[PDF] [PDF] Couples et vecteurs de variables aléatoires Préparation `a l

[PDF] Exemples de lois à densité I Loi uniforme II Loi exponentielle

Une propriété intéressante de la loi uniforme est qu'elle permet de fabriquer des variables aléatoires suivant d'autres lois On a par exemple le résultat suivant

[PDF] Cours 1: lois discrétes classiques en probabilités - Institut de

Définition Quelques exemples loi d'une v a Paramétres classiques d'une loi Quelques propriétés 2 Lois classiques discrétes Loi uniforme Loi de Bernoulli

[PDF] LOIS À DENSITÉ - maths et tiques

Pour cela, on utilise la fonction de densité f définissant la loi de probabilité La probabilité Dans l'exemple précédent, T suit une loi uniforme U 0;60 ⎡⎣ ⎤⎦

[PDF] Exercices de probabilités avec éléments de correction Memento

Loi de Poisson P(λ) λ ∈]0, +∞[ N p(k) = e−λ λk k Lois continues Nom Paramètres Support Définition : P(A) = ∫ A f(x)dx Loi uniforme U([a, b]) a

[PDF] Probabilités continues

Figure: Exemples de fonctions de répartition d'une variable discr`ete et d'une variable continue La loi uniforme sur un intervalle [α, β] est la loi de densité

[PDF] Terminale S - Loi uniforme Loi exponentielle - Parfenoff

L'espérance mathématique d'une variable aléatoire qui suit une loi uniforme sur [ ; ] est ( ) = + 2 Exemples : 1) Dans une ville 

[PDF] Exercices de Probabilités

3 5 Loi uniforme Exercice 32 1 Donner l'espérance et la variance d'une loi uniforme sur [a, b] 2 Donner la loi de la somme de v a indépendantes suivant une 

[PDF] Couples et vecteurs de variables aléatoires Préparation `a l

On trouve ici que X et Y suivent une loi uniforme sur {1,2,3,4} Exemple 3 : On consid`ere le couple (X, Y ) de loi trinomiale (n, px,py) Déterminons la loi

[PDF] Simulation

Voici des exemples simples d'utilisation de F−1 pour la simulation Exemple 1 ( loi de Cauchy) Si U suit la loi uniforme sur ]0,1[, Y := tan(π(U 

[PDF] Notions de probabilités

ni les exemples, ni le travail pédagogique indispensable pour le comprendre On dit qu'une variable aléatoire X suit une loi uniforme discrète de parametre n 

[PDF] variance loi uniforme démonstration

[PDF] fonction de répartition loi uniforme discrète

[PDF] variable statistique discrète

[PDF] la leçon (pièce de théâtre)

[PDF] ionesco la cantatrice chauve

[PDF] ionesco mouvement littéraire

[PDF] ionesco rhinocéros résumé

[PDF] fonction de service technologie 5ème

[PDF] fonction de service d'une maison

[PDF] fonction de contrainte

[PDF] différence entre fonction de service et fonction technique

[PDF] difference entre fonction de service et fonction d'usage

[PDF] fonction de service exemple

[PDF] fonction de service définition

[PDF] exercice multiplication 6ème ? imprimer

Couples et vecteurs de variables aleatoires

Preparation a l'agregation interne

1 Couples et vecteurs aleatoires discrets

1.1 Loi conjointe

On se donneXetYdeux variables aleatoires discretes avecX( ) =fxi;i2NgetY( fyj;j2Ng. Laloi conjointedu couple (X;Y) est donnee par (X;Y)( ) (ou parX( ) et Y( )) ainsi que par les probabilites P(X=x;Y=y) =Pf!;X(!) =xetY(!) =yg;pour tout couple (x;y)2(X;Y)(

Remarque :On doit bien entendu avoirP

x;yP(X=x;Y=y) = 1. Plus generalement, siX1;:::;Xnsontnvariables aleatoires discretes a valeurs dansN, la loi conjointe du vecteur (X1;:::;Xn) est donnee par l'ensemble-image (X1;:::;Xn)( )Nn ainsi que par les probabilitesP(X1=i1;:::;Xn=in), pour toutn-uplet (i1;:::;in)2Nn. Exemple 1 :Fixonsp2]0;1[ et >0 et considerons le couple de variables aleatoires (X;Y) a valeurs dansf0;1g Ndont la loi est donnee par :

P(X= 0;Y= 0) = 1p

P(X= 1;Y=k) =pek=k!;pour toutk2N

P(X=j;Y=k) = 0 sinon.

On a bien

P i;jP(X=i;Y=j) = 1 : on a donc bien ecrit la loi d'un couple aleatoire discret. Exemple 2 :On dispose d'une urne contenant quatre jetons numerotes de 1 a 4, et on tire au sort successivement deux jetons sans remise. On note (X;Y) les resultats des deux tirages. On a :P(X=i;Y=i) = 0 pour toutientre 1 et 4 etP(X=i;Y=j) = 1=12 si

1i;j4 eti6=j.

On peut ecrire les probabilites sous la forme du tableau suivant (ou par exemple dans la deuxieme case de la premiere ligne, on litP(X= 1;Y= 2)) :

XnY1234

Exemple 3 : Loi trinomiale.On se xe un nombre entiernstrictement positif et deux parametres reels positifspxetpytels quepx+py1. La loi trinomiale (n;px;py) est la loi du couple (X;Y) tel que (X;Y)( )2N2et donnee pour tout (i;j)2N2tels quei+jnpar :

P(X=i;Y=j) =n!i!j!(nij)!pixpjy(1pxpy)nij;

2 etP(X=i;Y=j) = 0 sinon. Exercice :Montrer que l'on denit bien ainsi la loi d'un couple aleatoire. La loi trinomiale est une extension de la loi binomiale. Imaginons en eet une experience qui a trois issues possibles, noteex,yetz, avec comme probabilite de realisationpx,pyet p z= 1pxpy. Repetonsnfois cette experience (nest xe) de facon independante et comptons le nombre d'apparitions dex(nombre noteX) et dey(noteZ) parmi cesnrepetitions. C'est alors un exercice de denombrement que de demontrer que le couple (X;Y) suit alors une loi trinomiale de parametres (n;px;py).

1.2 Lois marginales

Denition 1.1Les (deux)lois marginalesdu couple(X;Y)sont les lois des variables alea- toiresXetY. On les obtient de la facon suivante :

P(X=x) =X

y2Y( )P(X=x;Y=y);

P(Y=y) =X

x2X( )P(X=x;Y=y):

Preuve :On a

fX=xg=fX=x;Y2Y( )g=[ y2Y( )fX=x;Y=yg: Comme la reunion est denombrable et disjointe, il vient :

P(X=x) =X

y2Y( )P(X=x;Y=y): Plus generalement, un vecteur (X1;:::;Xn) a valeurs dansZnpossedenlois marginales unidimensionnelles, mais egalementn(n1) lois marginales bidimensionnelles, et ainsi de suite.

On a par exemple

P(X1=x) =X

(x2;:::;xn)2Zn1P(X1=x;X2=x2;:::;Xn=xn):

Reprenons les exemples precedents :

Exemple 1.

Determinons la loi deX:Xest a valeurs dansf0;1get on a :

P(X= 0) =X

j2NP(X= 0;Y=j) = 1p:

De la m^eme facon :

P(X= 1) =X

j2NP(X= 1;Y=j) =X j0pe j=j! =p: 3 La variable aleatoireXsuit donc une loi de Bernoulli de parametrep. Calculons aussi la loi de Y:

P(Y= 0) =P(X= 0;Y= 0) +P(X= 1;Y= 0) = 1p+pe:

Et pour toutj1,

P(Y=j) =P(X= 0;Y=j) +P(X= 1;Y=j) =pej=j!:

Exemple 2 :Il sut de sommer en colonne pour avoir la loi deX, et en ligne pour obtenir celle deY. En pratique, on peut ajouter une colonne et une ligne au tableau pour y ecrire les lois de XetY. Et avant de conclure, on prend le soin de verier que la somme de cette colonne (et de cette ligne) vaut 1. On trouve ici queXetYsuivent une loi uniforme surf1;2;3;4g. Exemple 3 :On considere le couple (X;Y) de loi trinomiale (n;px;py). Determinons la loi marginale deX: xonsj2 f0;:::;nget evaluonsP(X=j). On a

P(X=j) =nX

k=0P(X=j;Y=k) njX k=0P(X=j;Y=k) +nX k=nj+1P(X=j;Y=k) njX k=0n!j!k!(njk)!pjxpky(1pxpy)njk+ 0 n!j!(nj)!pjxnjX k=0(nj)!k!(njk)!pky(1pxpy)njk n j p jx(1px)nj La variable aleatoireXsuit donc une loi Bin(n;px). Un calcul similaire montre queYsuit une loi binomiale Bin(n;py).

1.3 Loi def(X;Y)

Probleme :On dispose d'un couple de variables aleatoires discretes (X;Y) dont on conna^t la loi conjointe et on voudrait conna^tre la loi de la variable aleatoireZ=f(X;Y), ouf: X( )Y( )!Rest une fonction donnee. Par exemple, on a souvent besoin de conna^tre la loi deX+Y, ou celle deXY, ou deXY. Et determiner la loi deXa partir de celle de (X;Y) revient a considerer la fonctionf(x;y) =x.

Proposition 1.2On aZ(

) =f((X;Y)( ))et pour toutz2f((X;Y)( )), on a

P(Z=z) =X

(x;y)2(X;Y)( );f(x;y)=zP(X=x;Y=y): 4 Exemple :Reprenons une nouvelle fois l'exemple 1 et considerons la fonctionf(x;y) =xy. La variable aleatoireXYest a valeurs dansNet on a

P(XY= 0) =P(X= 0;Y= 0) +P(X= 1;Y= 0) = 1p+pe

et, pour toutk2N,

P(XY=k) =P(X= 1;Y=k) =pekk!:

Un cas particulier important. Nous considerons ici la fonctionf(x;y) =x+y. On obtient :

P(X+Y=z) =X

(x;y)2(X;Y)( );x+y=zP(X=x;Y=y) X x2X( )P(X=x;Y=zx) X y2Y( )P(X=zy;Y=y) Plus generalement, siX= (X1;:::;Xn) est un vecteur aleatoire discret etf:X( )!R est une fonction donnee, on a :

P(f(X1;:::;Xn) =z) =X

x

On en deduit le corollaire fondamental suivant :

Proposition 1.3SoientXetYdeux variables aleatoires discretes et integrables. Alors la variable aleatoireZ=X+Yest integrable et on aE(X+Y) =E(X) +E(Y). Preuve :En eet, on vient de voir queZest une variable aleatoire discrete et que sa loi est donnee par : pour toutz2(X+Y)(

P(X+Y=z) =X

x2X( )P(X=x;Y=zx)

On a donc

E(jX+Yj) =X

z2(X+Y)( )2 4 jzjX x2X( )P(X=x;Y=zx)3 5 Puis

E(jX+Yj) =X

z2(X+Y)( )2 4 X x2X( )jx+ (zx)jP(X=x;Y=zx)3 5 5

En utilisant l'inegalite triangulaire, il vient :

E(jX+Yj)X

z2(X+Y)( )2 4 X x2X( )(jxj+jzxj)P(X=x;Y=zx)3 5 X z2(X+Y)( )2 4 X x2X( )jxjP(X=x;Y=zx)3 5 X z2(X+Y)( )2 4 X x2X( )jzxjP(X=x;Y=zx)3 5

Etudions tout d'abord la premiere somme :

X z2(X+Y)( )2 4 X x2X( )jxjP(X=x;Y=zx)3 5 =X x2X( )2 4 jxjX z2(X+Y)( )P(X=x;Y=zx)3 5 X x2X( )[jxjP(X=x)] =E(jXj)

Passons a la deuxieme somme : sommer surx2X(

) ou surxtel quezx2Y( ) ne change pas la valeur de cette somme. On a donc X z2(X+Y)( )2 4 X x2X( )jzxjP(X=x;Y=zx)3 5 =X z2(X+Y)(quotesdbs_dbs35.pdfusesText_40