Université Pierre et Marie Curie Probabilités et statistiques - LM345 2013-2014 Comment calculer la loi d’une variable aléatoire ? La première chose à regarder est l’ensemble dans lequel la variable aléatoire prend ses valeurs. Vous devez savoir calculer la loi d’une variable aléatoire discrète (à valeurs dans N ou un ensemble fini), d’une variable aléatoire réelle (à valeurs dans R), et d’un vecteur aléatoire (à valeurs dans Rd avec d > 1) - souvent un couple de v.a. Z = (X, Y ). Donner la loi d’une variable aléatoire, c’est donner un moyen de calculer la valeur de P(X ∈ A) pour A une partie quelconque de N (cas discret) ou un borélien quelconque de Rd (cas réel ou vecteur alétoire). I - Loi d’une v.a. discrète Toute partie A de N étant une réunion dénombrable de sigletons {n}, on obtient la probabilité de l’événement (X ∈ A) à partir des probablités des événements (X = n) pour tout n ∈ N. Donner une loi discrète est simplement donner les valeurs des P(X = n) pour tout n dans N (ou une partie finie de N) On dira ’X suit la loi discrète donnée par P(X = n) = . . . ’ (et si possible on reconnaîtra une loi connue !). II - Loi d’une v.a. dans Rd : calcul de la fonction de répartition La fonction de répartition caractérise la loi. Il suffit alors donner les valeurs de la fonction FX (x) = P(X ≤ x) ∀x ∈ R (cas réel) ou pour un vecteur aléatoire X = (X1 , . . . , Xd ) de donner les valeurs de la fonction FX (x1 , . . . , xd ) = P((X1 ≤ x1 ) ∩ · · · ∩ (Xd ≤ xd )) ∀(x1 , . . . , xd ) ∈ Rd . On dira ’X suit la loi de fonction de répartition FX (x) = . . . ’ (et si possible on reconnaîtra la fonction de répartition d’une loi connue !). III - Loi d’une va. dans Rd : calcul de la densité Une grande partie des variables aléatoires à valeurs dans Rd avec d ≥ 1 sont des variables dites à densité par rapport à la mesure deR Lebesgue. Cela signifie qu’il existe une fonction f : Rd → R+ , appelée densité, vérifiant Rd f = 1 et pour tout borélien A, Z P(X ∈ A) = f (x1 , . . . , xd )dx1 . . . dxd A Dans ce cas, donner la densité détermine complètement la loi. Deux méthodes pour calculer la densité : 1 a) S’il existe une fonction f telle que la fonction de répartition s’écrive Z x f (t)dt (cas réel) FX (x) = −∞ Z xd Z x1 f (t1 , . . . , td )dt1 . . . dtd (cas général) ... F(X1 ,...,Xd ) (x1 , . . . , xn ) = −∞ −∞ alors la loi de X admet pour densité f . b) Si il existe une fonction f telle que pour toute fonction continue bornée g : Rd → R (pour d ≥ 1) on ait Z E[g(X1 , . . . , Xd )] = g(x1 , . . . , xd )f (x1 , . . . , xd )dx1 . . . dxd (cas général) Rd alors la loi de X admet pour densité f . On dira ’X suit la loi de densité f (t) = ... par rapport à la mesure de Lebesgue’ (et on reconnaîtra si possible la densité d’une loi connue !). IV - Calcul de la fonction génératrice ou fonction caractéristique Vous avez vu que pour une variable discrète, la fonction caractéristique GX (s) = E[sX ] caractérise la loi. On dira ’X suit la loi ayant pour fonction caractéristique GX (s) = ...’ (et on reconnaîtra si possible la fonction caractéristique d’une loi connue !). Cette méthode se généralisera plus tard aux variables aléatoires à valeurs dans R (ou d R ) avec l’introduction de la fonction caractéristique. Elle est très efficace pour calculer la loi d’une somme de v.a. indépendantes. X suit la loi Bernoulli de paramère p X ∼ B(p) Binomiale de paramètres n et p X ∼ B(n, p) Géométrique de paramètre p X ∼ G(p) Poisson de paramètre λ X ∼ P(λ) X suit la loi Uniforme sur [a, b] X ∼ U([a, b]) Exponentielle de paramètre λ X ∼ E(λ) P(X = n) P(X = 0) = 1 − p(= q) P(X = 1) = p ∀k ∈ {0, . . . n}, P(X = k) = nk pk q n−k ∀k ∈ N∗ , P(X = k) = p(1 − p)k−1 ∀k ∈ N, k P(X = k) = e−λ λk! Normale de paramètres µ et σ 2 X ∼ N (µ, σ 2 ) GX (s) = 1 − p + sp np (1 − p + sp)n 1 p 1−p 1−sp λ eλ(s−1) densité f (t) 1 fX (t) = b−a 1[a,b] (t) fX (t) = λ exp(−λt)1[0,+∞[ (t) 2 Normale centrée réduite X ∼ N (0, 1) E[X] = p fX (t) = fX (t) = 2 t √1 e− 2 2π √ 1 e− 2πσ 2 (t−µ)2 2σ 2 f.d.r FX (x) = P(X ≤ x) FX (x) = x−a 1 (x) b−a [a,b[ +1[b,+∞[ (x) FX (x) = (1 − e−λx )1[0,+∞[ (x)