ECON 207-PARTIE II Probabilité- LEC3/1 R.Dayangaç November 1, 2016 R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 1 / 23 CH II Variables Aléatoires 1 Qu’est-ce qu’une variable aléatoire (VA)? 2 V.A. Unidimensionelle Discrete et Continue 3 Exemples 4 Références pour la Partie II R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 2 / 23 On sait qu’une fonction de probabilité est une mesure de l’espace fondamentale dans l’intervalle [0, 1] On peut attribuer aux réalisations de l’espace fondamentale une valeur réelle x (une mesure quantitative de la réalisation) Cette correspondance est la variable aléatoire X . Sachant qu’il est définie une mesure de probabilité de l’espace fondamentale dans [0, 1], alors chaque valeur de X va aussi avoir une probabilité associée. R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 3 / 23 Definition Une variable aléatoire X est une mesure réelle dans l’espace fondamentale Ω. On va distinguer les v.a. associés à un espace fondamentale selon les caractéristiques des réalisations et selon le nombre de dimension que les résultats sont observés. Discret vs. Continue Unidimensionnelle vs. Multidimensionnelle R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 4 / 23 Example On lance trois pièces de monnaie simultanément. Quel est l’espace fondamentale Ω ? Quel mesure quantitative peut-on définir sur les réalisations? P(X = x) = k, k ∈ [0, 1] ? LHS ==> x est la valeur réelle associé à la réalisation ”..............” ; P(.) est la fonction de proba. qui retourne une valeur dans [0, 1] RHS ==> k est la probabilité associée R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 5 / 23 V.A. Unidimensionelle Discrète I Definition X est une v.a. discrete si elle prend seulement un nombre fini de valeurs x1 , x2 , ...xn sur l’axe des x et a une fonction de probabilité P(X = x) définie pour ∀x dans l’espace fondamentale telle P que la probabilité d’un événement quelconque A est donné par P(A) = A P(X = x). Propriétés i ) P(X = xi ) ≥ 0 P ii ) Ω P(X = xi ) = 1 P iii ) P(a < X ≤ b) = bi>a P(X = xi ) iv ) La fonction de répartition de X est notée F (X ), X F (x) = P(X ∈ (−∞; x]) = P(X = xi ) xi ≤x R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 6 / 23 V.A. Unidimensionelle Discrète II Definition Une séquence d’essais indépendants ayant seulement deux résultats possibles pour chaque essaie, comme succès et échec, et une probabilité de succès p constant, est dite un essais de Bernouilli. On peut maintenant introduire deux distributions de probabilité qui se dérivent d’une séquence d’essaies de Bernouilli: la loi binomial et la loi géométrique R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 7 / 23 V.A. Unidimensionelle Discrète III Definition La v.a. discrète X qui est le numéro de l’essaie où on obtient le premier succès, dans une séquence de n essaies de Bernouilli est dite une v.a. géometrique. La distribution de probabilité de X s’écrit alors, P(X = k) = (1 − p)k−1 p , k = 1, 2, 3, ...n où p est la probabilité constante de succès. R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 8 / 23 V.A. Unidimensionelle Discrète IV Definition La v.a. discrète X qui est le nombre de succès dans une séquence de n essaies de Bernouilli est dite une v.a. binomiale. La distribution de probabilité de X s’écrit alors, n P(X = k) = (1 − p)n−k p k , k = 1, 2, 3, ..n k où p est la probabilité constante de succès. R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 9 / 23 V.A. Unidimensionelle Discrète V Definition La v.a. discrète X suit une loi uniforme si es valeurs de X sont finis et équiprobable telle que pour X ∈ x1 , x2 , x3 , ....., xn , 1 pour ∀i, i = 1, 2, 3, ..n n où p est la probabilité constante de succès. P(X = xi ) = R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 10 / 23 V.A. Unidimensionelle Continue I Definition X est une v.a. continue s’il existe une fonction f (.) non-negative et intégrable dans R définie pour ∀x dans −∞ < x < ∞ et telle que la probabilité d’un événement quelconque A est Z P(A) = f (x)dx A f (x) est dite la densité de X R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 11 / 23 V.A. Unidimensionelle Continue II Definition Si X est une R x v.a. continue et f (x) est non-négative et intégrable dans R telle que −∞ f (t)dt = F (x) pour ∀x, Z P(a ≤ X ≤ b) = b f (t)dt = F (b) − F (a) a F (x) est la fonction de répartition ou la densité cumulative de X . Pour F (x) continue et différentiable dans R et R.Dayangaç dF dx = f (x), ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 12 / 23 Remarque: V.A. Mixe Dans certains cas, la v.a. peut être continue sur une intervalle et peut aussi assumer des valeurs discrets tout au long de l’intervalle des valeurs possibles. Alors, le graphique de la distribution va avoir des parties continues mais aussi des sauts ou des points discrets. Une telle variable est appelée une v.a. mixe. R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 13 / 23 Example On lance une monnaie trois fois. On veut établir la distribution du nombre de face obtenu. a) Définir la va. X associée. b) Donner la fonction de distribution de probabilité P de X et faire son graphique. c) Donner la fonction de répartition de X et faire son graphique. R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 14 / 23 [0, 1] ΩX Ω 1 8 FFP PPP 0 FPF PFF 1 3 8 PPF FPP 2 3 8 3 1 8 P FFF PFP Figure: Lancement d’une piece de monnaie 3 fois R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 15 / 23 X est la v.a. associé et les valuers possibles de X sont données par ΩX = 0, 1, 2, 3. La fonction de distribution de probabilité pour X est, 1 pour x = 0 83 x =1 8 pour P(X = x) = 3 pour x =2 81 x =3 8 pour La fonction de répartition pour X est, 0 si 18 si 4 F (x) = P(X ≤ x) 8 si 7 si 8 1 si R.Dayangaç x <0 0≤x <1 1≤x <2 2≤x <3 x ≥3 ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 16 / 23 P(x) 0.5 0.38 0.25 0.13 0 1 2 X 3 4 Figure: La distribution de probabilité de X R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 17 / 23 F (x) 1 0.75 0.5 0.25 −2 −1 0 1 2 3 4 5 X Figure: La fonction de répartition de X R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 18 / 23 Example a) b) c) R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 19 / 23 Voir les TD 3, TD4 pour les exercices résolues. Ch IV-V dans Sheldon, Ross (2004), Introduction to Probability and Statistics for Engineers and Scientists, Third Edition, Elsevier Academic Press. Ch II-III dans Dimitri P. Bertsekas and John N. Tsitsiklis (2008), Introduction to Probability, Second Edition, Athena Scientific. R.Dayangaç ECON 207-PARTIE II Probabilité- LEC3/1 November 1, 2016 20 / 23