B. R OY
Une introduction au calcul des probabilités
Mathématiques et sciences humaines, tome 2 (1963), p. 3-13
<http://www.numdam.org/item?id=MSH_1963__2__3_1>
© Centre d’analyse et de mathématiques sociales de l’EHESS, 1963, tous droits réservés.
L’accès aux archives de la revue « Mathématiques et sciences humaines » (http://
msh.revues.org/) implique l’accord avec les conditions générales d’utilisation (http://www.
numdam.org/conditions). Toute utilisation commerciale ou impression systématique est consti- tutive d’une infraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
COMMENT INTRODUIRE LE CALCUL DES PROBABILITES
La
question
del’enseignement
d’éléments de calcul des Probabilités sepose nécessairement à ceux d’entre nous
qui
i sontchargés d’enseignements
deStatistique;
sur cequ’ i
1 convient defaire,
selon le niveau des étudiants etle but que se propose le cours de
Statistique,
la discussion est ouverte, et c’est I r un desobjets
de ce bulletin de la faire avancer enpermettant
laconfrontation des idées et des
expériences. Mais,
en dehors des"questions préalables :
faut-il 1beaucoup,
peu, ou pas du tout de calcul t des Probabili- tés ?Quelles parties
du Calcul 1 des Probabilités sont ut 1 1 es ou nécessaires pour une bonnecompréhension
du cours deStatistique?
leproblème
difficilede I a
façon
dont i l faut introduire re Cal cu I des Probabilités pour des étu- diantsqui
i y sont peupréparés
et ou ont unbagage mathématique
trèsléger
mérite réflexion. ,
Les deux text’es de B. ROY et M. BARBUT
qubn
1i ra,
sansprétendre
à riend’original
en lamatière,
fournissent deux échantillonsd’inspiration
etd’rntention très
différentes,
de cequi peut être
fait et a effectivement été fait pour certainspublics.
Bienentendu,
i i sn’épuisent
pas 1 esujet,
et d’autres voies sont
possibies;
nous souhaitons vivement que noscollègues
nous soumettent leurs propres
suggestions
pour. que nouspuissions
en faireprofiter
tout le monde dans les numérosultérieures.
’
.
UNE
INTRODUCTION
AUCALCUL DES PROBABILITES
B.ROY
Ce texte de Bernard ROY est celui du chapitre d’introduction d’un livre à paraître dans les monographies de la Société Française de Recherche Opéra- tionnelle : "Aléas
Numériques
et Distributions de ProbabilitéUsuelles".
Qu’il
nous soit permis de remercier ici l’auteur et la S.O.F.R.O. de nousavoir
autorisés à publier cette introduction en "Bonnes feuilles" avant la sortie del’ouvrage.
Section
A:ALEAS et PROBABILITE
~
1. CONCEPTS FONDAMENTAUX
z
La vie
économique
et sociale fourmille dephénomènes
soumis à des causes in-nombrables et accidentelles dont l’enchev4tremen-t nous
échappe.
Ce sera par exem-ple
le cas du montant d’unefacture,
de l’état d’unstock,
de la panne dlune ma-chine,
y de l’arrivée d’un bateau dans unport,
de la récolte d~unproduit agricole,
de 1 Lévolut ion d lune
population,
desmigrations journalières~~.,~.
Lesgrandeur
liées à de tels
phénomènes
nepeuvent
donc êtreprédites
avec certitude.Pourtant,
des
problèmes importants
tels que ceuxposés
par latrésorerie,
y lagestion
desstocks,
y le renouvellement desmatériels, 1 ’ équipement portuaire,
les marchésagri- coles,
les investissementsscolaires,
y lesplans d~urbanisme~.., obligent
à raison-ner sur ces
grandeurs et, parfois même,
à lesintégrer
dans un modèle. C’estpré-
- cisément à ce souci que
répond
leconcept
deprobabilité
ainsi que les axiomessur
lesquels
se fonde le calcul desprobabilités.
a) épreuves - événement - aléas
Les trois
concepts
recouverts par ces mots ne doiventjamais
être confondus.On
désigne généralement
parépreuve
uneexpérience
dont l’issue finale est soumise au hasard: il faut entendre par làqu’elle dépend
d"une foule decompéti-
tions successives et instables
qui
la rendent aléatoire.Un
évènement
est dit lié à uneépreuve
si sagenèse dépend précisément
de l’issue de cetteépreuve.
Onpeut parler
de l’ensemble de tous les évènements liés à uneépreuve:
on le nomme souvent ensemble fondamental.Enfin,
nousappellerons
aléan’importe quelle caractéristique
commune à toutou
partie
des évènements liés à uneépreuve,
Cettecaractéristique peut
être unnombre, auquel
cas nous dironsqu1il s’agit
d~un aléanumériques (1)~
Onpeut
êtreamené à considérer des aléas
plus complexes
telsqu’un
groupede
nombres(aléa vectoriel)
ou une fonction(aléa fonctionnel
Voici deux
exemples simples qui pourront
aider àcomprendre llimportance
etla
spécificité
de ces troisconcepts.
Supposons qu~~on analyse
la clientèle dxuneentreprise (en
vue, parexemple,
d~améliorer sa trésorerie oud’organiser
lagestion
simultanée desapprovisionne-
ments et des
stocks). L’épreuve
pourraapparaître
comme leprocédé qui
conduit àconsidérer un client
(premier arrivé, tirage
dans unf ichier) .~
L’aléa étudié pour-ra être le lieu de résidence du client ou à valeur de sa dernière commande. L’évè- nement sera alors TARIS" ou "50o NF" ~
Considérons des éléments
(individus
ouobjets) susceptibles
d’êtrecomparés
à des fins
précises
par unepopulation>
Si l’on désire connaître lespréférences
de cette
population,
on pourra être amené à soumettre cesobjets
à un échantillon d’individus en demandant àchacun,
parexemple,
de les classer parpréférence
dé-croissante : ceci constitue une
épreuve; 1 ’ al é a
étudié est l’ordre total servant àexprimer
lapréférence, l~évènement
sera alors telrangement
effectué par un in- dividuspécifiée
b) Notion de probabilité
LJ~évènement
qu’engendrera
uneépreuve
estgénéralement
nonprévisible.
Laprobabilité
vise une mesure de l’incertitudequi
accompagne un évènementquant
àl’éventualité
de sa réalisation à 1 ~issue d’uneépreuve*
On remarquera tout d’abord que, telle
qu’"elle
estressentie,
cette incerti- tudeapparait
comme unegrandeur re érable:
les mots"égale"
ou"plus grande"
nesont pas dénués de sens à son
égard
et lui sont même courammentappliqués~
Il estdonc raisonnable de songer à
repérer
par un nombre lede ré
de certitude attaché à la réalisation d~un événements Cenombre, appelé probabilité,
yvarie,
par con-vention,
de 0 à 1 et croît avec ledegré
de certitude relatif à la réalisation de(1)
Ce terme proposé par M. MORLAT nous paraît préférable à celui de variable aléatoire: le mot "va- riable" est, en effet, déjà chargé de trop de significations, il l incite à des rapprochements avec l’analyse, souvent néfastes pour la bonne compréhens ion de ce nouveau concept.1 ~événement: il vaut 0
lorsque
cette réalisation estquasi-impossible,
y et 1 lors-qu’elle
estquasi (1)
certaine.Ni la définition
qui précède,
ni les commentairesqui l’accompagnent
ne per- mettentd’attribuer,
dans un casprécis,
une valeur aurepère probabilité.
Pourle
chiffrer,
onpeut
songer, y dans unpremier temps,
y à des considérations d’ordre:-
subjectif :
ce sera parexemple
le cas d’un évènement dont on ne sait que très peu de choses etqui
revêt un caractèreexceptionnel:
déclenchement d’unegrève,
d’une guerre;-
expérimental :
ce sera parexemple
le caslorsqu’une
série assezlongue d’épreuves identiques permet
dlobserver lafréquence
aveclaquelle
seproduit
l’événement : panne d’une
machine, respect
d’undélai;
-
logique:
ce sera parexemple
le caslorsque
des raisons desymétrie
ou desubordination
justifient l’égalité
oul’inégalité
desprobabilités
attachées à deux évènements(la probabilité
de l’un étantdéjà connue):
pannes d’un matérielidentique
à un autre ouplus fragile
que luiLa
portée
de ces considérations demeure toutefois fort limitée tantqu’elles
ne sont pas renforcées par un
système
d’axiomespermettant,
enparticulier, de
calculer la
probabilité
de certains évènements àpartir
de celle attribuée à d~-au- tresauxquels
ils se trouventlogiquement
reliésxIl nous faut
maintenant,
avant même deprésenter (voir 2)
lesystème
d’axio-mes couramment
admis,
y insister sur le fait que c’est luiqui
fait de laprobabi-
lité une véritable mesure de l’incertitude. Si elle se bornait à être un
simple repère
surlequel (et
parconséquent
aveclequel)
aucun calcul n’estpossible,
yl’étude des
aléas,
aussi bien que le raisonnement dans l’incertain ne se trouve- raientguère
facilités par l’introduction de cette notion.Il
importe
de conserverprésent
àl’esprit
tout cequ’implique
cette défini- tion de laprobabilité,
souspeine
d’exécuter des calculs formels dont le résul- tat serait difficilementinterprétable,
voire même absurdex Ilrisque,
y enparti- culier,
y d’en être ainsichaque
fois que:-
l’épreuve
est mal définie(probabilité qu’un gisement
donné ait une réserve su-périeure
à un nombre fixé de mètrescubes):
il ne faut pas oublier en effet que laprobabilité
n’a de sens que relativement à unéépreuve,
et tout cequi
vientmodifier
l’épreuve
elle-même ou la connaissance que l’on en a estsusceptible
de modifier la
probabilité
d’un évènementqui
lui estlié;
- le raisonnement fait intervenir des
probabilités subjectives
établies sans ré-férence au
système
d’axiomes(un
acheteur hésitantpeut
fort biendéclarer,
y de-vant trois modèles de
voitures,
que chacun d’eux a laprobabilité 1/2
d’entreren sa
possession
lors de sonprochain achat):
il ne faut pas croire que la pro-babilité,
tellequ’on
vient de ladéfinir,
s’identifie nécessairement audegré
d’incertitude tel
qu’il
est ressenti et que celui-ci satisfaitobligatoirement
aux axiomes
qui
suivent* .(1)
Pour des raisons délicates à exposer ici on est parfois amené à attribuer la probabilité 0 ou 1à un événement dont la réalisation n’est pas complètement impossible ou absolument certaine.
2. AXIOMES DE BASES
Dans tout ce
qui suit,
y si edésigne
un évènement lié à uneépreuve,
y nousnoterons
Pr(e) (1)
laprobabilité qu’il
se réalise à l’issue de cetteépreuve.
a) Axiome des probabilités totales
Considérons un ensemble fini ou dénombrable
e1,e2,..,en’..
d’évènements liés à une mêmeépreuve,
L’évènement
qui
consiste en la réalisation de l’un au moins des évènementsest,
pardéfinition,
y 1 ’ événementsomme
des évènementsej,e2y-.Yene..
et on le notera :
Deux de ces évènements sont dits
incompatibles
si leur réalisation simultanée estimpossible.
Ainsi,
y parexemple,
y l’étudeévoquée plus
haut concernant la valeur des com- mandespassées
à uneentreprise peut
conduire à l’introduction d’un évènement ei dont la réalisationsignifie
que le montant de la commande d’un client est exac-tement de i milliers de Fr
(on
supposera que toutes les sorrnnes sont arrondiesau millier de
Fr) .~
Les évènementse1,e2,..,en,..
forment alors unensemble
d’évè-nements tous deux à deux
incompatibles
et l’évènement : ’se réalise
lorsque
le montant de la comnande considérée est inférieur ouégal
àn milliers de Fr.
AXIOMÉ DES PROBABILITÉS TOTALES
Soient un ensemble dévènemen-ts liés à une même
épreuve
ettous deux à deux
incompatibles.
On a :Nous ne discuterons pas cet
axiome,
y d’ailleurs asseznaturel,
y si l’on remar-que que l’événement du
premier
nombre ne se réalise que si l’unquelconque,
mais nécessairement unseul,
des évènements du second seproduit.
Appliqué
àl’exemple précédent,
cet axiomepermet
de calculer laprobabilité
d’avoir une facture dont le montant est au
plus égal
à n milliers de Fr à par- tir desprobabilités
élémentaires des différents montants1,
y2,
~~, n»CONSÉQUENCES
1)
Si les évènementse1 ,e2’.A,en’.~
sont non seulement deux à deux incom-patibles,
mais forment deplus
un ensembleexhaustif,
clest-à-dire telsquxà
l’issue d’une
épreuve
l’un d’entre eux se réalisenécessairement,
il vient :(1)
I1 1 serait sans doute préférable de faire figurer explicitement l’épreuve(grâce
à une lettreplacée en indice par
exemple)
dans cette notation, mais une telle écriture nous a semblé trop lourde pour être retenue ici.2)
Si les n évènementsel
forment un ensemble exhaustif fini d’événements tous deux à deuxincompatibles,
et telsqu’il
existe uneparfaite symétrie
entre les causesqui engendrent
chacund’eux,
il vient :d ’,où -
On dit alors que les évènements ei sont
équiprobables
3)
Onappelle
évènementcomplémentaire
dlun événement e llévènemente qui
consiste en la non-réalisation de l’évènement e ~Puisque
les évènements e et é forment un ensemble exhaustif de deux évènementsincompatibles,
il vient :b)
Axiome desprobabilités composées
Considérons deux évènements
compatibles
e’ et e" liés à une mêmeépreu-
vem
L’évènement
qui
consiste en la réalisation simultanée de e’ et e"est,
par
définition, 1 ’évènement’ roduit
des deux, évènements el e" et on le notera -Il est
fréquent (commue
nous le verrons dans leschapitres ultérieurs)
que l’on ait à raisonner sur uneépreuve
dont on sait apriori qu’elle
donne nais-sance à ee
(par exemple).
Il est bien clair que, pour une telleépreuve,
laprobabilité
de réalisation de e"n’a.
engénéral,
aucune raison d"’êtreégale
àcelle que l ton attribue au même évènement
quant
à sa réalisation à l~issue d’1IDe ) >épreuve
dont on ne sait rien.Ainsi y
parexemple,
y laprobabilité
de recevoir lepaiement
d"une facture dont le montantdépasse
n milliers de Frpeut
être trèsdifférente selon que l’on ne considère
que
les sociétés clientesayant
leursiège
social dans le
département
de la Seine ou, aucontraire,
tous lesclients,
sansrien supposer de leur nature ni de leur localisation
géographique
Il est donc nécessaire d’introduire des
probabilités
ditesconditionnelles,
c’est-à-dire
qui
serapportent
à desépreuves ayant
lieu dans des conditions par- ticulières etqui
tiennentcompte
de l’informationsupplémentaire qu’apportent
ces conditions> Dans tout ce
qui suit,
on noteraPr(../..)
de tellesprobabi-
lités conditionnelles: l’évènement considéré étantprécisé
en avant de la barreoblique
et les conditionsparticulières après
celle-ci. Parexemple :
désigne
laprobabilité
conditionnelle de réalisation de e" à l’issue d’uneépreuve
dont on saitqu’elle engendrera
aussi et.AXIOME DES
PROBABI L I TÉS. COMPOSÉES
.Soient e’ e" deux évènements liés à une même
épreuve*
On a :On remarquera que l’on a
toujours,
yquels
que soient e’ et e"puisque
la réa-lisation de e’.e" est subordonnée à celle de e’
(cf. 1 ~b) :
d’où :
Cet axiome
peut paraître
encoreplus
naturel que leprécédent»
Ilimplique
en
particulier :
-
Pr(en/el) = 0
si et seulement siPr(elett) =
0 : or, ceségalités expriment
toutes les deux
l’incompatibilité
de e’ ete" ;
- Pr(enJel) = 1
si et seulement siPr ( e ’ » e " )
=Pr( e’ ) :
or, ceségalités expri-
ment toutes les deux que la réalisation de e’ entraîne celle de e"
(la
ré-ciproque pouvant
êtrefausse).
CONSÉQUENCES
1)
Ons’assurera,
à titred’exercice,
que si l’unequelconque
deségalités (1»4) ci-après
estvérifiée,
y alors les deux autres le sont aussi :Lorsque
ces formules sontsatisfaites,
y on dit que les évènements et et e" sontindépendants :
celasignifie,
y enlangage clair,
y que toute connaissance relative à l’un ne modifie en rien laprobabilité
d’occurrence de l’autre.2)
En utilisant les axiomes desprobabilités
totales etcomposées,
y onpeut
établir la formule suivante :
donnant la
probabilité
de l’événement somme de deux évènements e’ r et e" que l’on ne suppose pasincompatibles;
dans le casparticulier
où ils leseraient,
laformule
( I ~ 5‘)
redonne naturellementla formule (I~1).
Démonstration: Les évènements el et sont
toujours incompatibles
etvérifient :
- -
,
d’où l’on déduit :
3)
Il est facile degénéraliser
la formule(1.3)
au cas d’un nombre finiquelconque
d’évènements. On pourra le faire à titre d’ exerci ce~ Voici le résultat dans le cas de trois événements :Les fonnules
(1.4)
et(1~5) peuvent
alors êtregénéralisées
dans les mêmes condi-tions.
3. ALEAS
NUMERIQUEB
Par
définition,
nousappelons (cf, 1.a)
aléanumérique n’importe quelle
ca-ractéristique
X commune à tout oupartie
des évènements liés à uneépreuve,
pourvu que l’état de cette
caractéristique
soitrepérable
à l’aide d’un nombre dont la valeur xdépend
naturellement de l’issue del’épreuve.
Cette définition
sou.ligne
la différenceprofonde qui
existe entre l’aléanumérique
X et la valeurparticulière
xqu’il prend lorsque
llévènement X = x se réalise. Afin d’éviter touteconfusion,
nous noteronstoujours
lesaléas
numériques
avec des lettresmajuscules,
tandis que les valeursqu’ils
pren-nent ou
peuvent prendre
à l’issue d’uneépreuve
seronttoujours désignées
pardes lettres minuscules
La
majeure partie
desproblèmes technologiques,
y commerciaux ou sociaux que pose lagestion
d’uneentreprise
ou d’unenation, imposent,
y pour êtrerésolus,
yle maniement commode d’aléas
numériques qui
s’introduisent tout naturellement.Ce sera par
exemple:
le solde mensuel d’uncompte,
y le délai deréapprovisionne-
ment d’un
stock,
la durée de vie d’unelampe,
lalongueur
d’une filed’attente,
la
production
annuelle d’unecéréale,
le nombre annuel de naissances dans une po-pulation,
le nombrejournalier
desdéplacements interquartiers
.. ~ dans l’étudedes
problèmes évoqués
encommençant
cechapitre.
Le mode de
prise
encompte
des aléasnumériques
dans lapréparation
des dé-cisions relève
schématiquement
de l’une des deuxapproches
suivantes(ou
de leurcombinaison car elles ne s’excluent
nullement) :
- la
première,
yintrinsèque,
repose sur la manière dont laprobabilité
se distri-bue sur l’ensemble des valeurs
possibles
pour l’aléaétudié;
- la
seconde,
yextrinsèque,
y se fonde sur la connaissance des liaisonsqui
existententre étudié et d’autres
phénomènes.
a) D i st r i but i on
deprobabilité
Soit X un aléa
numérique quelconque.
On nommerasu ort
de cet aléa l’en-semble des valeurs x
qu’il peut_prendre,
On le notera Cet ensemblepeut
être
fini, infini,
dénombrable ou continu selon la nature de X et les conven-tions faites à ce
sujets
~A
chaque
valeur x ES~ (1)
onpeut
associer l’évènement X = x. Ces évè- nements sont tous deux à deuxincompatibles
et forment un ensemblequi,
pour l’étu- de de l’aléaX, apparaît
commeexhaustif.
Il enrésulte, d’après
l’axiome desprobabilités totales,
y que la somme desprobabilités
affectées à chacun des évène- ments de cet ensemble vaut 1(2);. C’est pourquoi
l’on est souvent amené à dire que laprobabilité
se distribue sur lesupport QT
de la mêmefaçon qu’une
masse(1)
Ce signe se lit "appartient à" et exprime le fait que l’élément désigné par le symbole de gau- che appartient à l’ensemble indiqué à droite.(2)
On remarquera toutefois que, tel qu’il l a été énoncé, l’axiome des probabilités totales est limi-té au cas d’un ensemble fini ou infini dénombrable. Son extension et son application au cas où Sx a la puissance du continu présentent quelques difficultés conceptuelles qu’il 1 n’est pas in-
dispensable d’approfondir dans ce livre. Le lecteur intéressé par ces problèmes pourra consulter
[0]
unité
peut
êtrerépartie
sur un axe. On se réfère à ce mode derépartition
enparlant
de distributionde probabilité:
la connaissance de cette distribution pour un aléa X le caractérisecomplètement
etpermet
enparticulier
de calcu-ler la
probabilité
den’importe quel
évènement associé àP R Ô BA 6 1 L 1 T É ÉLÉMENTAIRE
ETD E N S 1 T É
DEP RO BA B 1 L 1 T É
Dans le cas où
5x
est un ensemble fini ou infini dénombrable :La fonction
, 1
fournit une
première représentation
de la distribution deprobabilité
que nousappellerons probabilité
élémentaire.Si l’on considère maintenant un aléa à.
support continu,
on constate que 1’-onaura nécessairement
Pr(X
=x) =
0sauf, peut-être
pour un nombre fini ou infini dénombrable de valeur de x . Il est clair que si l’on veutgénéraliser
la notionde
probabilité élémentaire,
y il faut maintenant raisonnernon plus
sur les valeurspossibles
x , y mais sur depetits
intervalles. On est ainsi amené à introduire la fonction :En
général, lorsque A
tend vers0,
la fonctionfA (x)
tend vers une limitef(x) appelée
densité deprobabilité
aupoint
x. Il vient : ,Il se
peut
aussi quefA (x) augmente
indéfinimentavec 1
pour certainesvaleurs
particulières xl,x2,’ .
de x. ~Dans ce cas:
admettra vraisemblablement une limite
qui apparaît
comme laprobabilité
de réa-lisation des évènements
. Par
conséquent,
en cespoints x, x 2>"
iln’y
a pas de densité mais uneprobabilité
élémentaire(au
sens définiplus haut).
Si l’on
peut
concevoir des casplus complexe, probabilité
élémentaire et densité deprobabilité sont,
y enfait,
y les seuls utiles enpratique.
Ils condui-sent à trois
types
de distribution que nous nommerons(voir figure 1.1) :
-
discret:
Distributionreprésentable
sur la totalité dusupport
par une fonction deprobabilité
élémentaire.1’- Type continu:
Distributionreprésentable
sur la totalité dusupport
par une densité deprobabilité.
-
Type
mixte: Distributionreprésentable
par une densité deprobabilité
définiesur une
partie
dusupport
et une fonction deprobabilité
élémentaire définiesur la
partie complémentaire.
Désormais,
nous limiteronsl’acception
du terme distribution deprobabilité
1 - - -.L
Exemple
d’aléa discret(support xl
..xi ., xn~
Exemple
d’aléa continu(support - oo ., + oo)
Exemple
d’aléa mixte(probabilité
élémentairePo
àl’origine -
densité sur l’intervalle Tableau I.1celle
appartenant
à l’un de ces troistypes et,
parconséquent,
ce livre ne trai-tera que des aléas
discrets,
y continus ou mixtesqui
leurs sontrespectivement
as-sociés.
On remarquera que les distributions de
type
mixteapparaissent
comme la su-perposition
d’une fonction deprobabilité
élémentaire et d’une densité deproba-
bilité. La
plupart
desconcepts
introduits et des résultats obtenus pour les aléas discrets ou continus segénéraliseront
sans difficulté aux aléas mixtes. C’estpourquoi
ces derniers seront assez souvent laissés de côté. Il ne faudrait pas pourautant,
ni en mésestimerl’importance,
y ni en surestimer lacomplexité.
FONCTION DE REPARTITION
Voici un second mode de
représentation
des distributions deprobabilité qui présente l’avantage
den’impliquer
aucune distinction. Soit X un aléanumérique
dont le
support peut
être continu ou non. A tout nombre réel x(appartenant
ounon au
support)
onpeut
associer l’évènement X x et poser :F(x)
estappelée
fonction derépartition :
- elle vaut 0 aussi
longtemps
que x reste inférieur à laplus petite
valeurde
Syy
- elle vaut 1 à
partir
du moment où xdépasse
laplus grande
valeur de8x,
- elle est constamment non décroissante et continue à
gauche 1
Soient x et y deux nombres tels que x y ; il vient :
d~où l’on
déduit, d’après
l’axiome desprobabilités
totales:On
justifiera
àpartir
de cette formule les deux résultats suivantsqui jet-
tent
respectivement
lepont
entre fonction derépartition
et densité deprobabi- lité,
y fonction derépartition
etprobabilité
élémentaire :- la densité de
probabilité
n’est autre que la dérivée de la fonction FF’(x) = f(x)
et ces deux fonctions existentsimultanément;
si la densité exis-te en
chaque point,
on a :- la
probabilité
élémentaire estmarquée
par un saut de la fonction F dont l’am-plitude
estégale
à cetteprobabilité;
la fonction derépartition
d’un aléa àsupport
fini ou infini dénombrable est donc une fonction en escalier. SiS~
seréduit. à
une seule valeurx. (valeur certaine),
la fonction derépartition
seréduit à une seule marche de hauteur 1
(échelon unité)
située aupoint xo .
La
figure
1.1 montre l’allure de la fonction derépartition correspondant
aux trois
grands types
de distributions.b) Liaisons
enprobabilité
Considérons un aléa
numérique
X et un autre aléa A(1 ) ,
non nécessaire- mentnumérique (la catégorie socio-professionnelle
ou le lieu de résidence parexemple). Désignons
par a un état ou un groupe d’étatspossibles
pour l’aléa A(ouvrier,
ydépartement
de la Seine parexemple).
Les aléas X et A sont ditsindépendants
si les évènements:, le sont
(au
sens défini au 2.bquels
que soient x et a * On remarquera que, dans certains cas, y cetteindépendance peut
être réalisée sur unepartie
de8x.
seulement,
ou pour une famille d’états ou groupes d’états deA;
on dit alorsqu’il
y aindépendance
locale.Lorsque
les aléas X et A ne sont pasindépen- dants,
y on dit encorequ’ils
sont corrélés.La
probabilité
conditionnelle :s’appelle
fonction derépartition
conditionnelle de Xlorsque
A E a. S’il ya
indépendance,
y la fonctionFa(x)
esttoujours
la mêmequel
que soit a.Si,
au
contraire,
X est lié fonctionnellement àA,
c’est-à-dire si l’état a de Aimpose
à X une valeurx , Fa(x)
est alors l’échelon unité situé aupoint Xa -x
.
,
Supposons
maintenant que A soit un aléanumérique
Y. Onpeut
alors in-troduire l’aléa vectoriel
(à
deuxdimensions) (X,Y)
Les notions de
support,
distribution deprobabilité, probabilité
élémen-taire,
densité deprobabilité,
y fonction derépartition,
définies ci-dessus pour les aléasnumériques
s’étendent sans difficulté aux aléas vectoriels(à
un nom-bre
quelconque
dedimensions).
La fonction derépartition,
parexemple,
sera unefonction
F(x,y)
des deux variables x et y définie par :et