Chapitre 2: Variables Aléatoires
Said, El Melhaoui
Faculté des Sciences Juridiques, Économiques et Sociales Oujda
Economie & Gestion/S2/Probabilités
[Link]
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 1 / 15
Outline
1 Définition
2 Variables aléatoires discrètes
Lois de probabilité discrètes
Fonction de répartition
Espérance mathématique
Variance
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 2 / 15
Définition
quoi? et pourquoi?
Une variable aléatoire est une description numérique particulière
de l’univers des éventualités Ω
Une variable aléatoire permet de basculer vers un nouvel espace
probabilisé numérique plus précis
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 3 / 15
Définition
Exemple A.
Un couple prévoit d’avoir 3 enfants, et s’intéresse au nombre de filles
qu’il pourrait avoir. Posons
X = «Nombre de filles»
Supposant que la probabilité d’avoir un garçon est 0.52:
P(G) = 0, 52 et P(F ) = 0, 48
X peut prendre les valeurs 0, 1, 2, 3
Quelles sont les probabilités de ces valeurs ?
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 4 / 15
Définition
Exemple A. (suite)
Il faut revenir à l’espace probabilisé de départ : L’univers des
éventualités est
Ω = {(GGG), (GGF ), (GFG), (GFF ), (FGG), (FGF ), (FFG), (FFF )}
Sous l’hypothèse de l’indépendance des naissances :
P(GGG) = 0, 523 = 0, 14 et P(GGF ) = 0, 522 ∗ 0, 48 = 0, 13
Le tableau des probabilités est donc
w (GGG) (GGF) (GFG) (GFF)
P(w) 0,14 0,13 0,13 0,12
w (FGG) (FGF) (FFG) (FFF)
P(w) 0,13 0,12 0,12 0,11
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 5 / 15
Définition
Exemple A. (suite)
Utilisons le tableau précédent pour calculer les probabilités des
valeurs possible de X
L’événement (X = 0) : «avoir 0 filles» = (G, G, G)
⇒ P(X = 0) = 0.523 = 0,14
L’événement
(X = 1) : «avoir exactement 1 fille» = {(GGF ), (GFG), (FGG)}
⇒ P(X = 1) = P((GGF )) + P((GFG)) + P((FGG)) = 3 ∗ 0, 13 =
0,39
P(X = 2) = 3 ∗ 0, 12 = 0,36
P(X = 3) = 0,11
En résumé
x 0 1 2 3
px 0,14 0,39 0,36 0,11
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 6 / 15
Définition
Exemple A. (suite)
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 7 / 15
Définition
Définition d’une variable aléatoire
Définition
Une variable aléatoire (v.a.) numérique X est une application d’un
univers Ω vers R:
X : Ω 7−→ R.
ω 7−→ X(ω)
L’image X(Ω) = ∆X est l’ensemble des valeurs possible de X, il est
muni de la probabilité induite par X notée P
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 8 / 15
Définition
Définition d’une variable aléatoire (suite)
Remarque 2. L’événement (X = x) est l’ensemble des éventualités
dont l’image par la v.a. X est la valeur réel x
(X = x) = {ω ∈ Ω|X(ω) = x}
On distingue 2 types de v.a.:
variable aléatoire discrète lorsque ∆X est fini ou dénombrable
variable aléatoire continue lorsque X peut prendre n’importe
qu’elle valeur d’un certain intervalle (∆X contient un intervalle)
Exemple X = «la durée de vie d’une certaine société» : X peut
prendre n’importe quelle nombre dans ]0, +∞[
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 9 / 15
Variables aléatoires discrètes Lois de probabilité discrètes
Lois de probabilités discrètes
Défintion
L’ensemble des couples (x, px ) où x ∈ ∆X et px = P(X = x) forme la
loi (distribution) de probabilité de X
Exemple A. La loi de X est donnée par le tableau
x 0 1 2 3
px 0,14 0,39 0,36 0,11
X
N. B. px = 1
x∈∆X
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 10 / 15
Variables aléatoires discrètes Fonction de répartition
Fonction de répartition
Définition
La fonction de répartition F (t), associée à X est la fonction qui à
chaque t ∈ R associe
F (t) = P(X ≤ t)
Exemple A. Les valeurs de F pour les valeurs x sont les cumules, F
est une fct en escalier
x 0 1 2 3
px 0,14 0,39 0,36 0,11
F (x) 0,14 0,53 0,89 1
F (t) = 0, t < 0;
F (t) = 0, 14, 0 ≤ t < 1;
F (t) = 0, 53, 1 ≤ t < 2;
F (t) = 0, 89, 2 ≤ t < 3
F (t) = 1, t ≥ 3.
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 11 / 15
Variables aléatoires discrètes Fonction de répartition
fonction de répartition (suite)
Figure: Graphe de la fonction de répartition F
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 12 / 15
Variables aléatoires discrètes Espérance mathématique
Espérance mathématique
Définition
L’espérance mathématique de la v.a. X, notée E(X), est la moyenne
des valeurs possibles de X pondérées par leurs probabilités respectifs.
X
E(X) = x px
x∈∆
Remarques
1 E(X) est dite aussi la moyenne de X et est alors notée µ
2 Généralement, pour r ∈ N le moment d’ordre r de X est
X
µr = E(Xr ) = x r px
x∈∆
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 13 / 15
Variables aléatoires discrètes Variance
Variance
Définition
La variance de la v.a. X, notée V (X), est la mesure de la dispersion
de X autour de sa moyenne µ
X
V (X) = E[(X − µ)2 ] = (x − µ)2 px
x∈∆
Remarques
1 Pour calculer la variance on utilise souvent la formule de Koenig
V (X) = E(X2 ) − [E(X)]2
p
2 σ(X) = V (X) est dite l’écart-type de X
3 La variance et l’écart-type sont toujours positives
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 14 / 15
Variables aléatoires discrètes Variance
Variance (suite)
4 ∀r ∈ N, le moment centré d’ordre r de X est
X
µ∗r = E[(X − µ)r ] = (x − µ)r px
x∈∆
En particulier la variance n’est que le moment centré d’ordre 2
V (X) = µ∗2
Exemple A.
L’espérance de X est
µ = E(X ) = 0 ∗ 0, 14 + 1 ∗ 0, 39 + 2 ∗ 0, 36 + 3 ∗ 0, 11 = 1, 44
La variance de X est σ 2 = V (X ) =
02 ∗ 0, 14 + 12 ∗ 0, 39 + 22 ∗ 0, 36 + 32 ∗ 0, 11 − 1, 442 ' 0, 75
p √
L’écart-type de X est σ = V (X ) = 0, 75 ' 0, 87
S., El Melhaoui (FSJESO) Variables Aléatoires 03/2020 15 / 15