Rappel VA 24

01/08/2023 Variables
Aléatoires
Anis ZEGLAOUI
ECOLE NATIONALE DES INGENIEURS DE SOUSSE.
Variables aléatoires.
I-Généralités
Définition (très simplifiée) : Soit Ω l’univers d’une expérience. Une variable aléatoire (v.a.) 𝑋
est une fonction qui mappe Ω dans ℝ.
𝑋: Ω ⟶ ℝ
𝜔 ⟶ 𝑋(𝜔) ∈ ℝ
Exemple 1 : On lance une pièce de monnaie deux fois consécutives et on enregistre les piles et
faces.
1) Définir Ω.
2) Définir la v.a. 𝑋 = le nombre de faces.
Définition : L’image de 𝑿 est notée
𝑿(𝛀) = {𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑝𝑟𝑖𝑠𝑒𝑠 𝑝𝑎𝑟 𝑋}.
𝑋(Ω) peut etre est fini/dénombrable/infini
Exemple 2 : Définir 𝑋(Ω) dans chacun des cas suivants et dire s’il est fini/dénombrable/infini.
1) Exemple 1
2) Soit Ω = {𝑡𝑒𝑚𝑝𝑠 𝑑 𝑒𝑥𝑒𝑐𝑢𝑡𝑖𝑜𝑛 𝑑 𝑢𝑛 𝑝𝑟𝑜𝑐𝑒𝑠𝑠 𝑠𝑢𝑟 𝑅𝐴𝑀}, et
𝑋 = 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑟𝑜𝑐𝑒𝑠𝑠 𝑎𝑣𝑒𝑐 𝑢𝑛 𝑡𝑒𝑚𝑝𝑠 𝑑 𝑒𝑥𝑒𝑐𝑢𝑡𝑖𝑜𝑛 ≥ 1 sec 𝑒𝑛 𝑅𝐴𝑀
3) Soit Ω = {𝑚𝑜𝑡𝑒𝑢𝑟 𝑒𝑛 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑛𝑒𝑚𝑒𝑛𝑡}, et

𝑋 = 𝑙𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑒 𝑑 𝑢𝑛 𝑚𝑜𝑡𝑒𝑢𝑟 𝑒𝑠𝑡 ≥ 100 deg 𝑒𝑡 ≤ 400 𝑑𝑒𝑔
Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

II-Variables aléatoires discrètes.
Définition : Quand 𝑋(Ω) est fini ou dénombrable on parle de variable aléatoire discrète.
Evènements définis par une variable aléatoire discrète

Soit 𝑋: Ω → ℝ une variable aléatoire discrète. Alors
{𝑋 = 𝑘} = {𝜔 ∈ Ω: 𝑋(𝜔) = 𝑘} ⊆ Ω est un évènement
Exemple 3: Retour Ex1, Déterminer

{𝑋 = 0}, {𝑋 = 1}, {𝑋 = 2}, {𝑋 = 4}.
1) Distribution d’une v.a. discrète = Masse.
Nous avons vu lorsque |Ω| <∞

| |
𝑃({𝑋 = 𝑘}) = 𝑃(𝑋 = 𝑘) = | |
quand |Ω| 𝑓𝑖𝑛𝑖
Soit 𝑋: Ω → ℝ une variable aléatoire discrète. Alors la fonction 𝑷𝑿 définie par :
𝑃 ∶ 𝑋(Ω) → [0,1]
𝑘 ⟶ 𝑷𝑿 (𝒌) = 𝑷(𝑿 = 𝒌)
S’appelle masse de 𝑋.
En plus, soit une partie 𝐼 ⊆ ℝ alors
𝑃 (𝐼) = 𝑃(𝑋 ∈ 𝐼) = ∑ ∈ ∩ ( )𝑃 (𝑘)

Exemple 4: Retour Ex1
1) Déterminer la masse 𝑃 de 𝑋.
2) Calculer : ∑𝑘∈𝑋(Ω) 𝑃 (𝑘) = 𝑃 (Ω).
3) Calculer 𝑃 ([1,3]).
Remarque :
1) On a toujours :
𝑃 (𝑘) = 1
∈ ( )
2) Une v.a. discrète 𝑋 est totalement définie par sa masse 𝑃 , qui est aussi appelée
distribution de 𝑿.
2) Diagramme en bâtons.
La distribution de 𝑋 quand 𝑋(Ω) est fini peut être représenté graphiquement par un
diagramme en bâtons avec
Axe « x »= 𝑋(Ω) et Axe des « y » = masse 𝑃

Exemple 5 : Etudiants Eniso
Une association d’anciens étudiants à Eniso a interrogé 100 adhérents sur le nombre de
mois qui ont passé pour devenir chef de projet.
Soit la v.a.
𝑋 = nombre de mois pour accéder de chef de projet.
Les données sont résumées dans le tableau suivant :
Nbre Effectif Distribution de

mois (𝑛 ) 𝑋 (Masse)
1 5
2 10
3 23
4 28
5 18
6 9
7 7
= 𝑛 𝑃 (𝑘) =?
= 100
1) Trouver Ω.
2) Déterminer 𝑋(Ω) et la masse de 𝑋.
3) Tracer le diagramme en bâtons de 𝑋.

3) Fonction de répartition :
Définition : Soit 𝑋 une v.a. quelconque. La fonction de répartition est
𝐹 (𝑡) = 𝑃(𝑋 ≤ 𝑡), ∀ 𝑡 ∈ ℝ
Remarque : Pour une v.a. 𝑋 discrète
1) On a
𝐹 (𝑡) = 𝑃 (𝑘)
2) 𝐹 (𝑡) change de valeur au niveau des points 𝑋(Ω) et son graphe est en escalier, elle est
croissante et est continu à droite.
Exemple 6: Retour Ex5.

1) Déterminer la fonction de répartition au niveau des points 𝑋(𝜔).
2) Calculer 𝐹(0.5); 𝐹(2.5); 𝐹(3.2); 𝐹(10)
3) Dessiner le graphe 𝐹 (𝑡).

Propriétés de la fonction de répartition d’une v.a. discrète
1) 𝐹 (𝑡) est toujours une fonction en escalier et croissante.
2) lim 𝐹 (𝑡) = 0 𝑒𝑡 lim 𝐹 (𝑡) = 1

→ →
3) 𝑃(𝑋 ≤ 𝑡) = 𝐹 (𝑡) 𝑒𝑡 𝑃(𝑋 > 𝑡) = 1 − 𝑃(𝑋 ≤ 𝑡) = 1 − 𝐹 (𝑡)
4) 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝐹 (𝑏) − 𝐹 (𝑎)
Exemple 7 : Retour exemple 5 des étudiants polytek

Exprimer avec la fonction de répartition :
𝑃(𝑋 > 5); 𝑃(2 < 𝑋 ≤ 4); 𝑃(2 < 𝑋 < 4); 𝑃(2 ≤ 𝑋 ≤ 4)
III- Variables aléatoires continues
Définition : Une v.a. 𝑋 définie sur Ω est continue si
𝑖) 𝑋(Ω) ⊆ ℝ est infini

𝑖𝑖) La fonction de répartition 𝐹 (𝑡) = 𝑃(𝑋 ≤ 𝑡), ∀ 𝑡 ∈ 𝑋(Ω) est de 𝐶 (ℝ).
Exemple 8:
1) Prix d’une action sur la bourse de Tunis : 𝑋: Ω ⟶ [0, ∞)

2) Température d’un moteur en degré Celsius : 𝑌: Ω ⟶ [100, 200]

Remarque :
Pour une v.a. 𝑋 continue, la fonction de répartition 𝐹 (𝑡) conserve les mêmes propriétés.
Définition : Soit 𝑋 une v.a. continue définie sur Ω. Notons 𝐹 (𝑡) sa fonction de répartition.
Alors :
𝑋 est totalement definie par sa densité 𝒇(𝒕) = 𝐹 (𝑡), ∀ 𝑡 ∈ 𝑋(Ω).
Propriétés de la densité :
1) 𝑓(𝑡) ∈ [0,1], ∀ 𝑡 ∈ 𝑋(Ω).
2) 𝑠𝑖 𝑡 ∉ 𝑋(Ω) 𝑎𝑙𝑜𝑟𝑠 𝑓(𝑡) = 0
3) Soit 𝐼 un intervalle.
𝑃(𝑋 ∈ 𝐼) = 𝑓(𝑡)𝑑𝑡
4)
𝑃(𝑋 ∈ Ω ) = 𝑓(𝑡)𝑑𝑡 = 1
ℝ
Conséquences :
1) 𝑃(𝑋 = 𝑎) = 0
2) 𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏) = ∫ 𝑓(𝑡) 𝑑𝑡
3) 𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝐹 (𝑏) − 𝐹 (𝑎)
4) ∫ 𝑓(𝑡)𝑑𝑡 = 1

Exemple 9: Soit la v.a. 𝑋 avec la densité
𝐶𝑒 , 𝑡≥0
𝑓 (𝑡) = 𝐶 = 𝑐𝑠𝑡𝑒 > 0
0 𝑠𝑖𝑛𝑜𝑛
1) Donner 𝑋(Ω).
2) Calculer la constante 𝐶.
3) Calculer 𝑃(𝑋 ≥ 1), 𝑃(𝑋 ≤ 2), 𝑃(𝑋 < 2), 𝑃(𝑋 ∈ ℕ).
4) Déterminer la fonction de répartition 𝐹 (𝑡) ensuite tracer l’allure de son graphe.
5) Calculer de deux manières 𝑃(1 < 𝑋 < 3).

Rappel VA 24

Transféré par

Droits d'auteur :

Formats disponibles

Rappel VA 24

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Rappel VA 24

Transféré par

Droits d'auteur :

Formats disponibles

01/08/2023 Variables

Définition : L’image de 𝑿 est notée

𝑿(𝛀) = {𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑝𝑟𝑖𝑠𝑒𝑠 𝑝𝑎𝑟 𝑋}.

𝑋(Ω) peut etre est fini/dénombrable/infini

3) Soit Ω = {𝑚𝑜𝑡𝑒𝑢𝑟 𝑒𝑛 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑛𝑒𝑚𝑒𝑛𝑡}, et

Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

Evènements définis par une variable aléatoire discrète

{𝑋 = 𝑘} = {𝜔 ∈ Ω: 𝑋(𝜔) = 𝑘} ⊆ Ω est un évènement

Exemple 3: Retour Ex1, Déterminer

1) Distribution d’une v.a. discrète = Masse.

Nous avons vu lorsque |Ω| <∞

Soit 𝑋: Ω → ℝ une variable aléatoire discrète. Alors la fonction 𝑷𝑿 définie par :

𝑃 (𝐼) = 𝑃(𝑋 ∈ 𝐼) = ∑ ∈ ∩ ( )𝑃 (𝑘)

Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

Nbre Effectif Distribution de

Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

Définition : Soit 𝑋 une v.a. quelconque. La fonction de répartition est

𝐹 (𝑡) = 𝑃(𝑋 ≤ 𝑡), ∀ 𝑡 ∈ ℝ

Remarque : Pour une v.a. 𝑋 discrète

Exemple 6: Retour Ex5.

Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

1) 𝐹 (𝑡) est toujours une fonction en escalier et croissante.

2) lim 𝐹 (𝑡) = 0 𝑒𝑡 lim 𝐹 (𝑡) = 1

3) 𝑃(𝑋 ≤ 𝑡) = 𝐹 (𝑡) 𝑒𝑡 𝑃(𝑋 > 𝑡) = 1 − 𝑃(𝑋 ≤ 𝑡) = 1 − 𝐹 (𝑡)

4) 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝐹 (𝑏) − 𝐹 (𝑎)

Exemple 7 : Retour exemple 5 des étudiants polytek

III- Variables aléatoires continues

Définition : Une v.a. 𝑋 définie sur Ω est continue si

𝑖) 𝑋(Ω) ⊆ ℝ est infini

1) Prix d’une action sur la bourse de Tunis : 𝑋: Ω ⟶ [0, ∞)

Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

1) 𝑓(𝑡) ∈ [0,1], ∀ 𝑡 ∈ 𝑋(Ω).

2) 𝑠𝑖 𝑡 ∉ 𝑋(Ω) 𝑎𝑙𝑜𝑟𝑠 𝑓(𝑡) = 0

2) 𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏) = ∫ 𝑓(𝑡) 𝑑𝑡

3) 𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝐹 (𝑏) − 𝐹 (𝑎)

Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

Anis ZEGLAOUI- Ecole Nationale des INGENIEURS de SOUSSE.

Vous aimerez peut-être aussi