Probabilités Kara-Zaitri Lydia École préparatoire en sciences et techniques d’Oran Programme de première année / 2 Chapitre 6 Couples aléatoires réels 6.1 Définitions 1. Couple aléatoire réel : On appelle couple aléatoire réel, noté c.a.r, tout couple de variables aléatoires (X, Y ). • (X, Y ) est dit couple aléatoire discret (c.a.d) si les variables X et Y sont discrètes. • (X, Y ) est dit couple aléatoire continu (c.a.c) si les variables X et Y sont continues. 2. Loi de probabilité conjointe : (a) Cas discret : La loi de probabilité conjointe d’un c.a.d (X, Y ) est donnée par : • X(Ω) et Y (Ω), • ∀xi ∈ X(Ω) et yj ∈ Y (Ω) : Pij = P(X = xi ∩ Y = yj ). P P Tels que : xi ∈X(Ω) yj ∈Y (Ω) Pij = 1 . Elle est souvent présentée sous forme d’un tableau. Exemple. Une urne contient 3 boules numérotées : 1, 2 et 3. On tire successivement et sans remise 2 boules de cette urne. L’espace Ω = {(1; 2), (1; 3), (2, 1), (2, 3), (3, 1), (3, 2)} . Soient les variables aléatoires : X qui donne le numéro de la 1ère boule tirée et Y qui donne le plus grand des deux numéros obtenus. • X(Ω) = {1, 2, 3} . • Y (Ω) = {2, 3} . La loi de probabilité conjointe du couple (X, Y ) est donnée par : Y \ X 1 2 3 2 1/6 1/6 \ 3 1/6 1/6 2/6 3 CHAPITRE 6. COUPLES ALÉATOIRES RÉELS 6.1. DÉFINITIONS (b) Cas continu : La loi de probabilité conjointe d’un c.a.c (X, Y ) est donnée par la fonction fX;Y appelée "densité de probabilité conjointe" telle que : • ∀(x, y) ∈ (X, Y )(Ω) : fX;Y (x, y) ≥ 0 . RR • R2 fX;Y (x, y) dx dy = 1. Exemple. Soit la densité de probabilité conjointe fX;Y définie par : 2 2 si x ≥ 0 et y ≥ 0, c x y exp(−x − y ) fX,Y (x, y) = 0 sinon. Donner la valeur de c. 3. Loi de probabilité marginale : (a) Cas discret : • La loi de probabilité marginale de la variable aléatoire X est donnée pour tout xi ∈ X(Ω) par : Pi. = P(X = xi ) = X P(X = xi ∩ Y = yj ) j • La loi de probabilité marginale de la variable aléatoire Y est donnée pour tout yj ∈ Y (Ω) par : P.j = P(Y = yj ) = X P(X = xi ∩ Y = yj ) i Elles sont souvent présentées dans le tableau de la loi de probabilité conjointe. Exemple. Dans l’exemple précédent, donner les lois marginales de X et de Y . Y \ 1 2 3 P.j 2 1/6 1/6 \ 2/6 3 1/6 1/6 2/6 4/6 Pi. 2/6 2/6 2/6 1 X (b) Cas continu : • La loi de probabilité marginale de la variable aléatoire X est donnée par : Z fX (x) = fX;Y (x, y) dy R • La loi de probabilité marginale de la variable aléatoire Y est donnée par : Z fY (y) = fX;Y (x, y) dx R Exemple. Dans l’exemple précédent, donner les lois marginales de X et de Y . 4 CHAPITRE 6. COUPLES ALÉATOIRES RÉELS 6.2. CARACTÉRISTIQUES D’UN COUPLE ALÉATOIRE 4. Loi de probabilité conditionnelle : La loi de probabilité de la variable X sachant que Y = y est donnée par : (a) Cas discret : P (X = x/Y = y) = P(X = xi ∩ Y = yj ) ; P(Y = yj ) si P(Y = yj ) 6= 0 (b) Cas continu : fX/Y =y (x) = fX;Y (x, y) ; fY (y) si fY (y) 6= 0 5. Indépendance : Les variables aléatoires X et Y sont dites indépendantes si et seulement si : (a) Cas discret : ∀(xi , yj ) ∈ (X, Y )(Ω) : P (X = xi ; Y = yj ) = P(X = xi ) × P(Y = yj ) (b) Cas continu : ∀(x, y) ∈ R2 : fX;Y (x, y) = fX (x) × fY (y) 6.2 Caractéristiques d’un couple aléatoire 1. Fonction de répartition conjointe : La fonction de répartition conjointe de (X, Y ) est définie par : FX;Y (x, y) = P(X 6 x ; Y 6 y) (a) Cas discret : FX;Y (x, y) = XX P(X = s ; Y = t) s≤x t≤y (b) Cas continu : Z x Z y FX;Y (x, y) = fX;Y (s, t) ds dt −∞ −∞ 2. Fonction de répartition marginale : (a) Cas discret : • La fonction de répartition marginale de la v.a. X est donnée par : FX (x) = X P(X = s) s≤x • La fonction de répartition marginale de la v.a. Y est donnée par : FY (y) = X t≤y 5 P(Y = t) CHAPITRE 6. COUPLES ALÉATOIRES RÉELS 6.2. CARACTÉRISTIQUES D’UN COUPLE ALÉATOIRE (b) Cas continu : • La fonction de répartition marginale de la v.a. X est donnée par : Z x FX (x) = fX (s) ds ou FX (x) = lim FX;Y (x, y) y→+∞ −∞ • La fonction de répartition marginale de la v.a. Y est donnée par : Z y FY (y) = fY (t) dt ou FY (y) = lim FX;Y (x, y) x→+∞ −∞ 3. Esperance mathématique : Soit φ une fonction continue sur (X, Y ) (Ω). (a) Cas discret : E (φ(X, Y )) = X X φ(x, y) P(X = x ; Y = y) X(Ω) Y (Ω) (b) Cas continu : ZZ E (φ(X, Y )) = φ(x, y) fX;Y (x, y) dx dy R2 4. Moments d’ordres r et s : Soient r et s ∈ N∗ . • Le moment simple d’ordres r et s est donné par : µr,s = E (X r Y s ) • Le moment centré d’ordres r et s est donné par : mr,s = E [(X − E(X))r . (Y − E(Y ))s ] 5. Covariance : La covariance entre X et Y est donnée par : cov(X, Y ) = m1,1 = E [(X − E(X)) . (Y − E(Y ))] = E (X . Y ) − E (X) . E (Y ) 6. Corrélation : Le coefficient de corrélation entre X et Y est donné par : ρ(X ; Y ) = cov(X, Y ) ∈ [−1 ; 1] σ(X) .σ(Y ) Propriétés. Si les variables X et Y sont indépendantes alors : • E (X . Y ) = E (X) . E (Y ) . • cov(X, Y ) = 0 . • ρ(X ; Y ) = 0 . 6 CHAPITRE 6. COUPLES ALÉATOIRES RÉELS 6.2. CARACTÉRISTIQUES D’UN COUPLE ALÉATOIRE 7. Fonction génératrice des moments : Elle nous permet d’avoir les moments simples d’ordres r et s, (∀r, s ∈ N∗ ), et est donnée par : gX;Y (t1 , t2 ) = E et1 X + t2 Y Le moment simple d’ordres r et s est donné par : µr,s = E (X r Y s ) = dr+s gX;Y (t1 , t2 ) |t1 =0 ; t2 =0 dtr1 dts2 7