Variables aléatoires Variables aléatoires continues Probabilités et Statistiques [email protected] https://math.maths.univ-evry.fr/cprofeta Amphi n◦ 2 Novembre 2016 Espérance et variance Variables aléatoires Variables aléatoires continues Plan 1 Variables aléatoires 2 Variables aléatoires continues 3 Espérance et variance Espérance et variance Variables aléatoires Variables aléatoires continues Espérance et variance Variable aléatoire Définition Une variable aléatoire est une application X : Ω −→ R, c’est-à-dire une fonction qui associe un réel à chaque résultat possible d’une expérience. On note X(Ω) l’ensemble des valeurs que peut prendre X. Variables aléatoires Variables aléatoires continues Exemple On joue à Pile ou Face. Je parie 5 euros sur Pile. Mon gain X est défini par : X: Ω = {Pile, Face} Pile Face On a ici X(Ω) = {5, −5}. −→ 7−→ 7−→ R 5 −5. Espérance et variance Variables aléatoires Variables aléatoires continues Espérance et variance Exemple On joue à Pile ou Face. On lance un dé. Je parie 5 euros sur Pile. Mon gain X est défini par : Je parie 5 euros sur un chiffre pair. Mon gain Y est défini par : X: Ω = {Pile, Face} Pile Face On a ici X(Ω) = {5, −5}. −→ 7−→ 7−→ R 5 −5. Y: Ω = {1, . . . , 6} 2,4,6 1,3,5 −→ 7−→ 7−→ On a ici Y(Ω) = {5, −5}. R 5 −5. Variables aléatoires Variables aléatoires continues Espérance et variance Exemple On joue à Pile ou Face. On lance un dé. Je parie 5 euros sur Pile. Mon gain X est défini par : Je parie 5 euros sur un chiffre pair. Mon gain Y est défini par : X: Ω = {Pile, Face} Pile Face On a ici X(Ω) = {5, −5}. −→ 7−→ 7−→ R 5 −5. Y: Ω = {1, . . . , 6} 2,4,6 1,3,5 −→ 7−→ 7−→ On a ici Y(Ω) = {5, −5}. Remarque : le choix du jeu n’a aucune importance. D’un point de vue probabiliste, ces 2 jeux sont les mêmes. P({Gagner 5 euros}) = P(X = 5) = P(Y = 5) = 1 2 1 P({Perdre 5 euros}) = P(X = −5) = P(Y = −5) = 2 Ces probabilités sont ce que l’on appelle la loi de X (et de Y) . R 5 −5. Variables aléatoires Variables aléatoires continues Espérance et variance Variables aléatoires discrètes Définition Une variable aléatoire X est dite discrète si X ne prend qu’un nombre fini (ou dénombrable) de valeurs : X(Ω) = {x1 , . . . , xn }. Dans ce cas, on définit la loi de X en spécifiant les valeurs P(X = xi ) pour tout i ∈ {1, . . . , n}. Variables aléatoires Variables aléatoires continues Espérance et variance Variables aléatoires discrètes Loi de Bernoulli Une variable aléatoire X suit la loi de Bernoulli de paramètre p ∈ [0, 1] si X(Ω) = {0, 1} et : P(X = 1) = p On note X ∼ B(p). et P(X = 0) = 1 − p. Variables aléatoires Variables aléatoires continues Espérance et variance Variables aléatoires discrètes Loi de Bernoulli Une variable aléatoire X suit la loi de Bernoulli de paramètre p ∈ [0, 1] si X(Ω) = {0, 1} et : P(X = 1) = p et P(X = 0) = 1 − p. On note X ∼ B(p). Modèle On considère une expérience aléatoire dont la probabilité de succès est p. Alors X définie par X : Ω = {Succès, Echec} −→ R Succès 7−→ 1 Echec 7−→ 0. suit une loi de Bernoulli de paramètre p. Variables aléatoires Variables aléatoires continues Espérance et variance Loi binomiale Définition On considère une expérience aléatoire dont la probabilité de succès est p. On répète n fois cette expérience de manière indépendante et on note X le nombre de succès obtenus. On a donc X(Ω) = {0, . . . , n}. Variables aléatoires Variables aléatoires continues Espérance et variance Loi binomiale Définition On considère une expérience aléatoire dont la probabilité de succès est p. On répète n fois cette expérience de manière indépendante et on note X le nombre de succès obtenus. On a donc X(Ω) = {0, . . . , n}. Alors la loi de X est donnée par : P(X = k) = Cnk × pk × (1 − p)n−k pour k ∈ {0, . . . , n}. On dit que X suit la loi binomiale de paramètres n et p, ce que l’on note X ∼ B(n, p). Variables aléatoires Variables aléatoires continues Espérance et variance Exemple Un QCM comporte 20 questions avec à chaque fois 4 réponses possibles. Un candidat répond complètement au hasard au QCM. On note X son nombre de bonnes réponses. Quelle est la probabilité qu’il ait : 1 5 bonnes réponses ? 2 10 bonnes réponses ? Variables aléatoires Variables aléatoires continues Espérance et variance Exemple Un QCM comporte 20 questions avec à chaque fois 4 réponses possibles. Un candidat répond complètement au hasard au QCM. On note X son nombre de bonnes réponses. Quelle est la probabilité qu’il ait : 1 5 bonnes réponses ? 5 P(X = 5) = C20 ×0, 255 × 0, 7515 ' 0, 20 |{z} =15 504 2 10 bonnes réponses ? Variables aléatoires Variables aléatoires continues Espérance et variance Exemple Un QCM comporte 20 questions avec à chaque fois 4 réponses possibles. Un candidat répond complètement au hasard au QCM. On note X son nombre de bonnes réponses. Quelle est la probabilité qu’il ait : 1 5 bonnes réponses ? 5 P(X = 5) = C20 ×0, 255 × 0, 7515 ' 0, 20 |{z} =15 504 2 10 bonnes réponses ? 10 P(X = 10) = C20 ×0, 2510 × 0, 7510 ' 0, 01 |{z} =184 756 Variables aléatoires Variables aléatoires continues Plan 1 Variables aléatoires 2 Variables aléatoires continues 3 Espérance et variance Espérance et variance Variables aléatoires Variables aléatoires continues Quel est le problème ? Je pense à un chiffre X entre 0 et 3. X est une v.a. discrète à valeurs dans {0, 1, 2, 3} dont la loi est donnée par : Espérance et variance Variables aléatoires Variables aléatoires continues Quel est le problème ? Je pense à un chiffre X entre 0 et 3. X est une v.a. discrète à valeurs dans {0, 1, 2, 3} dont la loi est donnée par : Valeur Proba 0 0,25 1 0,25 En particulier : P(X ≤ 2) = P(X < 2) = 2 0,25 3 0,25 Espérance et variance Variables aléatoires Variables aléatoires continues Quel est le problème ? Je pense à un chiffre X entre 0 et 3. X est une v.a. discrète à valeurs dans {0, 1, 2, 3} dont la loi est donnée par : Valeur Proba 0 0,25 1 0,25 2 0,25 En particulier : P(X ≤ 2) = 0, 75 P(X < 2) = 0, 5 3 0,25 Espérance et variance Variables aléatoires Variables aléatoires continues Espérance et variance Quel est le problème ? Je pense à un chiffre X entre 0 et 3. X est une v.a. discrète à valeurs dans {0, 1, 2, 3} dont la loi est donnée par : Valeur Proba 0 0,25 1 0,25 2 0,25 En particulier : P(X ≤ 2) = 0, 75 P(X < 2) = 0, 5 3 0,25 Je pense à un nombre Y entre 0 et 3. Y est une v.a. à valeurs dans [0, 3] donc la loi est donnée par : Variables aléatoires Variables aléatoires continues Espérance et variance Quel est le problème ? Je pense à un chiffre X entre 0 et 3. X est une v.a. discrète à valeurs dans {0, 1, 2, 3} dont la loi est donnée par : Valeur Proba 0 0,25 1 0,25 2 0,25 En particulier : P(X ≤ 2) = 0, 75 P(X < 2) = 0, 5 Je pense à un nombre Y entre 0 et 3. Y est une v.a. à valeurs dans [0, 3] donc la loi est donnée par : 3 0,25 ??????? Néanmoins : P(Y ≤ 2) = P(Y < 2) = Variables aléatoires Variables aléatoires continues Espérance et variance Quel est le problème ? Je pense à un chiffre X entre 0 et 3. X est une v.a. discrète à valeurs dans {0, 1, 2, 3} dont la loi est donnée par : Valeur Proba 0 0,25 1 0,25 2 0,25 En particulier : P(X ≤ 2) = 0, 75 P(X < 2) = 0, 5 Je pense à un nombre Y entre 0 et 3. Y est une v.a. à valeurs dans [0, 3] donc la loi est donnée par : 3 0,25 ??????? Néanmoins : P(Y ≤ 2) = 2/3 P(Y < 2) = 2/3 Variables aléatoires Variables aléatoires continues Espérance et variance Variables aléatoires continues Définition On dit qu’une variable aléatoire X est continue et admet une densité f si, pour tous les réels a ≤ b, on a Z b f (x)dx. P(a ≤ X ≤ b) = a f doit être positive, intégrable sur R et R +∞ −∞ f (x)dx = 1. Variables aléatoires Variables aléatoires continues Espérance et variance Variables aléatoires continues Définition On dit qu’une variable aléatoire X est continue et admet une densité f si, pour tous les réels a ≤ b, on a Z b f (x)dx. P(a ≤ X ≤ b) = a f doit être positive, intégrable sur R et R +∞ −∞ f (x)dx = 1. Remarque La probabilité que X appartienne à l’intervalle [a, b] correspond donc à l’aire sous la courbe représentative de f , entre a et b. En particulier, pour tout réel a, P(X = a) = 0. On dit que X ne charge pas les points. Variables aléatoires Variables aléatoires continues Espérance et variance Exemple : la loi normale Définition Une variable aléatoire X suit une loi normale (ou gaussienne) de paramètre m et σ 2 si X(Ω) = R et si sa densité f vaut : f (x) = √ ce que l’on note X ∼ N (m, σ 2 ). 1 2πσ 2 − e (x−m)2 2σ 2 , Variables aléatoires Variables aléatoires continues Espérance et variance Exemple : la loi normale Définition Une variable aléatoire X suit une loi normale (ou gaussienne) de paramètre m et σ 2 si X(Ω) = R et si sa densité f vaut : f (x) = √ 1 2πσ 2 − e (x−m)2 2σ 2 , ce que l’on note X ∼ N (m, σ 2 ). Remarque - La loi N (0, 1) est appelé loi normale centrée réduite. X−m - Si X ∼ N (m, σ 2 ), alors ∼ N (0, 1). σ Variables aléatoires Variables aléatoires continues Plan 1 Variables aléatoires 2 Variables aléatoires continues 3 Espérance et variance Espérance et variance Variables aléatoires Variables aléatoires continues Espérance = Moyenne Cas discret Si X(Ω) = {x1 , . . . , xn }, on définit l’espérance de X par : E[X] = n X xk × P(X = xk ) k=1 Exemple : Si X suit une loi de Bernoulli B( 12 ) : E[X] = 0 × 1 1 1 +1× = 2 2 2 Espérance et variance Variables aléatoires Variables aléatoires continues Espérance et variance Espérance = Moyenne Cas discret Cas continu Si X(Ω) = {x1 , . . . , xn }, on définit l’espérance de X par : Si X a pour densité f , on définit l’espérance de X par : Z +∞ E[X] = x f (x) dx. E[X] = n X xk × P(X = xk ) k=1 Exemple : Si X suit une loi de Bernoulli B( 12 ) : E[X] = 0 × 1 1 1 +1× = 2 2 2 −∞ Exemple : Si X suit une loi normale N (0, 1) : Z +∞ x2 1 E[X] = x √ e− 2 dx = 0. 2π −∞ Variables aléatoires Variables aléatoires continues Espérance et variance Variance / Ecart-type = Tendance à s’écarter de la moyenne Cas discret Cas continu Si X(Ω) = {x1 , . . . , xn }, on définit la variance de X par : Si X a pour densité f , on définit la variance de X par : Z +∞ V(X) = x2 f (x)dx − (E[X])2 . V(X) = n X xk2 P(X = xk ) − (E[X])2 k=1 On appelle σ(X) = p V(X) l’écart-type de X. −∞ Variables aléatoires Variables aléatoires continues Espérance et variance Signification Voici la répartition des notes de maths dans 2 classes. Classe 1 Classe 2 Notes X Proba 1 0, 5 19 0, 5 Notes Y Proba 8 0, 5 12 0, 5 Variables aléatoires Variables aléatoires continues Espérance et variance Signification Voici la répartition des notes de maths dans 2 classes. Classe 1 Classe 2 Notes X Proba 1 0, 5 19 0, 5 Alors l’espérance vaut E[X] = 1 × 0, 5 + 19 × 0, 5 = 10 Notes Y Proba 8 0, 5 12 0, 5 Alors l’espérance vaut E[Y] = 8 × 0, 5 + 12 × 0, 5 = 10 Variables aléatoires Variables aléatoires continues Espérance et variance Signification Voici la répartition des notes de maths dans 2 classes. Classe 1 Classe 2 Notes X Proba 1 0, 5 Notes Y Proba 19 0, 5 Alors l’espérance vaut E[X] = 1 × 0, 5 + 19 × 0, 5 = 10 et la variance Alors l’espérance vaut E[Y] = 8 × 0, 5 + 12 × 0, 5 = 10 V(Y) = 82 × 0, 5 + 122 × 0, 5 − 100 = 81 σ(X) = 12 0, 5 et la variance V(X) = 12 × 0, 5 + 192 × 0, 5 − 100 donc 8 0, 5 =4 √ donc 81 = 9. √ σ(Y) = 4 = 2.