27/09/2013 UE 4 Evaluation des méthodes d’analyse appliquées aux sciences de la vie et de la santé Statistique Variables aléatoires Frédéric Mauny - 27 septembre et 3 octobre 2013 © F. Mauny - UFR SMP – Université de Franche-Comté 1 Plan du cours 1. Variable aléatoire 1. Définition 2. Loi de probabilité et représentation 3. Fonction de répartition 4. Caractéristiques de position/dispersion 5. Opérations sur les variables aléatoires 2. Lois de probabilité usuelles © F. Mauny - UFR SMP – Université de Franche-Comté 2 1 27/09/2013 VA : définition intuitive Un couple prévoit d’avoir 3 enfants X=nombre de filles « Avoir exactement une fille » (X=1) e Pr(e) (GGG) 0,14 (GGF) 0,13 (GFG) 0,13 (GFF) 0,12 (FGG) 0,13 (FGF) 0,12 (FFG) 0,12 (FFF) 0,11 X Basé sur p(G)=0,52 x P(x) 0 0,14 1 0,39 2 0,36 3 0,11 Pr(X = 1) ou p(1) 0,13 + 0,13 + 0,13 = 0,39 Une variable aléatoire discrète prend différentes valeurs xi avec des probabilités définies par sa loi de probabilité p(x) © F. Mauny - UFR SMP – Université de Franche-Comté 3 VA : définition formelle • Soit E un ensemble d’évènements pour lesquels on a défini une distribution de probabilité (E est un ensemble probabilisé) • Une variable aléatoire X est une fonction numérique définie sur cet espace E • A chaque evt. élémentaire de E, on fait correspondre un nombre x selon une règle bien définie (une application de l’ensemble E dans l’ensemble ) • A chaque sous-ensemble de nombre, on peut attribuer la probabilité du sous-ensemble de E qui lui correspond on définit ainsi la distribution de probabilité de la VA © F. Mauny - UFR SMP – Université de Franche-Comté 4 2 27/09/2013 Caratéristiques d’une VA • Convention d’écriture : la variable aléatoire X (majuscule), et la valeur observée x (minuscule) • Typologie : – variable aléatoire discontinue (ou discrète) – variable aléatoire continue : la variable X peut prendre toutes les valeurs sur un certain intervalle fini ou infini • Si X et Y sont des VA, alors – Z=X+Y, Z= X-Y sont des VA – Z=aX est une VA, a étant une constante réelle – Z=XY, Z=X/Y sont des VA – Z=Xn est une VA © F. Mauny - UFR SMP – Université de Franche-Comté 5 Loi de probabilité, VA discrète • A chaque valeur xi, on associe une probabilité pi telle que : pi = Pr(X = xi). • Ensemble des couples (xi,pi) constitue la loi de probabilité de la variable discontinue X • Ex : X : VA « Avoir exactement une fille » définissant une application de E dans {0,1,2,3} x P(x) 0 0,14 1 0,39 2 0,36 3 0,11 © F. Mauny - UFR SMP – Université de Franche-Comté Tableau des probabilités 6 3 27/09/2013 Représentation graphique VA discrète Diagramme des probabilités – en abscisse : les différentes valeurs de la VA, classées par ordre de grandeur croissante – en ordonnée, la probabilité de chaque valeur Ex X : VA « Avoir exactement une fille » Probabilité x © F. Mauny - UFR SMP – Université de Franche-Comté 7 Représentation graphique VA continue • X peut prendre une infinité de valeurs à l'intérieur de l'intervalle de variation • Diagramme remplacé par une courbe représentant la fonction de densité de probabilité f(x), telle que f(x)dx= Pr(x<X<x+dx) • Probabilité définie non plus pour un x mais pour un intervalle et proportionnelle à la surface sous la courbe © F. Mauny - UFR SMP – Université de Franche-Comté 8 4 27/09/2013 Loi de probabilité, VA continue • La loi de probabilité est déterminée si on connaît pour tout intervalle [xa, xb], la probabilité que xi soit comprise entre xa et xb, soit Pr(xa< X <xb). • Pr(X = xi) non définissable, xi un point parmi une infinité de points • Loi de probabilité est continue, on définit la fonction +∞ f(x), telle que : f(x) ≥ 0 et ∫ f(x)dx=1 −∞ b • Pr(a< X <b)=∫a f(x)dx © F. Mauny - UFR SMP – Université de Franche-Comté 9 Fonction de répartition VA discrète • Soit X VA discrète, {x1,x2,…, xi, …xn} • Fonction de répartition de X : u→F(u)=∑ f(x1) F(x1)= f(x1) x1<u F(x2)= f(x1)+ f(x2) F(xi)= f(x1)+ f(x2)+...+ f(xi) F(xn)=1 © F. Mauny - UFR SMP – Université de Franche-Comté 10 5 27/09/2013 Fonction de répartition VA continue • Soit X VA continue • Fonction de répartition de X : u u→F(u)= ∫ f(x)dx=Pr(X ≤u) −∞ D’où, b F(b)−F(a)=∫ f(x)dx=Pr(a≤ X ≤b) a © F. Mauny - UFR SMP – Université de Franche-Comté 11 Plan du cours 1. Variable aléatoire 1. Définition 2. Loi de probabilité et représentation 3. Fonction de répartition 4. Caractéristiques de position/dispersion 5. Opérations sur les variables aléatoires 2. Lois de probabilité usuelles © F. Mauny - UFR SMP – Université de Franche-Comté 12 6 27/09/2013 On peut résumer une VA de façon plus synthétique x par : • Une caractéristique de position Espérance mathématique • Une caractéristique de dispersion Variance et écart-type © F. Mauny - UFR SMP – Université de Franche-Comté 13 Espérance mathématique d’une VA Espérance mathématique notée E(X) • Soit X une VA discrète n E(X)=x1 f(x1)+ x2 f(x2)+...+ f(xn)=∑xi f(xi) i=1 • Soit X une VA continue +∞ E(X)= ∫ xf(x)dx −∞ © F. Mauny - UFR SMP – Université de Franche-Comté 14 7 27/09/2013 Variance et écart-type d’une VA Dispersion autour de l’espérance mathématique, notée var(X) ou σ² Var ( X ) = E [( X − µ )²] • Si X une VA discrète n Var ( X ) = ∑ [xi − E ( X )]² f ( xi ) i =1 Var ( X ) = E ( X ²) − [E ( X )]² n Soit Var ( X ) = ∑ xi2 f ( xi ) − µ ² i =1 © F. Mauny - UFR SMP – Université de Franche-Comté 15 Variance et écart-type d’une VA • Si X une VA continue Var ( X ) = +∞ 2 [ ] x − E ( X ) f ( x)dx ∫ −∞ Var ( X ) = +∞ +∞ ∫ x² f ( x)dx − ∫ (xf ( x)dx ) 2 −∞ =E ( X ²) − [E ( X )] 2 −∞ © F. Mauny - UFR SMP – Université de Franche-Comté 16 8 27/09/2013 Plan du cours 1. Variable aléatoire 1. Définition 2. Loi de probabilité et représentation 3. Fonction de répartition 4. Caractéristiques de position/dispersion 5. Opérations sur les variables aléatoires 2. Lois de probabilité usuelles © F. Mauny - UFR SMP – Université de Franche-Comté x= 17 ∑x i n Transformation de variable Soit X une VA, a et b deux constantes • Y=aX +b est une VA • E(Y) = a.E(X) + b • Var(Y)=a² Var(X) Soit X VA, E(X)= µ et Var(X)=σ² • Soit Z une VA centrée réduite Z= X −µ σ © F. Mauny - UFR SMP – Université de Franche-Comté E (Z ) = 0 Var ( Z ) = 1 18 9 27/09/2013 x= ∑x i Plusieurs VA n Soit X et Y deux VA • E(X+Y)=E(X)+E(Y) • Var(X+Y)=Var(X)+Var(Y)+2cov(X,Y) • cov(X,Y)= E(XY)-E(X)E(Y) • Si X et Y sont indépendantes, alors E(XY)=E(X)E(Y) © F. Mauny - UFR SMP – Université de Franche-Comté 19 Plan du cours 1. Variable aléatoire 2. Lois (distribution) de probabilité usuelles 1. Lois discrètes 1. Binomiale 2. Poisson 2. Lois continues 1. Normale ou Laplace-Gauss © F. Mauny - UFR SMP – Université de Franche-Comté 20 10