Mathématiques L3 MIAGE
Résumé : Variables aléatoires / Lois classiques
1 Variables aléatoires
Variable aléatoire Fonction de Ωdans R.
Loi de probabilité d’une variable aléatoire Xsur un univers Ω:
Fonction de Rdans [0; 1],f(x) = P(X=x):
x x1x2. . . xn
P(X=x)p1p2. . . pn
Fonction de répartition de X: Fonction de Rdans [0; 1] définie par F(x) = P(X≤x).
Espérance d’une variable aléatoire X:E[X] = N
P
i=1
(xi×P(X=xi)).
Variance de X: Var(X) = E[(X−E[X])2] = N
P
i=1
(xi−E[X])2×P(X=xi)).
Écart-type de X:σ(X) = pVar(X).
Variable centrée L’espérance est nulle; centrée de X:Y=X−E[X].
Variable réduite L’écart-type vaut 1; réduite de X:Y=X/σ(X).
Variable standardisée La variable est centrée et réduite.
Centrée-réduite de X : Y=X−E[X]
σ(X).
2 Propriétés
•Loi de probabilité et fonction de répartition prennent des valeurs dans [0; 1].
•La somme des cases basses du tableau d’une loi de probabilité vaut 1.
•L’espérance est la moyenne des valeurs (pondérées par les probabilité).
•Théorème de transfert : Xune v.a. et φ:R→Ret Y=φ(X), alors :
E[Y] = E[φ(X)] = X
i
(φ(xi)×P(X=xi)).
•Linéarité de l’espérance : E[aX +bY ] = aE[X] + bE[Y].
•Croissance de l’espérance : X≤Y=⇒E[X]≤E[Y].
•Espérance et valeur absolue : E[X]≤E[|X|].
•La variance est la moyenne des écarts à la moyenne.
•Théorème de König : Var(X) = E[X2]−E[X]2.
•Variance d’une constante : Var(X)=0 ⇐⇒ Xest une constante.
•Pseudo-linéarité de la variance : Var(aX +b) = a2Var(X).
•Linéarité de la variance : si Xet Ysont indépendants alors Var(X+Y) = Var(X)+Var(Y).