Escolar Documentos
Profissional Documentos
Cultura Documentos
Eugen Ursu
Universit Bordeaux IV
L2S3
3 octobre 2012
1 / 36
Introduction Loi dune variable alatoire discrte Esprance Variance Exemples des lois discrtes Loi de Bernoulli Loi Binomiale Loi Gomtrique Loi de Poisson
L2S3
3 octobre 2012
2 / 36
Exemple
On jette deux ds, et on considre X = la somme des deux chiffres ; On joue pile ou face 10 fois, et on considre X = le nombre de pile ; On jette un d jusqu ce quon gagne (le 6 sort), et on considre X = nombre de fois o le d est jet ; La dure de vie dune batterie (en heures) est une variable alatoire.
E.Ursu (Universit Bordeaux IV) L2S3 3 octobre 2012 3 / 36
Deux types de variable alatoire : Discrte quand X () = {x1 , x2 , . . .} est ni ou dnombrable. Continue quand X () est un intervalle de R.
L2S3
3 octobre 2012
4 / 36
Remarque
1
Une loi de probabilit nest tablie que si pi 0 et somme tant tendue tous les indices i.
L2S3
pi = 1, la
3 octobre 2012
5 / 36
L2S3
3 octobre 2012
6 / 36
Exemple
Exemple avec un nombre ni des valeurs possibles On jette deux ds, et on considre X = la somme des deux chiffres. = {(1, 1), (1, 2), . . . (6, 6)}. On considre que les deux ds sont non truqus (quiprobabilit).
xi pi 2 1/36 3 2/36 4 3/36 5 4/36 6 5/36 7 6/36 8 5/36 9 4/36 10 3/36 11 2/36 12 1/36
L2S3
3 octobre 2012
7 / 36
Exemple
Exemple avec une innit des valeurs possibles On lance une pice jusqu obtenir pile pour la premire fois. On a = {p, (f , p), (f , f , p), (f , f , f , p) . . .}. Soit la v.a. X "le nombre de lancers ncessaires". La distribution de X est donne par le tableau suivant xi pi 1 1/2 2 1/4 3 1/8 4 1/16 ... ...
L2S3
3 octobre 2012
8 / 36
Fonction de rpartition
Dnition
La fonction de rpartition dune variable alatoire X (pas ncessairement discrte) est dnie pour tout nombre rel x R par F (x ) = P(X x ).
L2S3
3 octobre 2012
9 / 36
x
4
lim F (x ) = F (y ).
y
Remarque
Toute fonction F satisfaisant ces quatres proprits est en fait la fonction de rpartition dune v.a.
E.Ursu (Universit Bordeaux IV) L2S3 3 octobre 2012 10 / 36
Fonction de rpartition
On peut exprimer la fonction de rpartition F dune variable alatoire discrte en fonction des valeurs prises par sa loi de probabilit p : F (x ) =
xi x
P(X = xi ) =
xi x
pi .
Dans le cas o les valeurs possibles de la variable alatoire sont x1 , x2 , x3 , . . . avec x1 < x2 < x3 < . . ., la fonction de rpartition F est une fonction en escalier (voir gure ci-dessous).
E.Ursu (Universit Bordeaux IV)
L2S3
3 octobre 2012 11 / 36
Fonction de rpartition
Remarque
La fonction de rpartition dtermine uniquement la loi de probabilit dune variable alatoire, car la variable alatoire prend pour valeurs les abscisses des points de saut de la fonction F avec des probabilits gales aux hauteurs des sauts.
L2S3
3 octobre 2012
12 / 36
Exercice
On considre lvnement A ="lancer des 3 pices". On introduit une variable alatoire X par le nombre de piles de lvnement A. La loi de probabilit de X est donne par : X pi 0 1/8 1 3/8 2 3/8 3 1/8
L2S3
3 octobre 2012
13 / 36
Remarque
Pour tout a R on a P(X = a) = F (a) lim F (x ).
x a
Dans tout point a de continuit de la fonction de rpartition F on P(X = a) = 0 car en un tel point lim F (x ) = F (a).
x a
Exemple
Soit X une variable alatoire, et soit 0 1/3 F (x ) = 2/3 1 x <3 3x <5 5x <8 x 8
, , , ,
= lim F (x )
x b
lim F (x ) F (a)
b b
lim F (x ) lim F (x )
x a
Exercice
La fonction de rpartition de la v.a. X 0 x /2 2/3 F (x ) = 11/12 1 est donne par , , , , , x <0 0x <1 1x <2 2x <3 x 3
Calculer P(X < 3), P(X > 1/2), P(X = 1) et P(2 < X 4).
L2S3
3 octobre 2012
16 / 36
Esprance
Dnition
Pour une variable alatoire discrte X , on dnit lesprance de X (ou la moyenne de X ), note E [X ], par lexpression : E [X ] =
i
xi P(X = xi ) =
i
xi pi .
En termes concrets, lesprance de X est la moyenne pondre des valeurs que X peut prendre, les poids tant les probabilits que ses valeurs soient prises.
L2S3
3 octobre 2012
17 / 36
Esprance : exemple
Exemple
Revenons lexemple avec la somme des deux ds. On jette deux ds, et on considre X = la somme des deux chiffres. = {(1, 1), (1, 2), . . . (6, 6)}. On considre que les deux ds sont non truqus (quiprobabilit).
xi pi 2 1/36 3 2/36 4 3/36 5 4/36 6 5/36 7 6/36 8 5/36 9 4/36 10 3/36 11 2/36 12 1/36
1 36
+3
2 36
+ . . . + 12
1 36
= 7.
L2S3
3 octobre 2012
18 / 36
Esprance : proprits
Proposition
Lesprance dune variable alatoire possde les proprits suivantes : Soient X , Y deux variables alatoires et a, b R.
1 2 3
L2S3
3 octobre 2012
19 / 36
Esprance : interprtation
Remarque
Lesprance (la valeur moyenne) dune variable alatoire X peut sinterprter comme une valeur autour de laquelle se groupent les valeurs de la variable alatoire X . On dit que E [X ] est un paramtre de localisation. Si X () est inni, on nest pas sur que lesprance existe.
Remarque
Lesprance dune variable alatoire X est parfois nomme premier moment. De manire gnrale, la quantit E [X n ] est appele n-ime moment de X et E [X n ] = xin pi .
i
L2S3
3 octobre 2012
20 / 36
Variance
Dnition
On appelle variance de X , que lon note Var (X ) la quantit Var (X ) = E [(X E [X ])2 ]. Une autre formule pour le calcul de la variance est : Var (X ) = E [X 2 ] (E [X ])2 .
Remarque
La variance dune variable alatoire X peut sinterprter comme une mesure du degr de dispersion des valeurs de la variable alatoire X par rapport sa valeur moyenne. Si la variance est petite alors les valeurs de la variable alatoire X sont groupes dans un petit intervalle autour de la valeur moyenne. Si par contre, la variance est grande, les valeurs de la variable alatoire X sont fortement disperses dans un grand intervalle autour de la valeur moyenne.
E.Ursu (Universit Bordeaux IV) L2S3 3 octobre 2012 21 / 36
Variance : proprits
Proposition
La variance dune variable alatoire possde les proprits suivantes :
1 2 3
Var (a) = 0, o a est une constante ; Var (aX + b) = a2 Var (X ), o a, b sont des constantes ; Si Var (X ) = 0, alors X est une constante.
Dans les applications, comme mesure pour la dispersion des valeurs de la variable alatoire X autour de sa valeur moyenne, il est plus commode dutiliser le nombre (X ) = Var (X )
L2S3
3 octobre 2012
22 / 36
Variance : exercice
Exercice
Soit X une variable alatoire qui prend une des trois valeurs 1, 0, 1 avec les probabilits suivantes P(X = 1) = 0, 2, P(X = 0) = 0, 5, P(X = 1) = 0, 3.
Calculer E [X ], E [X 2 ] et Var (X ).
L2S3
3 octobre 2012
23 / 36
Loi de Bernoulli
One ralise une exprience dont le rsultat sera interprt soit comme un succs soit comme un chec. Lespace fondamental est = {S , E } sur lequel on construit une variable alatoire discrte X en lui donnant la valeur 1 lors dun succs et 0 lors dun chec. On appelle variable de Bernoulli (ou variable indicatrice) la variable alatoire X telle que X : R et X () = {0, 1}. La loi de probabilit associe la variable de Bernoulli X telle que P(X = 1) = p P(X = 0) = 1 p
L2S3
3 octobre 2012
24 / 36
Dmonstration.
2
E [X ] =
i =1 2
xi pi = 1 p + 0 (1 p) = p xi2 pi = 12 p + 02 (1 p) = p
i =1
E [X 2 ] =
L2S3
3 octobre 2012
25 / 36
Loi Binomiale
Supposons quon execute maintenant n preuves indpendantes, chacune ayant p pour probabilit de succs et 1 p pour probabilit dchec. La variable alatoire qui compte le nombre de succs sur lensemble de n preuves est dite variable alatoire binomiale de paramtres (n, p). La loi de probabilit dune v.a. binomiale de paramtres (n, p) est donne par :
k k p (1 p)nk , P(X = k ) = Cn
k = 0, 1, . . . , n .
Remarque
Une variable de Bernoulli nest donc quune variable alatoire binomiale de paramtres (1, p).
L2S3
3 octobre 2012
26 / 36
Exercice
On jette cinq pices quilibres. Les rsultats sont supposs indpendants. Donner la loi de probabilit de la variable X qui compte le nombre de piles obtenus.
L2S3
3 octobre 2012
27 / 36
Dmonstration.
n n
E [X ]
=
k =0 n
k P(X = k ) =
k =0
kCn p (1 p)
k n k
k k
nk
=
k =1 n
n! k !(n k )!
p (1 p )
=
k =1
k
n
pp
k 1
(1 p )
nk
np
(k 1)!(n k )! k =1
n
k 1
(1 p )
n k
np
k =1 n 1
Cn 1 p
i
k 1 k 1
(1 p )
nk
np
i =0
Cn1 p (1 p)
n i
= np(p + 1 p)
n 1
= np.
L2S3
3 octobre 2012
28 / 36
Loi gomtrique
On excute une srie dpreuves indpendantes ayant chacune la probabilit p dtre un succs, 0 < p < 1, jusqu obtenir le premier succs. Si lon dsigne le nombre dpreuves ncessaires jusqu ce rsultat par X on aura P(X = n) = (1 p)n1 p, n = 1, 2, . . . .
L2S3
3 octobre 2012
29 / 36
Exercice
Une urne contient 3 boules blanches et 4 noires. On tire des boule une par une avec remise jusqu lapparition dune noire.
1 2
Quelle est la probabilit quil faille exactement 5 tirages ? Quelle est la probabilit quil faille au moins 5 tirages ?
L2S3
3 octobre 2012
30 / 36
et
Dmonstration.
E [X ] =
n =1
nP(X = n) =
n =1
n(1 p)n1 p = p
n =0
((1 p)n ) 1 . p
= p
n =0
(1 p)n
= p
1 1 (1 p)
L2S3
3 octobre 2012
31 / 36
Loi de Poisson
Une variable alatoire X pouvant prendre pour valeur 0, 1, 2, . . . est dite de Poisson avec paramtre sil existe un rel > 0 tel que P(X = i ) = pi = e i i! i = 0, 1, 2 . . . . (1)
P(X = i ) = e
i =0
i =0
i = e e = 1. i!
L2S3
3 octobre 2012
32 / 36
Loi de Poisson
Remarque
Les v.a. de Poisson ont un champ dapplication vaste, en particulier du fait quon peut les utiliser pour approximer des v.a. binomiales de paramtres (n, p) pour autant que n soit grand et p assez petit pour que np soit dordre de grandeur moyen. En pratique, on remplace la loi binomiale par une loi de Poisson de paramtre = np ds que n > 30 et np < 5. Des variables alatoires qui obissent la loi de Poisson : le nombre dindividus dpassant lage de 100 ans dans une communaut ; le nombre de clients pntrant dans un bureau de poste en lespace dun jour ; le nombre de faux numros tlphoniques composs par jour.
L2S3
3 octobre 2012
33 / 36
Remarque
Cette approximation est correcte car n > 30 et np < 5.
L2S3
3 octobre 2012
34 / 36
Exercice
Admettons que le nombre derreurs par page dans un livre suive une distribution de Poisson avec paramtre = 0, 5. Calculer la probabilit quil ait au moins une erreur sur la page numro 10.
L2S3
3 octobre 2012
35 / 36
Dmonstration.
E [X ] =
i =0
ie i = i!
i =1
e i 1 (i 1)!
= e
j =0
j j!
= e e = .
L2S3
3 octobre 2012
36 / 36