

Propriété (Proprı́etés sur les mesures : limite de m(An ) dans le cas
d’une suite décroissante - sous additivités)
• Continuité décroissante. Soit (An )n est une suite décroissante
d’ensembles mesurables i.e ∀n ∈ N, An+1 ⊂ An et m(A0 ) < +∞ alors
\
m( An ) = lim m(An )
n→+∞
n∈N

• Sous additivités. Soit (An )n est une suite d’ensembles mesurables. On

a [ X
m( An ) ≤ m(An )
n∈N n∈N

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 9 / 89

Définition (Définition de mesures finies, σ-finies, d’atome, de mesure
diffuse)
• Soit (E , A) un espace mesurable et m est une mesure sur (E , A). On
dit alors que (E , A, m) est un espace mesuré.
• On dit que m est finie si m(E ) < +∞.
• On dit que m est une mesure de probas si m(E ) = 1.
• On dit que m est σ− finie si ilSexiste une suite croissante (En )n
d’ensembles mesurables avec En = E et m(En ) < +∞.
n∈N
• x est un atome de m si x ∈ A et m({x}) > 0.
• m est diffuse si elle n’admet pas d’atome.

Définition (Définition d’une fonction mesurable)

Soient (E , A) et (F , B) deux espaces mesurables. On dit que
f : (E , A) → (F , B) est mesurable si ∀B ∈ B, f −1 (B) ∈ A. En particulier,
lorsque E , F sont munis de leur tribu borélienne on dit que f est
borélienne.
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 10 / 89
Proposition ( La composition de deux fonctions mesurables est une
fonction mesurable)
Soient (E , A) , (F , B) et (G , C) trois espaces mesurables. Si
f : (E , A) → (F , B) et g : (F , B) → (G , C) sont mesurables alors
g ◦ f : (E , A) → (G , C) est mesurable.

Propriété (Méthode pour montrer qu’une application est mesurable)

Pour montrer que f : (E , A) → (F , B) est une fonction mesurable, il suffit
de trouver C tel que B = σ(C) et on a ∀C ∈ C, f −1 (C ) ∈ A

Proposition (Le produit cartésien d’applications est mesurable si et

seulement si ces applications sont mesurables)
Soient (E , A) , (F1 , B1 ) et (F2 , B2 ) trois espaces mesurables. Si
f1 : (E , A) → (F1 , B1 ) et f2 : (E , A) → (F2 , B2 ) sont mesurables alors
g : (E , A) → (F1 × F2 , B1 ⊗ B2 ) définit par g (x) = (f1 (x), f2 (x)) est
mesurable.
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 11 / 89
Proposition (Continue =⇒ mesurable)
Une fonction rélle continue est mesurable.

Proposition (Une condition nécessaire et suffisante)

On a que 1A : (E , A) → (R, B(R)) est mesurable ssi A ∈ A

Proposition (Opérations sur les fonctions mesurables)

Si f et g sont deux fonctions mesurables de (E , A) dans (R, B(R)) alors
les fonctions suivantes sont mesurables :
• λf + µg
• fg
• min(f , g )
• max(f , g )
• f + et f −

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 12 / 89

Proposition (Suite de fonctions mesurables)
Soit (fn )n une suite de fonctions mesurables de (E , A) dans (R̄, B(R̄))
alors les fonctions suivantes sont mesurables :
• inf fn
• sup fn
• lim inf fn
• lim sup fn
Si fn converge simplement vers f alors f est mesurable et
{x ∈ E , fn (x) → f (x)} est mesurable.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 13 / 89

Définition (Définition d’une classe monotone)
Soit E un ensemble quelconque. Une classe monotone sur E est une
famille M de parties de E telle que :
• E ∈ M.
• Si A, B ∈ M et A ⊂ B alors B\A ∈ M.
• SiS(An )n est une suite croissante tel que ∀n ∈ N, An ∈ M alors
An ∈ M.
n∈N

Proposition (Une inclusion toujours vraie !)

Toute tribu est une classe monotone.

Proposition (Intersection de classes monotones)

L’intersection de classes monotones est une classe monotone.
T Autrement
dit, si pour tout i ∈ I , Mi est une classe monotone alors Mi est une
i∈I
classe monotone.
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 14 / 89
Définition (Classe monotone engendrée par une partie de P(E ))
Soit C un sous ensemble de P(E ). on définit
\
M(C) = T
T c.m, C⊂T

la classe monotone engendrée par C.

Théorème (Lemme de classe monotone - Inclusion inverse !)

Si C stable par intersection finie alors σ(C) = M(C)

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 15 / 89

Théorème (Lemme d’unicité de mesure)
Soit µ et ν deux mesure sur (E , A). Si A = σ(C) et C stable par
intersection finie et ∀C ∈ C, µ(C ) = ν(C ) alors :
• Si µ(E ) = ν(E ) < +∞ alors µ = ν
• Si il existe (En )n ↑ tel que ∪n En = E et on a µ(En ) = ν(En ) < +∞
alors µ = ν (cas σ-finie)

Application : la fonction de répartition caractérise la loi, unicité de la

mesure de Lebesgue.
Définition
Il existe une unique mesure λ sur (R, B(R)) telle que ∀a, b; a < b, on a
λ([a, b]) = b − a. On l’appelle mesure de Lebesgue sur (R, B(R)).

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 16 / 89

Théorie de l’Intégration

Définition (Fonctions étagées positives)

Soit (E , A) un espace mesurable. On dit que f est étagée si f prend un
nombre fini de valeurs. Si α1 < α2 · · · < αn sont les valeurs prises par f on
n
note Ai = f −1 ({αi }) et dans ce cas on a f =
P
αi 1Ai . On dit que c’est
i=1
l’écriture canonique de f .

Définition (Intégrale des fonctions étagées positives)

Soit f une fonction étagée positive admettant la forme canonique suivant
n
Z X n
P
f = αi 1Ai alors fdµ = αi µ(Ai ). (convention 0 × ∞ = 0)
i=1 i=1

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 17 / 89

Proposition (Croissance et linéarité)
Soit f et g deux fonctions étagées positives alors :
Z Z
• Si f ≥ g alors fdµ ≥ gdµ
Z Z Z
• f + gdµ = fdµ + gdµ
Z Z
• On pour a ≥ 0, afdµ = a fdµ

Définition (Intégrale des fonctions mesurables positives)

Z Z
Soit f une fonction mesurable positive alors fdµ = sup hdµ.
h∈E+ ,h≤f

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 18 / 89

Proposition (Croissance et l’intégrale d’une fonction nulle µ presque
partout)
Z Z
• Si f ≥ g alors fdµ ≥ gdµ
Z
• Si f est nulle µpp alors fdµ = 0

Théorème (Théorème de convergence monotone)

Soit (fn )n une suite croissante de fonctions mesurables positives tel que
fn (x) → f (x) quand n → +∞ (simplement) alors
Z Z
lim fn (x)dµ(x) = f (x)dµ(x)
n→+∞

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 19 / 89

Théorème (Théorème d’approximation)
Soit f une fonction mesurable positive. Il existe une suite croissante de
fonctions étagées positives (fn )n tel que fn (x) → f (x) quand n → +∞
(simplement).

Proposition (Linéarité)
Soit f et g deux fonctions mesurables positives alors pour tout a ≥ 0,
Z Z Z
(af + g )dµ = a fdµ + gdµ

Théorème (Une version du TCM pour les séries)

Soit (fn )n une suite de fonctions mesurables positives alors
∞
Z X  ∞ Z
X 
fk dµ = fk dµ
k=1 k=1

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 20 / 89

Définition (Mesure de densité)
Soit f une fonction mesurable positive. On définit m : A → R+ par
Z Z
m(A) = 1A × fdµ = fdµ
A

Alors m est une mesure sur (E , A) et on l’appelle mesure à densité ou de

densité f par rapport à µ.

Une question se pose maintenant : que vaut pour g mesurable positive

Z
gdm ?

Proposition
Formule de transfert. Z Z
gdm = gfdµ

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 21 / 89

Proposition (Intégrale par rapport à la mesure de Dirac)
Soit g une fonction mesurable positive alors :
Z
gdδx = g (x)

La mesure de comptage sur N. On définit pour A ∈ B(R)

(
|A ∩ N| si A est fini
νc (A) =
+∞ sinon

Proposition (Intégrale par rapport à la mesure de comptage)

Soit g une fonction mesurable positive alors :
Z X
gdνc = g (n)
n∈N

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 22 / 89

Proposition (Inégalité de Markov)
Soit f une fonction mesurable positive alors on pour tout a > 0,
Z
1
µ({x ∈ E , f (x) ≥ a}) ≤ fdµ
a

Proposition (Conséquences)
Soit f , g deux fonctions mesurables positives
R
• f = 0 µpp ssi fdµ = 0
R
• fdµ < +∞ alors f < +∞ µpp
R R
• f = g µpp alors fdµ = gdµ

Théorème (Comparaison de Riemann - Lebesgue sur un segment)

Soit f : ([a, b], B([a, b])) → (R+ , B(R+ ) mesurable positive. Si f est
Rb R
Riemann intégrable alors f (x)dx = f (x)dλ(x)
a [a,b]

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 23 / 89

Théorème (Lemme de Fatou)
Soit (fn ) une suite de fonctions mesurables positives alors
Z Z
lim inf(fn )dµ ≤ lim inf (fn )dµ

Définition (Fonctions intégrables)

Z
on dit que f est intégrable ssi |f |dµ < +∞ ou d’une manière
Z Z
+
équivalente f dµ < +∞ et f − dµ < +∞. Dans ce cas on définit,
Z Z Z
fdµ = +
f dµ − f − dµ

On note L1R (E , A, µ) l’ensemble des fonctions intégrables à valeurs réelles.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 24 / 89

Proposition (Propriétés de l’intégrales réelles)
Soit f , g ∈ L1R (E , A, µ)
Z Z
• Inégalité triangulaire : fdµ ≤ |f |dµ

• L1R (E , A, µ) est un R − ev
Z
• L’application f 7→ fdµ est une forme linéaire.
Z Z
• Si f ≤ g alors fdµ ≤ gdµ
Z Z
• Si f = g µpp alors fdµ = gdµ
Z
• Si f est nulle µpp alors fdµ = 0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 25 / 89

Définition (Fonctions intégrables à valeurs complexes)
Z
On dit que f est intégrable ssi |f |dµ < +∞ ou d’une manière
Z Z
équivalente Re(f )dµ < +∞ et Im(f )dµ < +∞. Dans ce cas on
définit, Z Z Z
fdµ = Re(f )dµ + i Im(f )dµ

On note L1C (E , A, µ) l’ensemble des fonctions intégrables à valeurs

complexes.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 26 / 89

Proposition (Propriétés de l’intégrales complexes)
Soit f , g ∈ L1C (E , A, µ)
Z Z
• Inégalité triangulaire : fdµ ≤ |f |dµ

• L1C (E , A, µ) est un C − ev
Z
• L’application f 7→ fdµ est une forme C-linéaire.
Z Z
• Si f = g µpp alors fdµ = gdµ
Z
• Si f est nulle µpp alors fdµ = 0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 27 / 89

Théorème (Théorème de convergence dominée)
Soit (fn )n une suites de fonctions intégrables i.e fn ∈ L1C (E , A, µ).
• fn (x) → f (x) µpp
• On a pour tout n ∈ N, |fn (x)| ≤ g (x) µpp (en x) tel que g intégrable
alors f ∈ L1C (E , A, µ) et on a
Z Z
lim fn (x)dµ(x) = f (x)dµ(x)
n→+∞

Théorème (Continuité sous le signe intégrale)

Soit f : U × E → R où U est un espace topologique.
• Pour tout u ∈ U, f (u, .) est mesurable.
• µpp en x, f (., x) est continue en u0
• Pour tout u ∈ U, µpp en x, |f (u, x)| ≤ g (x) tel que g intégrable
Z
Alors u 7→ f (u, x)dµ est continue en u0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 28 / 89

Théorème (Dérivabilité sous le signe intégrale)
Soit f : I × E → R où I est un intervalle ouvert.
• Pour tout u ∈ I , f (u, .) est intégrable.
∂f
• µpp en x, f (., x) est dérivable en u0 de dérivée (u0 , x)
∂u
• Pour tout u ∈ I , µpp en x, |f (u, x) − f (u0 , x)| ≤ g (x)|u − u0 | tel que
g intégrable.
Z
Alors F : u 7→ f (u, x)dµ est dérivable en u0 de dérivée

∂f
Z
F ′ (u0 ) = (u0 , x)
∂u

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 29 / 89

Théorème (Version 2)
Soit f : I × E → R où I est un intervalle ouvert.
• Pour tout u ∈ I , f (u, .) est intégrable.
• µpp en x, f (., x) est dérivable en u0 , pour tout u0 ∈ I , de dérivée
∂f
(u0 , x)
∂u
∂f
• Pour tout u ∈ I , µpp en x, (u, x) ≤ g (x) tel que g intégrable.
∂u
Z
Alors F : u 7→ f (u, x)dµ est dérivable en u0 , pour tout u0 ∈ I de dérivée

∂f
Z
′
F (u0 ) = (u0 , x)
∂u

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 30 / 89

Théorème (Classe C k )
Soit f : I × E → R où I est un intervalle ouvert.
• Pour tout u ∈ I , f (u, .) est mesurable.
∂i f
• µpp en x, f (., x) est de classe C k en u0 de dérivée i-eme (u0 , x)
∂u i
∂i f
• Pour tout u ∈ I , µpp en x, pour tout 0 ≤ i ≤ k, (u, x) ≤ g (x)
∂u i
tel que g intégrable.
Z
Alors F : u 7→ f (u, x)dµ est de classe C k en u0 de dérivée i-eme pour
0 ≤ i ≤ k,
∂i f
Z
(i)
F (u0 ) = (u0 , x)dµ(x)
∂u i

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 31 / 89

Définition (Sections)
Soit (E , A, µ) et (F , B, ν) deux espaces mesurés. Soit C ∈ A ⊗ B, on
définit :
Cx = {y ∈ F , (x, y ) ∈ C }
et
C y = {x ∈ E , (x, y ) ∈ C }
On note pour f : E × F → G , pour x ∈ E , fx (y ) = f (x, y ) : F → G et
pour y ∈ F , fy (x) = f (x, y ) : E → G .

Proposition (Propriétés des sections)

− Soit C ∈ A ⊗ B alors ∀x ∈ E , Cx ∈ B et ∀y ∈ F , C y ∈ A
− Soit f : (E × F , A ⊗ B) → (C , C) mesurable.
• Pour tout x ∈ E , fx : (F , B) → (C , C) est B-mesurable.
• Pour tout y ∈ F , fy : (E , A) → (C , C) est A-mesurable.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 32 / 89

Théorème (Construction de la mesure produit)
Soit (E , A, µ) et (F , B, ν) deux espaces mesurés. On suppose que les
mesures sont σ-finies. Alors
• Il existe une unique mesure µ ⊗ ν sur (E × F , A ⊗ B) tel que
µ ⊗ ν(A × B) = µ(A)ν(B) pour tout A ∈ A et B ∈ B.
Z Z
• ∀C ∈ A ⊗ B, µ ⊗ ν(C ) = ν(Cx )dµ(x) = µ(C y )dν(y )
E F

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 33 / 89

On considère les espaces mesurables (E , A, µ), (F , B, ν) et l’espace produit
(E × F , A ⊗ B, µ ⊗ ν). On suppose que les mesures sont σ-finies.

Théorème (Théorème de Fubini-Tonelli)

Soit f : (E × F , A ⊗ B, µ ⊗ ν) → (R+ , B(R+ )) mesurable positive.
Z
• x 7→ f (x, y )dν(y ) est mesurable.
Z F

• y 7→ f (x, y )dµ(x) est mesurable.

E
Z Z Z Z Z
• fdµ⊗ν = f (x, y )dν(y )dµ(x) = f (x, y )dµ(x)dν(y )
E ×F E F F E

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 34 / 89

On considère les espaces mesurables (E , A, µ), (F , B, ν) et l’espace produit
(E × F , A ⊗ B, µ ⊗ ν). On suppose que les mesures sont σ-finies.

Théorème (Théorème de Fubini-Lebesgue)

Soit f : (E × F , A ⊗ B, µ ⊗ ν) → (R, B(R)) intégrable.
• x 7→ f (x, y ) est intégrable νpp
• y 7→ f (x, y ) est intégrable µpp
Z
• x 7→ f (x, y )dν(y ) est intégrable µpp
Z F

• y 7→ f (x, y )dµ(x) est intégrable νpp

Z E Z Z Z Z
• fdµ⊗ν = f (x, y )dν(y )dµ(x) = f (x, y )dµ(x)dν(y )
E ×F E F F E

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 35 / 89

Théorème (Théorème de changement de variable)
Supposons que ϕ : U → D est un C 1 -difféomorphisme. Alors :
Z Z
f (x)dλd (x) = f (ϕ(u))|Jϕ(u)|du
D U

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 36 / 89

Probabilités

Définition (Espaces probabilisés)

On appelle espace probabilisé tout triplet (Ω, A, P) où (Ω, A) est un
espace mesurable et P est une mesure de probabilité.

Soit (Ω, A, P) un espace probabilisé.

• La probabilité de l’événement impossible est nulle : P(ø) = 0.
• Si (An )n est une suite à valeurs dans A d’ensembles deux à deux
disjoints X
P(⊔n∈N An ) = P(An )
n∈N

• Croissance. Si A, B deux ensembles mesurables tel que A ⊂ B alors

P(A) ≤ P(B). On a P(B\A) = P(B) − P(A). En particulier,
P(Ac ) = 1 − P(A).
• Pour tout événement A, 0 ≤ P(A) ≤ 1.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 37 / 89

 • Crible. Si A, B deux ensembles mesurables alors

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

• Continuité croissante. Soit (An )n est une suite croissante d’ensembles

mesurables i.e ∀n ∈ N, An ⊂ An+1 alors
[
P( An ) = lim P(An )
n→+∞
n∈N

• Continuité décroissante. Soit (An )n est une suite décroissante

d’ensembles mesurables i.e ∀n ∈ N, An+1 ⊂ An alors
\
P( An ) = lim P(An )
n→+∞
n∈N

• Sous additivités. Soit (An )n est une suite d’ensembles mesurables. On

a [ X
P( An ) ≤ P(An )
n∈N n∈N

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 38 / 89

Définition (Variable aléatoire)
Soit (Ω, A, P) un espace probabilisé. Une application X : (Ω, A) → (F , F)
mesurable est appelée variable aléatoire. On parle d’une variable aléatoire
réelle dans le cas où F = R et F = B(R)

Définition (loi d’une variable aléatoire)

Soit X : (Ω, A) → (R, B(R)) une variable aléatoire réelle. On appelle loi
de X la mesure PX définie sur B(R) par :

∀B ∈ B(R), PX (B) = P(X ∈ B) = P({ω ∈ Ω, X (ω) ∈ B}) = P(X −1 (B))

La loi d’une variable aléatoire réelle est donc une mesure de probabilité sur
(R, B(R)) et on l’appelle loi image de P par X .

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 39 / 89

Définition (Fonction de répartition)
Soit X : (Ω, A) → (R, B(R)) une variable aléatoire réelle. On définit
FX : R → [0, 1], la fonction de répartition de X , par :

FX (t) = PX (] − ∞, t]) = P(X ≤ t)

pour tout t ∈ R

Proposition (Propriétés de la fonction de répartition)

Soit X : (Ω, A) → (R, B(R)) une variable aléatoire réelle.
• La fonction de répartition FX est croissante sur R.
• On a lim FX (t) = 0 et lim FX (t) = 1
t→−∞ t→+∞
• La fonction FX est continue à droite sur R.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 40 / 89

Proposition (loi d’une variable aléatoire)
Soient X et Y deux variables aléatoires réelles. Les assertions suivantes
sont équivalentes :
• PX = PY .
• FX = F Y .
R R
• φdPX = φdPY pour toute fonction φ : R → R+ mesurable
positive.

Définition (Espérance)
Soit X : (Ω, A) → (R, B(R)) une variable aléatoire réelle. Lorsque la
variable aléatoire réelle X est positive ou intégrable, on appelle espérance
de X , et l’on note Z
E (X ) = XdP
Ω

On note L1 (Ω, A, P) l’ensemble des variables aléatoires intégrables.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 41 / 89

Exercice (Mesure image)
Soit m une mesure sur (E, E) et f : (E , E) → (F , F) une application
mesurable. On définit la mesure image de m par f , notée mf , sur (F , F)
par :
∀A ∈ F, mf (A) = m(f −1 (A))
• Montrer que mf est bien une mesure sur (F , F).
• Montrer que pour toute fonction φ : F → R+ mesurable positive :
Z Z
φdmf = φ ◦ fdm

• Soit φ une fonction mesurable de (F , F) → (R, B(R)). En utilisant la

partie précédentes, déduire que :

φ ∈ L1 (F , F, mf ) ⇐⇒ φ ◦ f ∈ L1 (E , E, m)

• Conclure.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 42 / 89

Théorème (Formule de transfert)
Soit m une mesure sur (E, E) et f : (E , E) → (F , F) une application
mesurable. Soit φ une fonction mesurable de (F , F) → (R, B(R)). On a
φ ◦ f ∈ L1 (E , E, m) si et seulement si φ ∈ L1 (F , F, mf ) et dans ce cas :
Z Z
φ ◦ fdm = φdmf

où mf est la mesure image de m par f .

Remarque
Soit X : (Ω, A) → (R, B(R)) une variable aléatoire réelle. On a que pour
A ∈ B(R), PX (A) = P(X −1 (A) alors PX est la mesure image de P par X .
Soit φ une fonction mesurable de (F , F) → (R, B(R)). Alors, si
φ ◦ f ∈ L1 (Ω, A, P) on a φ ∈ L1 (R, B(R), PX ) et que
Z Z
φ ◦ XdP = φdPX

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 43 / 89

Théorème (Formule de Transfert)
Soit X : (Ω, A) → (R, B(R)) une variable aléatoire réelle. Soit φ une
fonction mesurable de (F , F) → (R, B(R)).
• Si φ est mesurable positive on a que :
Z Z
φ ◦ XdP = φdPX
Ω R

• φ ◦ f ∈ L1 (Ω, A, P) si et seulement si φ ∈ L1 (R, B(R), PX ) et dans ce

cas on a : Z Z
φ ◦ XdP = φdPX
Ω R

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 44 / 89

Proposition (Propriétés de l’espérance)
Soit X : (Ω, A) → (R, B(R)) une variable aléatoire réelle.
• Si X est une variable aléatoire réelle positive alors
Z
E (X ) = xdPX
R+

• X est une variable aléatoire réelle intégrable si et seulement si la

fonction x 7→ x est intégrable par rapport à la mesure PX et on a :
Z
E (X ) = xdPX
R

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 45 / 89

Proposition (Propriétés de l’espérance)
Soit X , Y : (Ω, A) → (R, B(R)) deux variables aléatoires réelles.
• Si X , Y sont positives alors pour tous a, b ≥ 0,

E (aX + bY ) = aE (X ) + bE (Y )

• Si X , Y sont intégrables alors pour tous a, b ∈ R.

E (aX + bY ) = aE (X ) + bE (Y )

Proposition
Soit X , Y : (Ω, A) → (R, B(R)) deux variables aléatoires réelles.
• Si X , Y sont positives et si Y ≤ X alors E (Y ) ≤ E (X ).
• Si X est intégrable et si |Y | ≤ |X |, alors Y est intégrable et

|E (Y )| ≤ E (|Y |) ≤ E (|X |)

• Si X , Y sont intégrables et si Y ≤ X alors E (Y ) ≤ E (X ).

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 46 / 89
Définition (Variance)
Si X est de Carré intégrable i.e X ∈ L2 (Ω, A, P), on appelle variance de
X , et on note V (X ) le nombre

V (X ) = E ((X − E (X )2 )

Proposition (Formule de koenig-Huygens)

Si X est de Carré intégrable on a,

V (X ) = E (X 2 ) − E (X )2

Proposition (Propriété de la variance)

Si X est une variable aléatoire de e Carré intégrable i.e X ∈ L2 (Ω, A, P),
alors pour tous a et b dans R, la variable aléatoire aX + b est de Carré
intégrable et l’on a
V (aX + b) = a2 V (X )

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 47 / 89

Définition (Écart type)
Soit X une variable aléatoire réelle de carré intégrable. On appelle écart
type de X le réel σ(X ) défini par
p
σ(X ) = V (X )

Remarque
Si E (X ) et σ(X ) = 1, la variable X est dite centrée réduite. Si V (X ) ̸= 0,
X − E (X )
la variable réelle X = est centrée réduite, appelée la variable
σ(X )
aléatoire centrée réduite associée à X .

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 48 / 89

Cas d’une variable réelle finie
Pour une variable X finie, prenant les valeurs xi pour i ∈ {0, . . . , n} avec
Pn
les probas pi . On peut donc écrire X = xi 1Ai où Ai = {X = xi }. Alors
i=0
Z
E (X ) = XdP
Ω
n
Z X
= xi 1Ai dP
Ω i=0
n
X Z
= xi 1Ai dP
i=0 Ω

Xn
= xi P(Ai )
i=0
n
X
= xi pi
i=0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 49 / 89

Formule de transfert,

Z n
Z X
E (φ(X )) = φ(X )dP = φ(xi )1Ai dP
Ω Ω i=0
n
X X n
= φ(xi )P(Ai ) = φ(xi )pi
i=0 i=0

Application : φ : x 7→ x 2 .

n
X
2
E (X ) = xi2 pi
i=0

Alors
n
X n
X 2
2 2
V (X ) = E (X ) − E (X ) = xi2 pi − xi pi
i=0 i=0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 50 / 89

Cas d’une variable réelle discrète positive

Pour une variable X discrète positive, prenant les valeurs xi pour

+∞
P
i ∈ {0, . . . , n, . . .} avec les probas pi . On peut donc écrire X = xi 1Ai
i=0
où Ai = {X = xi }. Alors en utilisant le TCM pour les séries,
Z +∞
Z X
E (X ) = XdP = xi 1Ai dP
Ω Ω i=0
+∞
X Z +∞
X +∞
X
= xi 1Ai dP = xi P(Ai ) = xi pi
i=0 Ω i=0 i=0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 51 / 89

Cas d’une variable réelle discrète

Pour une variable X discrète, prenant les valeurs xi pour i ∈ {0, . . . , n, . . .}

avec les probas pi alors |X | est une variable discrète positive, prenant les
valeurs |xi | pour i ∈ {0, . . . , n, . . .} avec les probas pi . Donc par le cas
précédent,
+∞
X
E (|X |) = |xi |pi
i=0
+∞
P
Alors X est intégrable si et seulement si la série xi pi est absolument
i=0
convergente et on a dans ce cas :
+∞
X
E (X ) = xi pi
i=0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 52 / 89

Formule de transfert, Si φ est mesurable positive, donc c’est une variable
discrète positive, prenant les valeurs φ(xi ) pour i ∈ {0, . . . , n, . . .} avec les
probas pi . Donc par le cas précédent,
+∞
X
E (φ(X )) = φ(xi )pi
i=0

Application : φ : x 7→ x 2

+∞
X
2
E (X ) = xi2 pi
i=0

Si E (X 2 ) < +∞ i.e X ∈ L2 (Ω, A) alors :

+∞
X +∞
X 2
2 2
V (X ) = E (X ) − E (X ) = xi2 pi − x i pi
i=0 i=0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 53 / 89

Cas d’une variable réelle positive à densité

+∞
P
φ(X ) est intégrable si et seulement si la série φ(xi )pi est absolument
i=0
convergente et on a dans ce cas :
+∞
X
E (φ(X )) = φ(xi )pi
i=0

Pour X variable réelle à densité f positive i.e dPX = f (x)dx. On a donc

Z Z
E (X ) = xdPX = xf (x)dx
R+ R+

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 54 / 89

Cas d’une variable réelle à densité

Pour X variable à densité f positive i.e dPX = f (x)dx, on a que R X est une
variable aléatoire réelle intégrable si et seulement si l’intégrale R xf (x)dx
converge et on a dans ce cas :
Z
E (X ) = xf (x)dx
R

Formule de transfert, Si φ est mesurable positive, on a

Z
E (φ(X )) = φ(x)f (x)dx
R

Application : φ : x 7→ x 2
Z
E (X 2 ) = x 2 f (x)dx
R

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 55 / 89

Si E (X 2 ) < +∞ i.e X ∈ L2 (Ω, A) alors :
Z Z 2
2 2 2
V (X ) = E (X ) − E (X ) = x f (x)dx − xf (x)dx
R R

Rφ(X ) est une variable aléatoire intégrable si et seulement si l’intégrale

R φ(x)f (x)dx converge et on a dans ce cas :
Z
E (φ(X )) = φ(x)f (x)dx
R

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 56 / 89

Cas d’une variable aléatoire positive quelconque
On a que
Z
E (X ) =
xdPX (x)
R+
Z Z
= 1[0,x] (t)dλ(t)dPX (x)
R+ R+
Z Z
Fubini-Tonelli → = 1[t,+∞[ (x)dPX (x)dλ(t)
R+ R+
Z
= PX ([t, +∞[)dλ(t)
R+
Z +∞
= PX ([t, +∞[)dt
0
Z +∞
= (1 − FX (t)) dt
0 | {z }
fonction de Survie

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 57 / 89

Si E (X 2 ) < +∞ i.e X ∈ L2 (Ω, A) alors :

V (X ) = E (X 2 ) − E (X )2
Z +∞ Z +∞ 2
= (1 − FX 2 (t))dt − (1 − FX (t))dt .
0 0

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 58 / 89

Cas d’une variable aléatoire quelconque
Soit t ∈ R+ . On a que
{X+ > t} = {max(X , 0) > t} = {X > t}
et
{X− > t} = {max(−X , 0) > t} = {−X > t} = {X < −t}
On a donc
Z +∞ Z +∞
E (X+ ) = P(X+ > t)dt = P(X > t)dt
0 0
et
Z +∞ Z +∞ Z 0
E (X− ) = P(X− > t)dt = P(X < −t)dt = P(X < t)dt
0 0 −∞

Ainsi, Z +∞ Z 0
E (|X |) = (1 − FX (t))dt + FX (t − )dt
0 −∞
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 59 / 89
Si de plus, E (X+ ) < +∞ et E (X− ) < +∞, on a
Z +∞ Z 0
E (X ) = (1 − FX (t))dt − FX (t − )dt
0 −∞

Si E (X 2 ) < +∞ i.e X ∈ L2 (Ω, A) alors :

V (X ) = E (X 2 ) − E (X )2
Z +∞ Z +∞ Z 0 2
−
= (1 − FX 2 (t))dt − (1 − FX (t))dt − FX (t )dt
0 0 −∞

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 60 / 89

Définition (Indépendance : le cas à deux événements)
On dit que deux événements A et B sont indépendants si
P(A ∩ B) = P(A)P(B).

Définition
• On dit que n événements A1 , . . . , An sont deux-à-deux indépendants
si pour tout i, j ∈ {1, . . . , n} et i ̸= j, les événements Ai et Aj sont
indépendants.
• On dit que n événements A1 , . . . , An sont indépendants si
P (Ai1 ∩ Ai2 ∩ . . . ∩ Aik ) = P (Ai1 ) P (Ai2 ) . . . P (Aik ) pour tout
sous-ensemble {i1 , . . . , ik } de {1, . . . , n}.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 61 / 89

Définition
Soient A1 , . . . , An des tribus contenues dans A. On dit qu’elles sont
indépendantes si ∀A1 ∈ A1 , . . . , ∀An ∈ An ,

P (A1 ∩ A2 ∩ . . . ∩ An ) = P (A1 ) P (A2 ) . . . P (An )

Proposition
Les événements A1 , . . . , An sont indépendants si et seulement si les tribus
les σ-algèbres σ (A1 ) , . . . , σ (An ) le sont.

Définition
On dit que n variables aléatoires X1 , . . . , Xn définies sur (Ω, A, P) et à
valeurs dans (F1 , F1 ) , . . . , (Fn , Fn ) sont indépendantes si pour tout
Bi ∈ Fi , 1 ⩽ i ⩽ n, on a

P ({X1 ∈ B1 } ∩ . . . ∩ {Xn ∈ Bn }) = P ({X1 ∈ B1 }) . . . P({Xn ∈ Bn })

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 62 / 89

Proposition
Soient X1 , . . . , Xn des variables aléatoires à valeurs dans
(F1 , F1 ) , . . . , (Fn , Fn ) respectivement et si h1 , . . . , hn de
(F1 , F1 ) , . . . , (Fn , Fn ) dans (R, B(R)) sont des fonctions mesurables, les
variables h1 (X1 ), . . . , hn (Xn ) sont alors indépendantes.

Définition
Soient X1 , . . . , Xn des variables aléatoires à valeurs dans
(F1 , F1 ) , . . . , (Fn , Fn ) respectivement. La loi jointe de X1 , . . . , Xn est la loi
du n-uplet (X1 , . . . , Xn ) dans F1 × . . . × Fn muni de la σ-algèbre produit
F1 ⊗ . . . ⊗ Fn . On notera P(X1 ,...,Xn ) la loi jointe.
On dit que les PXi sont les lois marginales de P(X1 ,...,Xn ) .

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 63 / 89

Proposition
Soient X1 , . . . , Xn des variables aléatoires à valeurs dans
(F1 , F1 ) , . . . , (Fn , Fn ) respectivement. On a équivalence entre :
• X1 , . . . , Xn sont indépendantes.
• la loi jointe est égale au produit des lois marginales i.e.
P(X1 ,...,Xn ) = PX1 ⊗ . . . ⊗ PXn .
• pour toutes fonctions mesurables positives fi : Fi → R+ , on a
" n # n
Y Y
E fi (Xi ) = E [fi (Xi )]
i=1 i=1

Proposition
Soit X et Y deux variables indépendantes. Alors, si X et Y sont
intégrables, la variable XY l’est aussi et E (XY ) = E (X )E (Y ).

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 64 / 89

Proposition
Les variables aléatoires réelles X et Y sont indépendantes si et seulement
si pour toutes fonctions f1 , f2 : R → R, mesurables et bornées,

E (f1 (X )f2 (Y )) = E (f1 (X ))E (f2 (Y ))

Définition
La loi de Bernoulli de paramètre p ∈ [0, 1] est la mesure de probabilité sur
E = {0, 1} définie par :

µ1 ({0}) = 1 − p et µ1 ({1}) = p

On la note B(p) ou Ber (p).

Proposition
Soit X une variable aléatoire qui suit la loi de Bernouilli de paramètre p.
On a donc
E (X ) = p et V (X ) = p(1 − p)
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 65 / 89
Définition
Soit E un ensemble fini. La loi uniforme sur E est définie par

1
µ2 ({q}) = , q∈E
Card(E )

On la note U(E ) ou Unif (E ).

Proposition
Soit X une variable aléatoire qui suit la loi uniforme sur {1, . . . , n}. On a
donc
n+1 n2 − 1
E (X ) = et V (X ) =
2 12

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 66 / 89

Définition
Soit n ≥ un entier et p ∈ [0, 1]. La loi binomiale de paramètres n et p est
la mesure de probabilité sur E = {0, . . . , n} définie par :

µ3 (k) = Cnk (1 − p)n−k p k , k ∈E

On la note B(n, p) ou Bin(n, p).

Proposition
Soit X une variable aléatoire qui suit la loi binomiale de paramètres n et p.
On a donc
E (X ) = np et V (X ) = np(1 − p)

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 67 / 89

Définition
La loi de Poisson de paramètre λ > 0 est la mesure de probabilité sur
E = N définie par
λk
µ4 ({k}) = e −λ , k ∈ E
k!
On la note P(λ) ou Po(λ).

Proposition
Soit une variable aléatoire qui suit la loi de poisson de paramètre λ. On a
donc
E (X ) = λ et V (X ) = λ

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 68 / 89

Définition
La loi géométrique de paramètre p ∈ [0, 1] est la mesure de probabilité sur
E = N donnée par
µ5 (k) = (1 − p)k p, k ∈ E
On la note Geom(p).

Proposition
Soit une variable aléatoire qui suit la loi de géométrique de paramètre p.
On a donc
1−p 1−p
E (X ) = et V (X ) =
p p2

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 69 / 89

Définition
La loi uniforme sur un intervalle [a, b] (avec a < b) est la mesure de
probabilité sur [a, b] donnée par :

1
f (x) = , x ∈ [a, b]
b−a
On la note U(a, b).

Proposition
Si X ∼ U(a, b), alors :

a+b (b − a)2
E (X ) = , V (X ) =
2 12

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 70 / 89

Définition
La loi exponentielle de paramètre λ > 0 est la mesure de probabilité sur
E = R+ donnée par la densité :

f (x) = λe −λx , x ≥0

On la note Exp(λ).

Proposition
Soit X ∼ Exp(λ), alors :

1 1
E (X ) = , V (X ) =
λ λ2

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 71 / 89

Définition
La loi normale (ou gaussienne) de moyenne µ ∈ R et de variance σ 2 > 0
est donnée par :

(x − µ)2
 
1
f (x) = √ exp − , x ∈R
2πσ 2σ 2

On la note N (µ, σ 2 ).

Proposition
Si X ∼ N (µ, σ 2 ), alors :

E (X ) = µ, V (X ) = σ 2

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 72 / 89

Définition
La loi gamma de paramètres α > 0 et λ > 0 est donnée sur R+ par :

λα α−1 −λx
f (x) = x e , x ≥0
Γ(α)

On la note Γ(α, λ).

Proposition
Si X ∼ Γ(α, λ), alors :
α α
E (X ) = , V (X ) =
λ λ2

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 73 / 89

Définition
La loi de Cauchy de paramètre (x0 , γ) avec x0 ∈ R (position) et γ > 0
(échelle), est donnée par :

1 1
f (x) = · 2 , x ∈R
πγ

x−x0
1+ γ

On la note C(x0 , γ).

Proposition
Si X ∼ C(x0 , γ), alors :
E (X ) n’existe pas

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 74 / 89

Définition
Soit X une variable aléatoire. On appelle fonction caractéristique de X la
fonction φX définie sur R, à valeurs complexes, par :
h i
φX (t) = E e itX ∀t ∈ R

Formules :
• Si X est une variable discrète finie, prenant les valeurs xk pour
k ∈ {0, . . . , n} avec les probas pk .
n
X
φX (t) = e itxk pk
k=0

La somme est finie donc définie.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 75 / 89

 • Si X est une variable discrète dénombrable, prenant les valeurs xk
pour k ∈ {0, . . . , n, . . .} avec les probas pk .
+∞
X
φX (t) = e itxk pk
k=0
+∞
e itxk pk est absolument convergente. En effet,
P
La série
k=0
+∞
X +∞
X
itxj
e pk = pk = 1
k=0 k=0
• X variable à densité f positive i.e dPX = f (x)dx,
Z
φX (t) = e itx f (x)dx
R
Z
L’intégrale e itx f (x)dx est convergente. En effet,
R
Z Z
|e itx f (x)|dx = f (x)dx = 1
R R
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 76 / 89
Proposition
Soit X une variable aléatoire, a et b deux réels. On a les propriétés
suivantes :
• Pour tout t ∈ R, |φX (t)| ≤ 1.
• φX (0) = 1.
• Pour tout t ∈ R, φX (−t) = φX (t).
• Pour tout t ∈ R, φaX +b (t) = e itb φX (at).
• φX est continue sur R.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 77 / 89

Fonctions caractéristiques des lois usuelles.
• Si X suit la loi de Bernouilli de paramètre p, alors

φX (t) = pe it + 1 − p

• Si X suit la loi uniforme sur {1, . . . , n}, alors

(
1 1−e itn
n e −it −1 si t ̸= 2qπ pour tout q ∈ Z
φX (t) =
1 si t = 2qπ, q ∈ Z

• Si X suit la loi Binomiale de paramètres n et p, alors

n
φX (t) = pe it + 1 − p

• Si X suit la loi géométrique de paramètre p, alors

p
φX (t) =
1 − (1 − p)e it

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 78 / 89

 • Si X suit la loi de Poisson de paramètre λ, alors
it −1
φX (t) = e λ(e )

• Si X suit la loi uniforme sur ]a, b[, alors

e itb − e ita
φX (t) = si t ̸= 0
it(b − a)
• Si X suit la loi exponentielle de paramètre λ, alors
λ
φX (t) =
λ − it
• Si X suit la loi de Cauchy, alors

φX (t) = e −|t|

• Si X suit la loi Normale de moyenne µ et de variance σ 2 , alors

2 σ2
φX (t) = e iµt−t 2

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 79 / 89

Exercice
On dit que X suit une loi Gamma de paramètres p et θ (p > 0, θ > 0), notée γ(p, θ), si
θp
sa densité : f (x) = Γ(p) x p−1 exp(−θx)1[0,∞[ (x) ou de façon équivalente, si sa fonction
1
caractéristique vaut ΦX (t) = pour tout réel t. On rappelle les propriétés
(1 − it/θ)p
suivantes de la fonction Gamma :
Z ∞
√
 
1
∀α > 0, Γ(α) = x α−1 e −x dx, Γ(α + 1) = αΓ(α), Γ = π.
0 2
• Calculer E[X k ] pour k ≥ 1. En déduire que E[X ] = p/θ et Var(X ) = p/θ2 .
• Soit Y de loi N(0, 1). Calculer la densité de Y 2 . En déduire que γ 12 , 12 = χ2 (1).

• Si a > 0, montrer que Xa ∼ γ(p, aθ).

• Soient X et Y deux v.a. indépendantes de lois respectives γ(p1 , θ) et γ(p2 , θ).
Montrer que X + Y ∼ γ(p1 + p2 , θ).
• Si X1 , . . . , Xn sont n variables aléatoires indépendantes de même loi γ(1, θ) (loi
exponentielle de paramètre θ), donner la loi de la somme Sn = X1 + . . . + Xn et
calculer E[Sn ] et Var[Sn ].
• Si X1 , . . . , Xn sont n variables aléatoires indépendantes de même

loi N(0, 1),
donner la loi de Sn′ = X12 + . . . + Xn2 et en déduire que γ n2 , 21 = χ2 (n). Calculer
E[Sn′ ] et Var[Sn′ ].
Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 80 / 89
Théorème
La fonction caractéristique caractérise la loi de probabilité d’une variable
aléatoire.
• Si on connait la fonction caractéristique de X , on connait la loi de X .
• Si deux variables aléatoires ont la même fonction caractéristique alors
elles ont même loi de probabilité.

Proposition
n
P
Soient X1 , . . . , Xn , n variables aléatoires indépendantes. Soit Σ = Xk .
k=1
Alors la fonction caractéristique de Σ est le produit des fonctions
caractéristiques des Xi :
n
Y
φΣ (t) = φXk (t) , ∀t ∈ R
k=1

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 81 / 89

Corollaire (Somme de quelques lois classiques)
• Soient X1 , . . . , Xn des variables aléatoires suivant la loi de bernoulli de
parmètre p. Si X1 , . . . , Xn sont indépendantes alors X1 + . . . + Xn suit
la loi binomiale de paramètres n et p.
• Soit X ∼ P(λ) et Y ∼ P(µ). Si X ⊥Y alors X + Y ∼ P(λ + µ).
• Soit X ∼ B(n, p) et Y ∼ B(m, p). Si X ⊥Y alors
X + Y ∼ B(n + m, p).
• Soit X ∼ N µ1 , σ12 et Y ∼ N
µ2 , σ22 . Si X ⊥Y alors

X + Y ∼ N µ1 + µ2 , σ12 + σ22 .

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 82 / 89

Définition (Convergence presque sûre)
Soient Xn , n ≥ 1 et X des variables aléatoires réelles définies sur un espace
de probabilité (Ω, A, P).
On dit que Xn converge presque sûrement vers X si
 
P {ω : lim Xn (ω) = X (ω)} = 1.
n→∞
p.s.
On notera alors Xn −−→ X ou limn→∞ Xn = X p.s..

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 83 / 89

Définition (Convergence en Lp )
Soient Xn , n ≥ 1 et X des variables aléatoires réelles appartenant à
Lp (Ω, A, P), pour un certain p ∈ [1, ∞[. On dit que Xn converge vers X
dans Lp , et l’on note :
Lp
Xn −→ X ,
si

lim E[|Xn − X |p ] = 0.
n→∞

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 84 / 89

Définition (Convergence en probabilité)
Soient Xn , n ≥ 1 et X des variables aléatoires réelles définies sur un espace
de probabilité (Ω, A, P).
On dit que Xn converge vers X en probabilité, et l’on note :
P
Xn −
→ X,
si pour tout ϵ > 0, on a :
n→∞
P(|Xn − X | > ϵ) −−−→ 0.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 85 / 89

Définition (Convergence en loi)
On dit que la suite (Xn ) de variables aléatoires converge en loi vers (la loi
de la variable aléatoire) X et on note :
d L
Xn −
→X ou Xn −
→X
si pour toute fonction continue et bornée φ, on a
n→∞
E[φ(Xn )] −−−→ E[φ(X )].

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 86 / 89

Théorème (Implications importantes)
Soient Xn , n ≥ 1 et X des variables aléatoires réelles définies sur un espace
(Ω, A, P). On a :
Lp P
• Si Xn −→ X , alors Xn −
→ X.
p.s. P
• Si Xn −−→ X , alors Xn −
→ X.
P d
• Si Xn −
→ X , alors Xn −
→ X.

Théorème
Soient Xn , n ≥ 1 et X des variables aléatoires réelles définies sur un espace
de probabilité (Ω, A, P), et f : R → R une fonction continue. On a :
p.s. p.s.
• Si Xn −−→ X , alors f (Xn ) −−→ f (X ).
P P
• Si Xn −
→ X , alors f (Xn ) −
→ f (X ).
d d
• Si Xn −
→ X , alors f (Xn ) −
→ f (X ).

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 87 / 89

Théorème (Loi forte des grands nombres)
Soit (Xn )n≥1 une suite de variables aléatoires indépendantes et de même
loi. On suppose que E[|X1 |] < ∞. Alors
n
1X p.s.
Xj −→ E[X1 ].
n
j=1

Théorème (Théorème Central Limite)

Soit (Xn ) une suite de variables aléatoires i.i.d. admettant une variance
σ 2 = Var(X1 ) > 0, alors :
n
√
 
Sn Sn − nm 1 X d
n −m = √ =√ (Xi − m) −−−→ N (0, σ 2 ),
n n n n→∞
i=1

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 88 / 89

Bibliographie
A. Guyader. Statistiques Mathématiques. Sorbonne Université, année universitaire
2024/2025.
B. [Link]́orie des probabilités : une introduction élémentaire.
Collection Mathématiques en devenir. Calvage et Mounet, tirage corrigé et bonifié,
Paris, 2019.
M. Briane et G. Pagès. Théorie de l’intégration : Licence et Master de
mathématiques – cours et exercices. Les grands cours Vuibert. 4ème édition revue
et augmentée, Vuibert, Paris, mars 2006.
C. Labbé. Probabilités. Master 1 Mathématiques fondamentales et appliquées,
Université Paris Cité, année universitaire 2023/2024.
L. Le Floch et F. Testard. Probabilités 1 : le hasard est la nécessité. Collection
Mathématiques en devenir. Calvage et Mounet, Paris, 2020.
L. Le Floch et F. Testard. Probabilités 2 : le hasard est la nécessité. Collection
Mathématiques en devenir. Calvage et Mounet, Paris, 2021.
J.-F. Le Gall. Intégration, probabilités et processus aléatoires, 2006.

T. Meyre. Séries, intégrales et probabilités. Préparation à l’agrégation interne, 2023.

Hadi AKOUM (Sorbonne Université) Outils Mathématiques 5 août 2025 89 / 89