Escolar Documentos
Profissional Documentos
Cultura Documentos
Variables aléatoires
Exemples de lois de probabilité
Séance 2
3 octobre 2017
1/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Variables aléatoires
Exemples de lois de probabilité
2/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Variables aléatoires
Exemples de lois de probabilité
3/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
4/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
ATTENTION
Direction interdite
5/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
6/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
6/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
Fonction de répartition
F : ! [0, 1]
x 7! F (x) = P(] 1, x]).
7/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
Fonction de répartition
F : ! [0, 1]
x 7! F (x) = P(] 1, x]).
Théorème 2.1.6
Sur l’espace de probabilité ( , B( ), P), la mesure de probabilité
P est caractérisée par sa fonction de répartition F .
7/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
Fonction de répartition
Théorème 2.1.7
Une fonction F est la fonction de répartition d’une mesure de
probabilité sur ( , B( )) si et seulement si les 3 conditions
suivantes sont vérifiées :
(i) F est croissante ;
(ii) F est continue à droite ;
(iii) limx! 1 F (x) = 0 et limx!+1 F (x) = 1.
8/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
Fonction de répartition
Théorème 2.1.7
Une fonction F est la fonction de répartition d’une mesure de
probabilité sur ( , B( )) si et seulement si les 3 conditions
suivantes sont vérifiées :
(i) F est croissante ;
(ii) F est continue à droite ;
(iii) limx! 1 F (x) = 0 et limx!+1 F (x) = 1.
Proposition 2.1.8
Soit F la fonction de répartition d’une mesure de probabilité P sur
( , B( )). Pour tout réel x, on a
P ({x}) = F (x) F (x ).
8/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
9/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Exemples de mesure de probabilité
Variables aléatoires
Mesure de probabilité sur
Exemples de lois de probabilité
Théorème 2.1.11
f : ! + Rborélienne est une densité de probabilité si et
seulement si f (x)dx = 1.
La mesure de probabilité est alors entièrement déterminée par f .
9/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Variable aléatoire
Définition 2.2.1
Soient (⌦, F, P) un espace de probabilité et E un espace muni
d’une tribu E. On appelle variable aléatoire à valeurs dans E
toute application mesurable X : ⌦ ! E , i. e. telle que
1
8A 2 E, X (A) 2 F.
10/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Variable aléatoire
Définition 2.2.1
Soient (⌦, F, P) un espace de probabilité et E un espace muni
d’une tribu E. On appelle variable aléatoire à valeurs dans E
toute application mesurable X : ⌦ ! E , i. e. telle que
1
8A 2 E, X (A) 2 F.
Définition 2.2.3
Soit X : (⌦, F) ! (E , E) une variable aléatoire. La sous-tribu
X 1 (E) = X 1 (A); A 2 E de F est appelée tribu engendrée
par X , et est notée (X ).
10/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Définition 2.2.4
Soit X : (⌦, F) ! (E , E) une variable aléatoire.
L’application PX : E ! [0, 1] telle que
1
8A 2 E, PX (A) = P({! : X (!) 2 A}) = P(X (A))
11/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Z
Construction de IP (X ) = X (!) P(d!) pour une variable
⌦
aléatoire réelle X : (⌦, F) ! ( , B( )).
Pn
Pour X = i=1 ↵i 1Ai , où Ai 2 F et ↵i 2 + pour tout 1 i n,
Z Xn
IP (X ) = X (!) P(d!) = ↵i P(Ai ).
⌦ i=1
Définition 2.2.6
Z
Soit X une variable aléatoire réelle telle que |X (!)|.P(d!) < 1
⌦
(, X 2 L1 (⌦, F, P)).
On dit alors que X admet un moment d’ordre 1, et on pose
Z Z
E[X ] = X (!).P(d!) = X .dP
⌦ ⌦
13/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Théorème 2.2.7
Soit (Xn )n2 une suite de variables aléatoires réelles sur (⌦, F, P).
Convergence monotone : Si Xn 0 pour tout n et Xn croı̂t
vers X p.s., alors
14/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
E[|X |]
P(|X | a) .
a
15/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
16/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Théorème 2.2.16
Soit X une v.a. réelle dont la loiR PX admet une densité fX , et soit
h : ! mesurable telle que |h(x)|fX (x)dx < 1.
Alors, la variable aléatoire h(X ) admet un moment d’ordre 1 et
Z
E[h(X )] = h(x) fX (x) (dx).
16/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Définition 2.2.11
On dit qu’une v.a. réelle X sur un espace
Z de probabilité (⌦, F, P)
admet un moment d’ordre n 1 si |X (!)|n P(d!) < 1.
⌦
On note X 2 Ln (⌦, F, P).
17/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Définition 2.2.11
On dit qu’une v.a. réelle X sur un espace
Z de probabilité (⌦, F, P)
admet un moment d’ordre n 1 si |X (!)|n P(d!) < 1.
⌦
On note X 2 Ln (⌦, F, P).
Proposition 2.2.12
Soient 0 < p < q.
On a l’inclusion Lq (⌦, F, P) ⇢ Lp (⌦, F, P), autrement dit, pour
toute v.a. réelle X sur (⌦, F, P),
Z Z
q
|X | dP < 1 ) |X |p dP < 1.
⌦ ⌦
17/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Définition 2.2.13
Si X 2 L2 (⌦, F, P), alors on peut définir la variance de X
⇥ ⇤
Var(X ) = E[X 2 ] (E[X ])2 = E (X E[X ])2 .
p
La quantité Var(X ) est appelée écart-type de X .
18/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité Loi d’une variable aléatoire
Variables aléatoires Intégration, moments
Exemples de lois de probabilité Moments d’ordre n > 1
Définition 2.2.13
Si X 2 L2 (⌦, F, P), alors on peut définir la variance de X
⇥ ⇤
Var(X ) = E[X 2 ] (E[X ])2 = E (X E[X ])2 .
p
La quantité Var(X ) est appelée écart-type de X .
Proposition 2.2.14
Pour tous réels a et b, Var(aX + b) = a2 Var(X ).
Pour tout réel a > 0, on a
Var(X )
P(|X E[X ]| a) .
a2
C’est l’inégalité de Bienaymé-Tchebychev.
X est constante p.s. si et seulement si Var(X ) = 0.
18/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Variables aléatoires
Exemples de lois de probabilité
P(X = c) = 1.
19/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Variables aléatoires
Exemples de lois de probabilité
P(X = c) = 1.
Loi uniforme
X suit une loi uniforme sur [a, b] ⇢ si sa loi admet la densité de
probabilité f : ! définie par
⇢ 1
8x 2 , f (x) = b a si x 2 [a, b];
0 sinon.
19/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Variables aléatoires
Exemples de lois de probabilité
Loi exponentielle
X suit une loi exponentielle E( ) ( > 0) si elle admet la densité
de probabilité f : !
⇢
e x si x 0;
8x 2 , f (x) =
0 sinon.
1 1
On a alors E[X ] = et Var(X ) = 2 .
20/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Variables aléatoires
Exemples de lois de probabilité
Loi exponentielle
X suit une loi exponentielle E( ) ( > 0) si elle admet la densité
de probabilité f : !
⇢
e x si x 0;
8x 2 , f (x) =
0 sinon.
1 1
On a alors E[X ] = et Var(X ) = 2 .
Loi gamma
X suit une loi gamma (p, ) (p > 0 et > 0) si sa densité est
(
p 1e x si x
8x 2 , f (x) = (p) ( x) 0;
0 sinon.
p p
On a alors E[X ] = et Var(X ) = 2 .
20/21
Séance 2 Probabilité et variables aléatoires
Construction d’une mesure de probabilité
Variables aléatoires
Exemples de lois de probabilité
21/21
Séance 2 Probabilité et variables aléatoires