Probabilités - Chapitre 18
Variables aléatoires à densité
I - Variables aléatoires à densité
I.1 - Rappels sur les fonctions de répartition
Définition 1 : Fonction de répartition d’une variable aléatoire
SiXest une variable aléatoire, la fonction de répartition deXest la fonctionFXdéfinie surRpar :
∀x∈R, FX(x)=P([X6x]).
Proposition 1 : Caractérisation d’un fonction de répartition
Une fonctionF:R→Rest la fonction de répartition d’une variable aléatoireXsi et seulement si : 1. Fest croissante surR;
2. Fest continue à droite en tout point ;
3. Fadmet des limites en−∞et+∞et vérifie lim
x→−∞FX(x)=0 et lim
x→+∞FX(x)=1.
I.2 - Densité de probabilité
Définition 2SoitXune variable aléatoire etFXsa fonction de répartition.
On dit queXestune variable aléatoire à densités’il existe une fonctionfX:R→Rvérifiant : 1. fXest positive surR;
2. fXest continue surR, sauf éventuellement en un nombre fini de points ; 3.
Z+∞
−∞
fX(t) dtest convergente et Z+∞
−∞
fX(t) dt=1 ; 4. ∀x∈R,FX(x)=
Zx
−∞
fX(t) dt.
On dit alors que la fonctionfXestune densitéde la variable aléatoireX. Remarque 1
• La fonctionfXn’est pas unique c’est pourquoi on dit que c’estunedensité deX. En effet sigest une fonction égale àfXsauf en un nombre fini de points alorsgest aussi une densité deX.
• La fonction de répartition est une primitive de la densité.
Le théorème suivant permet de déterminer si une fonction f donnée est une densité de probabilité d’une variable à densitéX.
Théorème 1
Soitf:R→Rune fonction vérifiant : 1. fest positive surR;
2. fest continue surR, sauf éventuellement en un nombre fini de points ; 3.
Z+∞
−∞
f(t) dtest convergente et Z+∞
−∞
f(t) dt=1.
Probabilités : Chapitre 18 –1/5– Variables aléatoires à densité
Alors il existe une variable aléatoireXtelle quefsoit une densité de la variableX. On dit alors quef est unedensité de probabilité.
Méthode 1 : Obtenir la fonction de répartition à partir d’une densité Soitfune fonction réelle.
• On peut vérifier quefest une densité d’une variable aléatoireXen utilisant le théorème 1.
On la notera alorsfX.
• Dans ce cas, la fonction de répartition deXest alors donnée par :
∀x∈R, FX(x)= Zx
−∞
fX(t) dt.
Exercice 1
Montrer que la fonctionfdéfinie surRparf(x)=
0 six<1 1
x2 six>1est une densité de probabilité Exercice 2
Soitλ∈R∗=. Montrer que la fonctionfdéfinie surRpar : f(x)=
(λe−λx six>0
0 six<0 est une densité de probabilité d’une variableX. Donner la fonction de répartition deX.
Exercice 3
Soitfla fonction définie par :
f(x)= (
xe−x
2
2 six>0 0 six<0 1. Montrer quef est une densité de probabilité.
2. La durée de vie d’un certain composant électronique est une variable aléatoireXdont une densité estf (on dit queXsuit laloi de Rayleigh)
(a) Déterminer la fonction de répartition deX, notéeF.
(b) Déterminer le réelµ, appelémédianedeX, tel queF(µ)=1 2.
3. On appellemodedeXtout réelxen lequelfatteint son maximum. Montrer queXa un seul mode M0et le déterminer.
Probabilités : Chapitre 18 –2/5– Variables aléatoires à densité
I.3 - Caractérisation par la fonction de répartition
Théorème 2SiFest la fonction de répartition d’une variable à densitéXet sifest une densité deXalors :
• Fest continue surR.
• Fest de classeC1sauf éventuellement en un nombre fini de points et lorsqueFest dérivable enx, F0(x)=f(x).
Le théorème suivant permet de déterminer si une fonctionFdonnée est la fonction de répartition d’une variable à densitéX.
Théorème 3
SoitFune fonction deRdansRvérifiant : 1. Fest une fonction continue surR;
2. FestC1surRsauf en un nombre fini de points ; 3. Fest croissante surR;
4. lim
x→−∞F(x)=0 et lim
x→+∞F(x)=1.
Alors il existe une variable aléatoire à densitéXtelle queFsoit la fonction de répartition deX. De plus, sifest une fonction positive telle queF0(x)=f(x) en tout pointxoùFest dérivable, alorsf est une densité deX.
Méthode 2 : Obtenir une densité à partir de la fonction de répartition SoitFune fonction réelle.
• On peut vérifier queFla fonction de répartition d’une variable aléatoire à densitéXen utilisant le théorème 3.
• Dans ce cas, on obtient une densité deXen dérivant la fonctionF(quand c’est possible) : fX(x)=F0(x).
Exercice 4
SoitFla fonction définie surRpar : F(x)=
0 six<2 1− 8
x3 six>2.
1. Montrer queFest la fonction de répartition d’une variable à densitéZ. 2. Déterminer une densité deZ.
I.4 - Quelques propriétés
Proposition 2SoitXune variable aléatoire admettant une densitéfX. On noteFXsa fonction de répartition.
1. Pour tout réelx, on a : P(X6x)=
Zx
−∞
fX(t) dt=FX(x) et P(X>x)= Z+∞
x
fX(t) dt=1−FX(x) 2. Pour tout réelsaetbtels quea6b, on a :
P(a6X6b)= Zb
a
fX(t) dt=FX(b)−FX(a) 3. Pour tout réela, on a :
P(X=a)=0
Probabilités : Chapitre 18 –3/5– Variables aléatoires à densité
Remarque 2
• Les probabilitésP(X6x),P(X>x) etP(a6X6b) s’interprètent comme des aires sous la courbe représentative de la densitéf.
• On a : P(X<x)=P(X6x) et P(a<X<b)=P(a6X<b)=P(a<X6b)=P(a6X6b).
• Contrairement aux variables discrètes, on a pour toutx∈R,P(X=x)=0. Ainsi la loi deXn’est pas donnée par les probabilitésP(X=x) mais plutôt par la fonction de répartition ou de la densité.
Exercice 5
SoientXetZles variables aléatoires définies dans les exercices 2 et 4. Calculer :
• P(X62)
• P(Z<4)
• P(2<X63)
• P(Z>0)
• P(X>1)
• P(Z∈[−1, 3[)
II - Moments d’une variable aléatoire à densité
II.1 - Espérance
Définition 3SoitXune variable aléatoire de densitéf. Si l’intégrale
Z+∞
−∞
t f(t) dtestabsolument convergente, on dit queX admet une espérance, notée E(X) et on a :
E(X)= Z+∞
−∞
t f(t) dt Exercice 6
• La variable aléatoireXdéfinie dans l’exercice 2 admet-elle une espérance ? Si oui, la calculer.
• Montrer que la fonctiongdéfinie surRpar : g(x)=
(0 six<1
1/x2 six>1est une densité d’une variable aléatoireX.Xadmet-elle une espérance ? Si oui, la calculer.
Théorème 4 : Linéarité de l’espérance
SoientXetYdeux variable aléatoire à densité admettant une espérance. Soientaetbdeux réels.
• Pour tous réelsaetb, on a : E(a X+b)=aE(X)+b.
• SiX+Y est une variable à densité alors elle admet une espérance et on a : E(X+Y)=E(X)+E(Y).
II.2 - Théorème de transfert et moment d’ordre
r Théorème 5 : Théorème de transfertSoientXest une variable aléatoire de densitéf etϕune fonction continue surRsauf éventuelle- ment en un nombre fini de points.
Si l’intégrale Z+∞
−∞ ϕ(t)fX(t) dtestabsolument convergente, alors la variable aléatoireϕ(X) admet une espérance et on a :
E(ϕ(X))= Z+∞
−∞ ϕ(t)fX(t) dt.
Exercice 7
SoitXla variable aléatoire définie dans l’exercice 2. La variableeXadmet-elle une d’espérance ?
Probabilités : Chapitre 18 –4/5– Variables aléatoires à densité
Définition 4
Soitr∈N∗. Si l’intégrale Z+∞
−∞
trf(t) dtest absolument convergente alors on dit queXadmet un moment d’ordrer, notéemr(X) et on a : mr(X)=E(Xr)=
Z+∞
−∞
trf(t) dt.
II.3 - Variance et écart-type
Définition 5Si la variable aléatoireXadmet une espérance et si la variable (X−E(X))2admet une espérance, on appellevariance deXle réel
V(X)=E¡
(X−E(X))2¢ Théorème 6
Une variable à densitéXadmet une variance ssiXadmet un moment d’ordre 2 et dans ce cas, on a :
V(X)=E(X2)−[E(X)]2 Exercice 8
• La variable aléatoireXdéfinie dans l’exercice 2 admet-elle une variance ? Si oui, la calculer.
• SoitXune variable aléatoire de densitéfdéfinie surRpar : f(x)=
(0 six<1 2/x3 six>1. Xadmet-elle une variance ? Si oui, la calculer.
Définition 6
SiXadmet une variance alorsV(X)>0. On appelle alorsécart-typele réelσ(X)=p V(X) Proposition 3
SoitXune variable à densité admettant une variance.
Alors pour tout réelsaetb,a X+badmet une variance et on a :V(a X+b)=a2V(X).
Définition 7
• SiXest une variable à densité telle queE(X)=0 on dit queXest une variable centrée.
• SiXest une variable à densité telle queσ(X)=1, on dit queXest une variable réduite.
• SiX admet une espérance et un écart-type non nul, la variableX∗=X−E(X)
σ(X) est appeléela va- riable centrée réduite associée àX.
Probabilités : Chapitre 18 –5/5– Variables aléatoires à densité