Chapitre 6 :

Variable alatoire une dimension

Part I

Variable alatoire discrte

1

Dfinition

Une variable alatoire X est une fonction dfinie sur lunivers et valeurs dans R, qui chaque rsultat possible
(ventualit) e dune preuve alatoire, associe un nombre rel X (e) = x
X: R
e 7 X (e) = x
Une variable alatoire est toujours note par une majuscule : X, Y, . . .
Les valeurs que peut prendre une variable alatoire sont reprsentes par une minuscule : x, y, ...
Une variable alatoire est dite discrte si lensemble des valeurs prises par X est un ensemble fini X () =
{x1 , x2 , . . . , xk } ou un ensemble infini dnombrable X () = {x1 , x2 , . . . , xk , . . .}
X () est appel domaine ou support de X, cest lensemble des valeurs possibles de X
Exemples :
1) On tire une carte dun jeu de 32 cartes ( = {as, roi, dame, valet, 10, 9, 8, 7}). Soit X la variable alatoire
qui associe la carte tire une valeur numrique suivant la rgle du jeu de belote (latout nest pas pris en compte)
: 11 pour un as, 4 pour un roi, 3 pour une dame, 2 pour un valet et 0 pour les cartes qui portent les numros 7,8
et 9.

As

Roi

Dame

Valet

10

X ( ) :

11

10

ei

X
0

xj

On obtient X () = {0, 2, 3, 4, 10, 11} , qui est un ensemble fini, donc X est une variable alatoire discrte.
2) Soit lexprience qui consiste jeter 2 fois une pice de monnaie et soit X la variable alatoire dfinie par le
nombre de Piles obtenues.
= {(P, F ) , (P, P ) , (F, P ) , (F, F )}

(P,P)

(P,F)

(F,P)

(F,F)

ei

xj

X () :

Lensemble des valeurs possibles de la variable alatoire X est donc : X () = {0, 1, 2}

X est une variable alatoire discrte qui peut prendre les valeurs 0, 1 et 2.

Loi de probabilit dune variable alatoire discrte

Soit X une variable alatoire discrte dont lensemble des valeurs possibles est donn par X () = {x1 , x2 , . . . xi , . . . , xk } .
Associer chacune des valeurs possibles de X la probabilit qui lui correspond, cest dfinir la loi de probabilit
(ou distribution de probabilit) de la variable alatoire X.
A toute valeur possible xi de la variable alatoire X, on fait correspondre un nombre Pi , compris entre 0 et 1,
dfini par :
Pi = P (X = xi ), i : 1 . . . k
k
P
Pi = 1
avec Pi 0 et
i=1

2.1

Dfinition

La loi de probabilit dune variable alatoire discrte est dfinie par lensemble des couples (xi , Pi ) :
X:
Pi = P (X = xi ) :

x1
P1

x2
P2

...
...

xi
Pi

...
...

xk
Pk

Parfois cette liste de valeurs caractrisant un tableau de distribution dune variable alatoire peut tre rsume
par une formule mathmatique. Si cest le cas, la loi de probabilit sera dfinie par une fonction :
f : X ()
[0, 1]
x
7 f (x) = P (X = x)
Suite de lexemple 2 :
Reprenons lexemple qui consiste jeter 2 fois une pice de monnaie. La variable alatoire X est dfinie par "le
nombre de piles obtenus". X peut prendre les valeurs 0,1 et 2 (X () = {0, 1, 2})
Pour dterminer la loi de probabilit de la variable alatoire X, il sut dassocier, chacune des valeurs possibles
de X, la probabilit correspondante :
1
P1 = P (X = 0) = P ({(F, F )}) =
4
1
P2 = P (X = 1) = P ({(P, F ) , (F, P )}) =
2
1
P3 = P (X = 2) = P ({(P, P )}) =
4
La loi de probabilit de X est donne par
X:
Pi = P (X = xi ) :

2.2

0
1
4

1
1
2

2
1
4

avec

P (X = x) = 1

xX()

Reprsentation graphique de la distribution dune variable alatoire discrte

La reprsentation graphique de la loi de probabilit dans le cas discret se fait laide dun diagramme en btons

Fonction de rpartition

3.1

Dfinition

Soit X une variable alatoire discrte, la fonction de rpartition, note F , de la v.a X est une fonction positive non
dcroissante, dfinie par :
F : R [0, 1]
P
x 7 F (x) = P (X < x) =
P (X = xi )
xi <x

F (x) = P (X < x) : indique la probabilit que la v.a X prenne une valeur strictement infrieure x.

3.2

Formulation de la Fonction de rpartition

Dune manire gnrale, soit X une variable alatoire discrte dfinie par sa loi de probabilit :
X:
Pi = P (X = xi ) :

x1
P1

x2
P2

...
...

La formulation de la fonction
de rpartition de

P1 + P2

..

P1 + P2 + + Pi1
F (x) = P (X < x) =
..

P1 + P2 + + Pk1

..

P
k

Pi = 1

xi
Pi

k
P
xk
, avec
P (X = xi ) = 1
Pk
i=1

...
...

X est donne par :

si
x x1
si
x1 < x x2
si
x2 < x x3
..
..
.
.
si
..
.

xi1 < x xi
..
.

si xk1 < x xk
..
..
.
.
si

x > xk

i=1

3.3

Reprsentation graphique de la fonction de rpartition

La reprsentation graphique de la fonction de rpartition dune v.a discrte est une courbe en escalier
F(x )
1

i
j =1
i 1
j =1

Pj

Pj

P1 + P2

P1

x1

x2

x3

x i +1

xi

xk

Application lexemple 2 :
F (x )
1

1
4
F (x) = P (X < x) =
3

4
1

si

x0

si 0 < x 1
si 1 < x 2

si 2 < x 3

1
4

0
- Calculer F (1, 5)?
3

1 1
3
F (1, 5) = P (X < 1, 5) = P (X 1) = P (X < 2) = P (X = 0) + P (X = 1) = + =
4 2
4
- Dterminer la probabilit que la variable alatoire X prenne une valeur strictement suprieure 0, 5 et
infrieure ou gale 1, 2?
1
P (0, 5 < X 1, 2) = P (X 1, 2) P (X 0, 5) = P (X < 2) P (X < 1) = F (2) F (1) = , ou encore
2
1
P (0, 5 < X 1, 2) = P (X = 1) =
2

3.4

Proprits de la fonction de rpartition

1. x R, 0 F (x) 1
2. La fonction de rpartition reprsente des probabilits cumules croissantes. Partant de la dfinition de la
fonction de rpartition, on peut dfinir les probabilits cumules dcroissantes :
P
P
G (x) = P (X x) =
P (X = xi ) = 1
P (X = xi )
xi <x

xi x

= 1 P (X < x) = 1 F (x)

3. La fonction de rpartition est une fonction non dcroissante (c.--d. croissante au sens large) :
Soit x et x0 deux rels tels que x > x0 alors F (x) F (x0 )
F (x )
1

F(x 3 )

F(x2 )

x1 x '

4. xi X () , F est continue gauche de xi

x x2

lim F (x) = F (xi )

xx
i

x3

mais pas droite

lim F (x) = F (xi+1 )

xx+
i

5. La connaissance de la fonction de rpartition nous permet de dterminer la loi de probabilit dune variable
alatoire discrte :
i1
P
On a F (xi ) = P (X < xi ) =
P (X = xj ) = P (X = x1 ) + P (X = x2 ) + + P (X = xi1 )
j=1
i1
P
Pj
= P1 + P2 + + Pi1 =
j=1

De mme F (xi+1 ) = P (X < xi+1 ) =

i
P

Pj

j=1

F (xi+1 ) F (xi ) =

i
P

j=1

Pj

i1
P

j=1

Exemple 3 :
Soit X une variable alatoire de fonction de rpartition :

Pj = Pi = P (X = xi )

4
1
F (x) =

3
1

si

x1

si 1 < x 2
si 2 < x 3
si 3 < x 4
si

x>4

- Dterminer la loi de probabilit de X?

Il faut tout dabord remarquer que la variable alatoire en question est une variable alatoire discrte puisque
sa fonction de rpartition est discontinue et constante par intervalle.
F (x) prend la valeur 0, x x1 = 1, en particulier F (x1 ) = 0.
1
1
Pour x ]x1 = 1, x2 = 2], on a F (x) = , en particulier F (x2 ) = .
4
4
1
1
Pour x ]x2 = 2, x3 = 3], on a F (x) = , en particulier F (x3 ) = .
3
3
2
2
Pour x ]x3 = 3, x4 = 4], on a F (x) = , en particulier F (x4 ) = .
3
3
x x4 , F (x) prend la valeur 1.
Ainsi, la variable alatoire X peut prendre les valeurs x1 = 1, x2 = 2, x3 = 3 et x4 = 4 (X () = {1, 2, 3, 4}).
1
1
; F (x3 ) F (x2 ) = P (X = x2 ) = P2 =
4
12

4
P
1
1
1
1
1
+
+
F (x4 ) F (x3 ) = P (X = x3 ) = P3 = ; et puisque
Pi = 1, alors P4 = 1
=
3
4 12 3
3
i=1

F (x2 ) F (x1 ) = P (X = x1 ) = P1 =

La loi de probabilit de X est donc

X:
Pi :

1
1
4

2
1
12

3
1
3

4
1
3

Les paramtres descriptifs dune variable alatoire discrte

4.1

Esprance mathmatique

Lesprance mathmatique dune v.a discrte est gale la somme des valeurs possibles xi pondres par leurs
probabilits Pi
k
X
E (X) =
xi P (X = xi )
i=1

Si la variable nest pas finie (c.--d. X () est un ensemble infini dnombrable), alors lesprance mathmatique
est donne par :

X
E (X) =
xi P (X = xi )
i=1

xi P (X = xi ) est convergente (chapitre I -Math I)

P
xP (X = x)
N.B : Pour le reste du cours, on utilisera la notation suivante :E (X) =
Dans ce cas, E (X) nexiste que si la srie

i=1

xX()

4.1.1

Proprits de lesprance mathmatique

a/ lesprance mathmatique dune constante est gale la constante elle mme.

E (a) = a
b/ changement dorigine :
P
E (X + b) =
(x + b) P (X = x) =
xX()

xP (X = x) + b

xX()

xX()

E (X + b) = E (X) + b
5

P (X = x) = E (X) + b

c/ changement dchelle :
P
E (aX) =
axP (X = x) = a
xX()

xP (X = x) = aE (X)

xX()

E (aX) = aE (X)
b/ et c/ = E (aX + b) = aE (X) + b
d/ La somme des carts, pondres par les probabilits, entre les valeurs xi et lesprance mathmatique E (X)
est nulle :
P
P
P
E (X E (X)) =
(x E (X)) P (X = x) =
xP (X = x) E (X)
P (X = x)
xX()

xX()

xX()

= E (X) E (X) = 0

E (X E (X)) = 0
4.1.2

Esprance mathmatique dune fonction de X

Soit X une variable alatoire discrte sur laquelle on applique une fonction numrique quelconque .

X ( ) IR

IR

DX

(X) est aussi une variable alatoire discrte.

Si elle existe, lesprance mathmatique de (X) est :
X
X
E ( (X)) =
(x) P (X = x) =
(xi ) P (X = xi )
i

xX()

Les moments non centrs : (X) = X k

Le moment non centr dordre k de X, not mk est dfini par :

X

mk = E X k =
xk P (X = x)
xX()

pour k = 0
pour k = 1
pour k = 2

m0 = E (1) = 1
m1 = E (X)
est le moment non centr dordre 1
lesprance
P
m2 = E X 2 =
x2 P (X = x)
xX()

Les moments centrs : (X) = [X E (X)]k

Le moment centr dordre k de X, not k est dfini par :

X
k
k
k = E [X E (X)] =
(x E (X)) P (X = x)
xX()

pour k = 0
pour k = 1
pour k = 2

0 = E (1) = 1
1 = E (X E (X)) = 0

2 = E (X E (X))2 = E X 2 2XE (X) + E (X)2

= E X 2 2 [E (X)]2 + [E (X)]2

= E X 2 [E (X)]2 = m2 [m1 ]2

4.2

Variance dune variable alatoire discrte

On appelle variance de X et on note, V (X) ou 2X , le nombre rel positif, sil existe dfini par :

4.2.1

V (X) = 2X = E (X E (X))2
P
=
(x E (X))2 P (X = x)
xX()
P
P
P
2
x2 P (X = x) 2E (X)
xP (X = x) + E (X)
P (X = x)
=
xX()
xX()
xX()

= E X 2 [E (X)]2

Proprits de la variance

a/ La variance dune constante est nulle :

V (a) = E (a E (a))2 = E (a a)2 = 0
b/ changement dorigine
contrairement lesprance, la variance ne change pas avec un changement dorigine.
V (X + b) = E ((X + b) E (X + b))2 = E (X + b E (X) b)2 = E (X E (X))2 = V (X)
c/ changement dchelle
2

V (aX) = E ((aX) E (aX)) = E ((aX) aE (X)) = E [a (X E (X))] = a2 E (X E (X)) = a2 V (X)

b/ Thorme de Koenig
Ce thorme stipule que la variance est gale la dirence entre le moment non centr dordre 2 et le carr
du moment centr dordre 1 :


V (X) = E (X E (X))2 = E X 2 2 [E (X)]2 + [E (X)]2 = E X 2 [E (X)]2 = m2 [m1 ]2

Application lexemple 2 :

X:
Pi = P (X = xi ) :
P

0
1
4

1
1
2

2
1
4

1
1
1
+1 +2 =1
4
2
4
xX()
2
P
1
1
1
3
x2 P (X = x) = 0 + 1 + 4 =
E X =
4
2
4
2
xX()
2
3
1
2
2
V (X) = E X [E (X)] = (1) =
2
2
Si Y = 2X + 1, alors
E (Y ) = E (2X + 1) = 2E (X) + 1 = 3 et V (Y ) = V (2X + 1) = 4V (X) = 2
E (X) =

xP (X = x) = 0

Deuxime partie

Variable alatoire continue

1

Dfinition

Une variable alatoire continue est une application X de dans lensemble des rels R, telle que X () soit un
intervalle de R (c.--d. X () est un ensemble infini non dnombrable)
Par exemple, si X est telle que X () = [a, b] R, ceci signifie que X prend toutes les valeurs relles comprises
entre a et b. Dans ce cas, il nest pas possible dnumrer tous les lments de X () et de calculer leur probabilit.
Pour une variable alatoire continue, les ventualits sont si nombreuses quintuitivement, on est amen attribuer
chacune des valeurs une probabilit nulle. Cependant, on peut calculer la probabilit dobtenir une valeur appartenant un intervalle donn [P (c X < d) = F (d) F (c)] ou infrieure une valeur donne [P (X < x) = F (x)].
le fait de privilgier les vnements dcrits laide dintervalles, montre limportance de la fonction de rpartition
pour une variable alatoire continue.
Exemple :
Soit lexprience qui consiste lancer des flchettes vers une cible circulaire de rayon r et sintresser aux points
de contact
de la flchette
avec le plan de la cible. Dans ce cas, lunivers est un ensemble infini non dnombrable :

= (x, y) /x2 + y 2 r2 , les couples (x, y) dsignent les coordonnes des points de contacts.
Soit X la variable alatoire dfinie par "la distance qui spare le point de contact du centre de la cible".
Lensemble des valeurs possibles de X est donc : X () = [0, r] .
X est une variable alatoire continue puisquelle peut prendre nimporte quelle valeur lintrieure de lintervalle
[0, r] .

y
= { (x, y)/ x 2 + y2 r 2 }

X ( ) = [ 0, r ] R

point de contact, entre la flchette et la cible, de coordonnes (x,y)

Fonction de rpartition dune variable alatoire continue

2.1

Dfinition

Une variable alatoire continue est caractrise par sa fonction de rpartition continue sur R, la dfinition de
cette dernire est identique celle dune variable discrte mais sa formulation mathmatique change
F : R [0, 1]
Rx
x 7 F (x) = P (X < x) = f (t)dt

o f (t) est appele densit de probabilit de la variable alatoire X

2.2

Proprits de la fonction de rpartition

a/ x R, 0 F (x) 1

b/ F est une fonction croissante et vrifie

lim F (x) = 0 et

lim F (x) = 1. [si X () = R, la courbe de F

x+

admet comme asymptotes horizontales les droites (y = 0) et (y = 1) .

c/ F est une fonction continue et drivable presque partout
d/ Probabilit attache un point
Soit x et x + ( > 0) deux rels quelconques, on a
P (x X < x + ) = F (x + ) F (x)
Si on fait tendre vers 0, lintervalle [x, x + [ se rduit la seule valeur {x} . Dans ces conditions :
P (X = x) = lim P (x X < x + ) = lim F (x + ) F (x)
0

La continuit de F entrane donc lim F (x + ) = F (x)

0

Do P (X = x) = F (x) F (x) = 0.
Pour une variable alatoire continue, la probabilit dobserver une valeur relle x donne est donc nulle
e/ Probabilit attache un intervalle
P (X [a, b]) = P (a X b) = P (a < X b) = P (a X < b) = P (a < X < b) = F (b) F (a)
Rb
Ra
= f (t)dt f (t)dt
Rb
= a f (t)dt

2.3

Reprsentation graphique de la fonction de rpartition dune v.a.c

La courbe reprsentative de la fonction de rpartition dune V.A.C a lallure suivante :

F(x )

F(x )

y =1

y =1

si X ( ) = R

3
3.1

si X ( ) = [ a,b ]

Densit de probabilit
Dfinition

Soit X une variable alatoire continue de fonction de rpartition F (x) .

La connaissance de la fonction de rpartition nous permet de calculer la probabilit de voir X prendre une valeur
lintrieure de nimporte quel intervalle de bornes x et x + x (x X ()). En eet :
P (x < X < x + x) = F (x + x) F (x) .
La probabilit moyenne de lintervalle par unit de longueur est donn par :
P (x < X < x + x)
F (x + x) F (x)
=
(x tant la longueur de lintervalle [x, x + x] .
x
x
On appelle densit de probabilit f (.) au point x, la valeur limite de probabilit moyenne sur lintervalle
[x, x + x] lorsque la longueur x de cet intervalle tend vers 0 :
F (x + x) F (x)
f (x) = lim
= F 0 (x)
x0
x
Consquence :

La probabilit pour que la variable alatoire X prenne une valeur x lintrieure dun intervalle infinitsimal de
longueur dx est gale au produit f (x) dx, appel probabilit lmentaire.
F (x + dx) F (x)
dx infinitsimal
= f (x) F (x + dx) F (x) = f (x) dx
dx
P (x < X < x + dx) = f (x) dx
La probabilit attache un intervalle [a, b] apparat donc comme la somme, prise entre a et b, des probabilits
lmentaires :
Rb
P (a < X < b) = a f (x)dx = F (b) F (a)
probabilit lmentaire : f(x)dx
f(x)

3.2

dx

Proprits de la fonction densit

a/ x R, f (x) 0.
F (x) tant une fonction croissante, sa driv F 0 (x), c.--d. la fonction densit f (x), est donc positive ou nulle.
R +
b/ f (x)dx = P (X R) = P () = 1
R +
Rb
ou encore f (x)dx = lim f (x)dx = lim F (b) = 1
b+

b+

Remarque : les proprits a/ et b/ seront utilises pour montrer quune fonction f (x) est une densit de
probabilit.

d/ La densit de probabilit f (x) est une fonction continue sur R, sauf ventuellement en un nombre fini de
points

0
c/ Puisque lim F (x) = 0 et lim F (x) = 1, alors
lim F (x) = 0
x

x+

lim F 0 (x) = lim f (x) = 0

x

d/ La courbe de la fonction densit f (x) prend, parmi beaucoup dautres les allures suivantes :
f(x)

f(x)

si X ( ) = R

si X ( ) = [ a,b ]

Exemple 1 :
Soit X une variable alatoire continue ne prenant que des valeurs comprises entre 2 et 4, et dont la densit de
probabilit est gale f (x) = 1 kx.
Dterminer la constante k et en dduire la fonction de rpartition ?
10

Solution :
R +
Il faut que f (x) 0 et f (x)dx = 1
1
1
1
1
1
f (x) 0 kx < 1 k < , or 2 x 4 , donc k < .
x
4
x
2
4
R2
R4
R +
R +
f
(x)dx
=
=
f
(x)
dx
+
f
(x)
dx
+
f
(x)
dx

|{z}
2 |{z}
4
|{z}
=0

=0

=(1kx)

4
1
= 2 (1 kx)dx = x kx2 = 2 6k
2
2
R +
1
f
(x)dx
=
1

6k
=
1
donc
k
=

6
(
R4

La densit de probabilit de X est donne par : f (x) =

x
6

si x [2, 4]

0
sinon
On a par dfinition F : R [0, 1]
Rx
x 7 F (x) = P (X < x) = f (t)dt
Rx
Pour x < 2 F (x) = f (t)dt = 0
x

Rx
R2
Rx
Rx
t
x2 5
1 2
Pour 2 x 4 F (x) = f (t)dt = f (t)dt + 2 f (t)dt = 2 (1 )dt = t t
=x

6
12 2
12 3
Rx
R2
R4
Rx
R4
t
Pour x > 4 F (x) = f (t)dt = f (t)dt + 2 f (t)dt + 4 f (t)dt = 2 (1 )dt = 1
6

0
si x < 2

5
x2
F (x) =

si 2 x 4
x

12 3

1
si x > 4
Exemple 2 :
Soit X une
alatoire continue de fonction de rpartition :
variable
1 ex si x 0
F (x) =
0
sinon
Dterminer la densit de probabilit de X.
On sait que f (x) = F 0 (x)
0
f (x) = (1 ex ) = ex si x 0
f (x) = 0 sinon

Les paramtres descriptifs dune distribution continue

4.1

Esprance mathmatique

On appelle esprance mathmatique de la V.A.C X, et on note E (X) , le nombre rel sil existe dfini par :
R +
E (X) = xf (x)dx
Lexistence de E (X) est lie la convergence de lintgrale.
4.1.1

Esprance mathmatique dune fonction de X

Soit X une variable alatoire continue sur laquelle on applique une fonction numrique quelconque .
Si la fonction admet une esprance mathmatique, alors :
R +
E ( (X)) = (x) f (x)dx

a/ Les moments non centrs : (X) = X k

Le moment non centr dordre k de X, not mk est dfini par :
R +
mk = E X k = xk f (x)dx
pour k = 0
pour k = 1
pour k = 2

m0 = E (1) = 1
m1 = E (X) lesprance est le moment non centr dordre 1
R +
m2 = E X 2 = x2 f (x)dx
11

b/ Les moments centrs : (X) = [X E (X)]

Le moment centr dordre k de X, not k est dfini par :
k (X) = E [X E (X)]k =
pour k = 0
pour k = 1
pour k = 2

4.1.2

0 = E (1) = 1
1 = E (X E (X)) = 0

R +

(x E (X))k f (x)dx

R + 2
x 2xE (X) + E (X)2 f (x)dx

R +
R +
2 R +
= x2 f (x)dx 2E (X) f (x)dx + E (X) f (x)dx

2
2
= E X 2 2E (X) + E (X)
2
2
= E X [E (X)] = m2 [m1 ]2

2 = E (X E (X))2 =

Proprits de lesprance mathmatique

a/ lesprance mathmatique dune constante est gale la constante elle mme.

E (a) =

R +

Z +
af (x)dx = a
f (x)dx = a

|
{z
}
1

b/ changement dorigine :
R +
R +
R +
E (X + b) = (x + b) f (x)dx = xf (x)dx + b f (x)dx = E (X) + b
E (X + b) = E (X) + b

c/ changement dchelle :
R +
R +
E (aX) = axf (x)dx = a xf (x)dx = aE (X)

E (aX) = aE (X)

b/ et c/ = E (aX + b) = aE (X) + b
d/ La somme des carts, pondres par les probabilits lmentaires, entre les valeurs x et lesprance mathmatique E (X) est nulle :
R +
R +
R +
E (X E (X)) = (x E (X)) f (x)dx = xf (x)dx E (X) f (x)dx
= E (X) E (X) = 0
E (X E (X)) = 0

4.2

Variance dune variable alatoire continue

On appelle variance de X et on note, V (X) ou 2X , le nombre rel positif, sil existe, dfini par :
V (X) = 2X = E (X E (X))2
R +
2
= (x E (X)) f (x)dx
2
= 2 = E X [E (X)]2 = m2 [m1 ]2

12

Troisime partie

La fonction gnratrice des moments

1

Dfinition

Soit X une variable alatoire. On appelle fonction gnratrice des moments de la v.a. X, la fonction MX (t)
dfinie par :
tX
MX (t) = E P
e
=
etx P (X = x) si X est une v.a. discrte
xX()
R +
= etx f (x)dx
si X est une v.a. continue

Lintrt de la fonction gnratrice des moments rside dans la possibilit de calculer rapidement les moments
non centrs dordre k.

1.1

Proprits de la fonction gnratrice des moments

a/ MX (t) > 0 et MX (0) = 1

X, etX > 0 MX (t) = E etX > 0

0
MX (0) = E e = E (1) = 1

b/ Soit Y = aX + b

MY (t) = E etY = E et(aX+b) = E eatX .etb = etb E eatX = etb .MX (at) .

c/ La drive premire de MX (t) en t = 0 est gale lesprance mathmatique de X

MX (t)
= E (X)
t t=0
Cas o X est une
Pv.a.txdiscrte :
e P (X = x)

P
P
etx
MX (t)
xX()
P (X = x)
xetx P (X = x)
=
=
=
t
t
t
xX()
xX()

P
P
MX (t)
0x
=
xe P (X = x) =
xP (X = x) = E (X)

t t=0 xX()
xX()
Cas o X est Rune v.a. continue
+
etx f (x)dx R +
MX (t)
etx R + tx
=
= f (x)dx
= xe f (x)dx
t
t
t

R +
MX (t)
= xf (x)dx = E (X)

t t=0
Plus gnralement, la drive dordre k de la fonction MX (t) , value au point t = 0, est gale au moment
non centr dordre k :

k MX (t)
= E X k = mk , k N

tk
t=0
la variance de X est donc :

Exemple1 :

2 MX (t)
MX (t)
2
V (X) = E X 2 [E (X)] =

t2 t=0
t t=0
1

xN
x+1
(2)
Calculer la fonction gnratrice des moments. En dduire E (X) et V (X) .
Solution :
X est donc une variable alatoire discrte.


+

P tx 1 x+1 1 +
P et x
P
MX (t) = E etX =
etx P (X = x) =
e
=
2
2 x=0 2
x=0
xX()
Soit X une variable alatoire de loi de probabilit : P (X = x) =

13

et
e
est une srie gomtrique qui ne converge que si
<1
> 0 t
2
2
x=0

t n !
t x
t x
t 2
t
n
+
P e
P e
e
e
e
= lim
= lim 1 + +
+ +
En eet,
n
n
2
2
2
2
2
x=0
x=0

t n+1
e
1 2

= lim
si t < Log2
=
t
n
e
et

1
1
2
2
1 1
1
MX (t) =
= (2 et ) si t < Log2
et
2
1
2
1
MX (t)
(2 et )
2
=
= et (2 et )
t
t
MX (t)
E (X) =
=1
t t=0
h
i
2 MX (t)
2
3
2
3
= et (2 et ) + et 2 (et ) (2 et )
= et (2 et ) h+ 2e2t (2 et )
2
i
t
2
1
1 + 2et (2 et )
= et (2 et )

2

2 MX (t)
2
E X =
= 3 V (X) = E X 2 [E (X)] = 2
t2 t=0
Exemple2 :
x
e
si x 0
Soit une constante strictement positive et soit f (x) =
0
sinon
+
P

et
2

1. Vrifier que f est bien une densit de probabilit.

2. Calculer la fonction gnratrice des moments. En dduire E (X) et V (X) .

Solution :
1. On a f (x) 0 x R

+
R0
R +
R +
R +
f (x)dx = f (x)dx + 0 f (x)dx = 0 ex dx = ex 0 = 1

f est bien la densit de probabilit dune variable alatoire X.

R +
R0
R +
R +
R +
2. MX (t) = etx f (x)dx = etx f (x)dx + 0 etx f (x)dx = 0 etx ex dx = 0 e(t)x dx

+
R +
1 (t)x

MX (t) = 0 e(t)x dx =
=
e
=
si t < .
t
t

t
0
( il faut que t < t < 0 pour que lim e(t)x = 0 sinon lintgrale ne serait pas convergente)
x+

2
MX (t)
MX (t)
1
2
2
2 MX (t)

2 MX (t)
E (X) =
= et
=
E X =
= 2
=
2
3

2
2
t
t

t
t

( t)
( t)
t=0
t=0
2
2
1
1
2
V (X) = E X [E (X)] = 2 2 = 2 .

14

Quatrime partie

Transformation dune variable alatoire

1

Transformation dune v.a. en une variable centre rduite

Une variable alatoire est dite centre si son esprance est gale 0. Si en plus, sa variance est gale 1, alors
elle est dite centre rduite.
Soit X une variable alatoire (discrte ou continue) desprance mathmatique E (X) et de variance 2X .
La variable alatoire Y dfinie par Y = X E (X) est dite variable alatoire centre associe X, puisquon a :
E (Y ) = E (X E (X)) = E (X) E (X) = 0
La variable alatoire Z dfinie par Z =
puisquon a :

X E (X)
est dite variable alatoire centre rduite associe X,
X

X E (X)
=
E (Z) = E
X

X E (X)
V (Z) = V
=
X

1
E (X E (X)) = 0, et
X
1
1
V (X E (X)) = 2 V (X) = 1
2X
X

Fonction dune variable alatoire : Y = h (X)

Soit X une variable alatoire, et soit h une fonction numrique dfinie sur X () . lapplication Y = h X, dfinie
sur est une variable alatoire.
On dit que Y est une variable alatoire fonction de la variable alatoire X et on note Y = h (X) .
Le but de cette section consiste montrer comment, partir de la loi de probabilit de X, on peut dduire celle
de Y

2.1

Le cas dune variable alatoire discrte

Lorsque la v.a. X est une v.a. discrte, la variable Y = h (X) est elle mme discrte et la dtermination de sa
loi de probabilit partir de celle de X ne prsente en gnral pas de dicults.
La dtermination de la loi de Y se fait en deux tapes :
1 e`re tape :
Dterminer lensemble des valeurs possibles de la variable alatoire Y = h (X) , c.--d. Y () :
Y () = {yj R / yj = h(xi ), xi X ()}
Exemple : Soit X une v.a. discrte qui peut prendre les valeurs suivantes : X () = {2, 1, 0, 1, 2, 3} et soit Y
la v.a. dfinie par :
h non bijective sur X ( )

h bijective sur X ( )

Y = h(X ) = X

Y = h ( X ) = 2X 3
X ( ) = { 2, 1, 0, 1, 2, 3 }

X ( ) = { 2, 1, 0, 1, 2, 3 }

h
Y ( ) = { 7, 5, 3, 1, 1, 3 }

Y ( ) = { 0, 1, 4, 9 }

2 e`me tape :
Dterminer la probabilit associe chacune des valeurs prises par la v.a. Y et ce en utilisant la proprit de
lquivalence des vnements :
15



P X = h1 (y) = P (X = x) si h est bijective

y Y () , P (Y = y) = P (h (X) = y) =
P

P (X = xi )
si h nest pas bijective

h(xi )=y

Suite de lexemple :
Supposons que la loi de probabilit de X est donne par le tableau suivant :
X:
Pi = P (X = xi ) :

2
1
16

1
1
8

0
3
16

1
1
4

2
1
4

3
1
8
Pour Y = X 2

Pour Y = 2X 3

1
P (Y = 7) = P (2X 3 = 7) = P (X = 2) =
16
1
P (Y = 5) = P (X = 1) =
8
3
P (Y = 3) = P (X = 0) =
16
1
P (Y = 1) = P (X = 1) =
4
1
P (Y = 1) = P (X = 2) =
4
1
P (Y = 3) = P (X = 3) =
8

3
P (Y = 0) = P (X = 0) =
2
16
P (Y = 1) = P X = 1 = P (X = 1) + P (X = 1)
6
=
16
2

P (Y = 4) = P X = 4 = P (X = 2) + P (X = 2)
5
=
16
2
P (Y = 9) = P (X = 3) =
16

Exercice :
Soit X une variable alatoire discrte. Sa loi de probabilit est dfinie par :
2
0, 1

X:
Pi = P (X = xi ) :

1
0, 3

0
0, 4

1
k

2
k

1. Dterminer k.
2. Calculer E (X) et V (X) .
3. Soit Y = 2X 2 + 3. Dterminer la loi de Y, E (Y ) et V (Y )

2.2

Le cas dune variable alatoire continue

Soit X une variable alatoire continue de densit de probabilit fX et de fonction de rpartition FX , et soit
Y = h(X) la variable alatoire obtenue en appliquant la transformation h(.) X.
On cherche dterminer la densit de probabilit de Y, not fY ainsi que sa fonction de rpartition note FY .

X 

fX FX

h ( .)

Y


fY ? FY ?

2 cas sont distinguer :

le cas o h est strictement monotone sur X ().
le cas o h est non monotone sur X ().
2.2.1

Cas dune transformation strictement monotone

La fonction de rpartition de Y scrit :

y R, on a FY (y) = P (Y < y)
16

La fonction h tant strictement monotone sur X () , elle admet donc une rciproque h1 sur Y () . (h (X ()) =
Y ())
y Y () , FY (y) = P (Y < y) = P (h(X) < y)
Or h peut tre strictement croissante ou dcroissante sur X () :
si h est strictement croissante sur X () alors h1 lest aussi sur Y () et lon peut crire :

h1(y)
y Y () , FY (y) = P (Y < y) = P (h(X) < y) = P X
<
= FX h1 (y)
La fonction densit de Y, fY , sobtient par drivation de FY .

0
1
h1 (y)

0
, avec
h (y) . h1 (y) = fX h1 (y) .
y Y ()
fY (y) = FY0 (y) = FX
y

h (y)
> 0 (puisque h1 est strictement %) et fX h1 (y) 0 (fonction densit)
y

h(X)

Y ( )

Y < y

h-1(y)=x

X <h1(y )

X ( )

Exemple :
Soit X une variable alatoire continue de densit de probabilit :
( 1
si 0 x 3
fX (x) =
3
0
sinon
et soit Y une variable alatoire fonction de X dfinie par : Y = h(X) = 2X. Dterminer la densit de probabilit
fY de Y ?
A partir de la densit de probabilit de X, on a X () = [0, 3] Y () = h [X ()]
= [0, 6]
y Y () = [0, 6] ,

FY (y) = P (Y < y) = P (h(X) < y) = P (2X < y) = P

X <

drivation de FY :
La fonction densit de Y, fY , sobtient par
y 1
0
y [0, 6]
fY (y) = FY (y) = fX
.
2
2
( 1
y
si 0 y 6
Or fX
=
, on a finalement :
3
2
0
sinon
( 1
fY (y) =
6
0

y
= FX y
2
2
|{z}

h1 (y)

si 0 y 6
sinon

si h est strictement dcroissante sur X () alors h1 lest aussi sur Y () et lon peut crire :
17

FY (y) = P (Y < y) = P (h(X) < y) = P X > h1 (y) = 1 P X

h1(y)

= 1 FX h1 (y)
La fonction densit de Y, fY , sobtient par drivation de FY

1
0
1
h1 (y)
1
0
0
y Y ()
fY (y) = FY (y) = FX h (y) . h (y) = fX h (y) .
, avec
y

1
h (y)
< 0 (puisque h1 est strictement &)
y
y Y () ,

Y
h(X)

Y ( )
Y <

h-1(y)=x

X >h1(y )

X ( )

Exemple :
Soit X une variable alatoire continue de densit de probabilit :
(
1
si 0 x 3
fX (x) =
3
0
sinon
et soit Y une variable alatoire fonction de X dfinie par : Y = h(X) = 2X. Dterminer la densit de
probabilit fY de Y ?
A partir de la densit de probabilit de X, on a X () = [0, 3]
Y () =h [X ()] = [6, 0]

y
= 1P X y = 1FX y
y = [6, 0] , FY (y) = P (Y < y) = P (h(X) < y) = P
X
>

2
2
2
|{z}
h1 (y)

La fonction densit de Y, fY , sobtient par drivation de FY :

h
y i0
y 1 1
y
y = [6, 0]
fY (y) = FY0 (y) = 1 FX
= fX
.
= fX
2
2
2
2
2
(
1
y
si 6 y 0
Or fX
=
, on a finalement :
3
2
0
sinon
fY (y) =

1
6
0

si 6 y 0
sinon

Dune manire gnrale, si h est une fonction strictement monotone, alors la densit de probabilit de Y est
donne par :

h1 (y)
1

fX h (y) .
y Y ()
fY (y) =

0
sinon
2.2.2

Cas dune transformation non monotone

On se limitera ici aux cas des deux transformations h (X) = X 2 et h (X) = |X|
18

 Cas de la transformation h (X) = X 2 .

Soit X une variable alatoire continue de densit de probabilit fX et de fonction de rpartition FX , et soit
Y = h(X) = X 2 une variable alatoire fonction de X.
h(X) = X 2 est une fonction non monotone sur R, elle est strictement croissante sur R+ et strictement
dcroissante sur R

Y <

h(X)=X2

y <X < y

Soit FY la fonction de rpartition de Y :

y Y () ,

FY (y) = P (Y < y) = P (h(X) < y) = P X 2 < y = P |X| < y

< y
= P y < X


X y
=P X
< y P
= FX
y FX y

La fonction densit de Y, fY , sobtient par drivation de FY

0
0
0
0
y Y () \ {0}
fY (y) = FY0 (y) = FX
y . y FX
y . y


1
1
= fX
y + fX y
2 y
2 y

1
= fX
y + fX y
2 y
La densit de probabilit de Y est donc donne par :

1 f y + f y y Y () \ {0}

X
X
2 y
fY (y) =

0
sinon

Exemple :
Soit X une variable alatoire de densit de probabilit :
(
1
si x [1, 1]
fX (x) =
2
0 sinon

Dterminer la densit de probabilit de Y = X 2 . En dduire FY (y)

Solution :
On a X () = [1, 1] = Y () = [0, 1]

y [0, 1] FY (y) = P (Y < y) = P X 2 < y = P y < X < y = FX
y FX y
La fonction densit de Y, fY , sobtient par drivation de FY

1
y ]0, 1]
fY (y) = FY0 (y) = fX
y + fX y
2 y

1

On a y ]0, 1] y ]0, 1] et y [1, 0[ fX

y = fX y =
2
1
y ]0, 1]
fY (y) =
2 y
19

La densit de probabilit de Y est donc donne par :

2 y
fY (y) =

si y ]0, 1]
sinon

Cas de la transformation h (X) = |X|

Soit X une variable alatoire continue et soit Y la variable alatoire dfinie par Y = h(X) = |X| .

h(X) = |X| est galement une fonction non monotone sur R, elle est strictement croissante sur R+ et strictement dcroissante sur R

Y <

h(X ) = X

y <X <y

Soit FY la fonction de rpartition de Y :

y Y () ,

FY (y) = P (Y < y) = P (h(X) < y) = P (|X| < y) = P (y < X < y)

= P (X < y) P (X y)
= FX (y) FX (y)

La fonction densit de Y, fY , sobtient par drivation de FY

y Y ()

0
0
fY (y) = FY0 (y) = FX
(y) . (y)0 FX
(y) . (y)0
= fX (y) + fX (y)

La densit de probabilit de Y est donc donne par :

fX (y) + fX (y) y Y ()
fY (y) =
0
sinon
Exemple :
Soit X une variable alatoire de densit de probabilit :
( 1
si x [1, 1]
fX (x) =
2
0 sinon
Dterminer la densit de probabilit de Y = |X| . En dduire FY (y)
Solution :
On a X () = [1, 1] = Y () = [0, 1]
y [0, 1] , FY (y) = P (Y < y) = P (|X| < y) = P (y < X < y)
= P (X < y) P (X y)
= FX (y) FX (y)
La fonction densit de Y, fY , sobtient par drivation de FY
1 1
y [0, 1] ,
fY (y) = FY0 (y) = fX (y) + fX (y) = + = 1.
2 2
La densit de probabilit de Y est donc donne par :

20

fY (y) =

1 si y [0, 1]
0
sinon

On a par dfinition FY (y) : R [0, 1]

Ry
y 7 FY (y) = P (Y < y) = f (t)dt
Ry
Pour y < 0 fY (y) = 0 FY (y) = f (t)dt = 0
Ry
R0
Ry
Ry
Ry
y
Pour 0 y < 1 fY (y) = 1 FY (y) = f (t)dt = f (t)dt + 0 f (t)dt = 0 f (t)dt = 0 1dt = [t]0 = y
Ry
R0
R1
Ry
R1
1
Pour y 1 fY (y) = 0 FY (y) = f (t)dt = f (t)dt + 0 f (t)dt + 1 f (t)dt = 0 f (t)dt = [t]0 = 1
La fonction de rpartition se Y est donc :

si y < 0
0
y si 0 y < 1
FY (y) =

1
si y 1

21