Variables aléatoires discrètes

Othmane Mounjid

ESTP-Cachan

30 Janvier 2020

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Introduction

Dans la première partie, on a vu qu’une expérience “aléatoire” peut être

modélisée par un espace de probabilité (Ω, A, P).

On en a profité pour introduire les notions de

tribu,
probabilité,
conditionnement,
indépendance,
et certaines de leurs propriétés.

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Introduction

Dans la première partie, on a vu qu’une expérience “aléatoire” peut être

modélisée par un espace de probabilité (Ω, A, P).

Dans de nombreuses situations on ne s’intéresse pas au résultat de

l’expérience en soi, mais plutôt à des conséquences ou “fonctions” de ce
résultat.

Exemple : Quand on lance un dé plusieurs fois, on peut s’intéresser à :

la somme des valeurs obtenues.
le maximum ou le minimum des valeurs obtenues.
la première occurrence d’une certaine valeur.

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Espérance

Soit Ω fini ou dénombrable. On se place dans l’espace de probabilité

(Ω, P(Ω), P).

Definition
Soit X : Ω → F ⊂ R une variable aléatoire intégrable (i.e.
P
x∈F |x|P[X = x] < ∞). Son espérance est le nombre
X X
E[X ] = P[ω]X (ω) = xP[X = x].
ω∈Ω x∈F

On note de manière concise {X = x} l’événement {ω ∈ Ω : X (ω) = x}

pour tout x ∈ F .

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Propriétés de l’espérance

1 Soit X et Y deux variables aléatoires intégrables, alors

E[aX + bY ] = aE[X ] + bE[Y ], ∀(a, b) ∈ R2 .

2 Soit X une variable aléatoire intégrable tel que P[X ≥ 0] = 1 (i.e.
X ≥ 0 presque sûrement), alors
E[X ] ≥ 0.
E[X ] = 0 =⇒ P[X = 0] = 1 (i.e. X est nulle presque sûrement).
3 Soit X et Y deux variables aléatoires intégrables, alors

X ≥ Y presque sûrement =⇒ E[X ] ≥ E[Y ].

4 Soit X une variable aléatoire intégrable, alors

|E[X ]| ≤ E[|X |].

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Exemples

Loi de Bernoulli B(p) : est la loi d’une v.a (i.e. variable aléatoire) X qui
vaut soit 0 soit 1.

On note p ∈ [0, 1] la probabilité p = P[X = 1]. Dans ce cas, la probabilité

q = P[X = 0] vérifie q = 1 − p.

L’espérance d’une v.a X suivant une loi de Bernoulli est

E[X ] = p.

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Exemples

Loi Binomiale B(n, p) : est la loi d’une v.a X à valeurs dans {0, . . . , n} avec
n ∈ N∗ .

Soit k ∈ {0, . . . , n}, la probabilité P[X = k] vaut

 
n k
P[X = k] = p (1 − p)n−k ,
k

avec p ∈ [0, 1].

L’espérance d’une v.a Binomiale est

E[X ] = np.

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Variance et écart-type

Definition
Soit X : Ω → F ⊂ R une v.a de carré intégrable (i.e.
2
P
x∈F x P[X = x] < ∞).
Sa variance est le nombre
 X
Var(X ) = E (X − E [X ])2 = (x − E[X ])2 P[X = x].


x∈F

Son écart-type est le nombre

p
σX = Var(X ).
 2
On peut montrer que Var(X ) = E X 2 − E X .
 

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Exemples

Loi de Bernoulli B(p) : la variance d’une v.a X qui suit une loi de Bernoulli
est
Var[X ] = p(1 − p).

Loi Binomiale B(n, p) : la variance d’une v.a X qui suit une loi Binomiale
est
Var[X ] = np(1 − p).

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Théoreme de transfert

Theorem
Soit X : Ω → F ⊂ R une v.a et f : F → R une fonction tel que f (X ) est
intégrable. Dans ce cas, on a
X X
E[f (X )] = P[ω]f (X (ω)) = f (x)P[X = x].
ω∈Ω x∈F

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Application : calcul des moments

Soit p ∈ N∗ et X : Ω → F ⊂ R une v.a tel que X p est intégrable. On note

alors E[X p ] le moment d’ordre p de X .

En utilisant le résultat précédent, on a

X
E[X p ] = x p P[X = x].
x∈F

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Exemple

Loi de Poisson P(λ) : est la loi d’une v.a X à valeurs dans N.

Soit k ∈ N, la probabilité P[X = k] vaut

P[X = k] = e −λ (λk /k!).

avec λ ∈ R∗+ .

L’espérance d’une v.a X suivant une loi de Poisson est

X X
E[X ] = ke −λ (λk /k!) = e −λ (λk /(k − 1)!)
k≥0 k≥1
X
=λ e −λ (λk /k!) = λ.
k≥0

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Exemple

Le moment d’ordre 2 d’une v.a X suivant une loi de Poisson est

X X
E[X 2 ] = k 2 e −λ (λk /k!) = ke −λ (λk /(k − 1)!)
k≥0 k≥1
X
= (k − 1)e −λ (λk /(k − 1)!)
k≥1
X
+ e −λ (λk /(k − 1)!)
k≥1
X
= e −λ (λk /(k − 2)!) + λ
k≥2
X
= λ2 e −λ (λk /k!) + λ = λ(1 + λ).
k≥0

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Lois usuelles

On a déjà vu
la loi de Bernoulli : code le résultat d’une expérience qui n’admet que
deux issues. Par exemple, le résultat du lancé d’une pièce est soit pile
soit face.
la loi binomiale : compte le nombre de fois qu’on obtient 1 au cours de
n expériences qui suivent une loi de Bernoulli.
la loi de Poisson : compte le nombre d’occurrences d’un événement,
par exemple un accident.

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Lois usuelles

Loi géométrique G (p) : est la loi d’une v.a X à valeurs dans N∗ .

Soit k ∈ N∗ , la probabilité P[X = k] vaut

P[X = k] = p(1 − p)k−1 .

avec p ∈ [0, 1].

Cette loi compte le nombre de répétitions nécessaires d’une expérience de

Bernoulli pour obtenir le premier succès (i.e. la valeur 1).

L’espérance et la variance d’une v.a X suivant une loi de géométrique est

E[X ] = 1/p, Var(X ) = (1 − p)/p 2 .

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Autres quantités

Definition
Soit X une v.a à valeurs dans N. La fonction génératrice des moments de X
est définie tel que
X
GX (s) = E[s X ] = s n P[X = n], ∀s ∈ [0, 1].
n≥0

Definition
Soit X : Ω → F ⊂ N une v.a. Sa fonction caractéristique est définie tel que
X
φX (s) = E[e isX ] = e isn P[X = n], ∀s ∈ R.
n≥0

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Propriétés

La fonction génératrice des moments et la fonction caractéristique

caractérisent la loi de X , i.e.

X et Y ont la même loi ⇐⇒ GX = GY

⇐⇒ φX = φY .

Soit p ∈ N. Si X admet un moment d’ordre p + 1, alors

(p+1)
X
GX (1) = n(n−1) . . . (n−p)P[X = n] = E[X (X −1) . . . (X −p)].
n≥0

Soit p ∈ N. Si X admet un moment d’ordre p, alors

(p) (p)
φX (0) = i p E[X p ], GX (0) = p!P[X = p].

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Conditionnement
Soit X et Y deux v.a et Z le vecteur Z = (X , Y ). La loi de Z est donnée
par la probabilité pZ

pZ (z) = P[Z = z] = P[X = x, Y = y ], ∀z = (x, y ).

Definition
Les lois pX et pY de X et Y s’appellent les lois marginales du couple
(X , Y ).
Pour tout x, la loi conditionnelle de Y sachant X = x est donnée par
la probabilité

 P[Y = y , X = x]
si P[X = x] > 0,
P[Y = y |X = x] = P[X = x]
P[Y = y ] sinon.


Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Conditionnement

Soit X une v.a à valeurs dans F , Y une v.a à valeurs dans G et f : F × G

une fonction tel que f (X , Y ) est intégrable.

Definition
On appelle l’espérance conditionnelle de f (X , Y ) sachant X la variable
aléatoire notée E[f (X , Y )|X ] et définie tel que
X
E[f (X , Y )|X ] = ψ(X ), ψ(x) = f (x, y )P[Y = y |X = x], ∀x ∈ F .
y ∈G

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Propriétés

Soit X , Y et Z trois v.a réelles.

Pour tout (a, b) ∈ R2 , on a

E[aY + bZ |X ] = aE[Y |X ] + bE[Z |X ].

Si Y ≥ 0, E[Y |X ] ≥ 0.
E[1|X ] = 1.

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Propriétés

Soit X une v.a à valeurs dans F , Y une v.a à valeurs dans G et f : F × G

une fonction.
Il est équivalent de connaitre la loi du couple (X , Y ) et les deux lois :
la loi de X et la loi conditionnelle de Y sachant X .
Si f (X , Y ) est intégrable, alors la variable E[f (X , Y )|X ] l’est aussi et

E[E[f (X , Y )|X ]] = E[f (X , Y )].

Si f (X , Y ) est de carré intégrable, alors

E[E[f (X , Y )|X ]2 ] ≤ E[f 2 (X , Y )].

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Indépendance

Soit X une v.a à valeurs dans F , Y une v.a à valeurs dans G .

Definition (Indépendance)
Les deux variables X et Y sont indépendantes ssi

P[X = x, Y = y ] = P[X = x] × P[Y = y ], ∀x ∈ F , ∀y ∈ G .

Definition (Covariance)
Si les deux v.a X et Y sont de carré intégrable, alors la covariance de X et
Y est le nombre

Cov(X , Y ) = E[XY ] − E[X ]E[Y ],

P
avec E[XY ] = x,y xy P[X = x, Y = y ].

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Propriétés

Si deux v.a X et Y sont indépendantes, alors

Cov(X , Y ) = 0.

Si X1 , . . . , Xn des variables de carré intégrable, alors

n
X X
Var(X1 + . . . + Xn ) = Var(Xi ) + 2 Cov(Xi , Xj ).
i=1 i<j

Si de plus X1 , . . . , Xn sont deux à deux indépendants, alors

n
X
Var(X1 + . . . + Xn ) = Var(Xi ).
i=1

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Propriétés
Soit X et Y deux v.a.
Soit f et G deux fonctions tel que f (X ) et g (Y ) sont intégrables, alors
X et Y sont indépendantes ⇒ E[f (X )g (Y )] = E[f (X )] × E[g (Y )].
S’il existe deux fonctions g et f tel que
P[X = x, Y = y ] = g (x) × f (y ), ∀x ∈ F , ∀y ∈ G ,
alors X et Y sont indépendantes, et
X X
g (x 0 ) , P[Y = y ] = f (y )/ f (y 0 ) .



P[X = x] = g (x)/
x 0 ∈F y 0 ∈G

Si X et Y sont indépendantes, alors

φX +Y = φX × φY , GX +Y = GX × GY .
La somme de n v.a de Bernoulli indépendantes B(p) suit une loi
binomiale B(n, p).
Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
Loi de la somme

Soit X : Ω → F et Y : Ω → G deux v.a et Z = X + Y , alors

X
P[Z = z] = P[X = x, Y = z − x].
x∈F

En particulier si X et Y sont indépendantes, alors

X
P[Z = z] = P[X = x]P[Y = z − x].
x∈F

On peut donc calculer E[f (Z )] pour toute fonction f tel que f (Z ) est
intégrable.

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020
 Merci pour votre attention

Mounjid O. (ESTP-Cachan)
v.a discrètes 30 Janvier 2020