C- Lois usuelles
C.1- Lois discrètes- Loi uniforme
Ex : E=« lancer d’un dé régulier » X=numéro apparaissant sur le dé X suit une loi uniforme de
probabilité 1/6
• Loi d’une variable aléatoire X prenant ses valeurs dans {1,…,n}
avec la même probabilité:
( ) 1 {1, 2,... }
P X = =x ∀ ∈x n
Eléments de calcul pour l’espérance et la variance :
• Moments :
( ) 1 {1, 2,... }
P X x x n
= = n ∀ ∈
1 2 1
( ) ; ( )
2 12
n n
E X = + V X = −
( 1) ( 1)(2 1)
; ²
2 6
1 1
n n n n n n n
i i
i i
+ + +
= =
∑ ∑
= =
C.1- Lois discrètes- Loi de Bernoulli
• Loi :
• Moments
E: Tirage dans une urne de
Bernoulli ayant une proportion p de boules rouges. q=1-p
( ) x 1 x, {0,1}
P X = =x p q − x∈ ( )
X ∼ B p ⇔
• Moments p
X=nombre de boules rouges
Rq :
( ) ; ( )
E X = p V X = pq
A
Fonction indicatrice de A : 1 ( ) 1
0
1A ( ( ))
x A
x x A
X P A
∈
=
∉
= ∼ B
C.1- Lois discrètes- Loi Binomiale
• Loi :
Moments :
E: n tirages avec remise dans une urne de Bernoulli ayant une proportion p de boules rouges
( ) x x n x {0,..., }
P X = =x
C
np q − ∀ ∈x n ( , )X ∼ B n p ⇔
n
• Propriétés Si n>50 et p<0.1 Si n>50 et p>0.1
X=nombre de boules rouges Outils :
( ) ; ( )
E X = np V X = npq
( ) X ≈P np
(
,)
X ≈ N np npq
1 1
2 2 1 2 1 2
1 2
( , )
( , ) ( , )
X n p
X n p X X n n p
X X
⇒ + +
⊥
∼
∼ ∼
B
B B 0
1 1
!
!( )!
1
x n
n x x n x
n x
x x
n n
n x n x
p q n x
C C
C C
−
=
−
−
= −
=
=
∑
C.1- Lois discrètes- Loi de Poisson
• Loi : • Ex : nombre de personnes se
présentant à l’arrêt de bus après une durée λ.
( ), 0 X ∼P
λ λ
> ⇔( ) ,
!
x
P X x e x
x
λ
λ
= = − ∀ ∈N
• Moments
• Propriétés : Si λ grand,
• Outils :
( ) ( )
E X =V X =
λ
( , ) X ≈ N
λ λ
1 1
2 2 1 2 1 2
1 2
( )
( ) ( )
X
X X X
X X
λ
λ λ λ
⇒ + +
⊥
∼
∼ ∼
P
P P
0 !
x
x
x e
λ
λ +∞=
∑
=C.1- Lois discrètes- Loi Binomiale négative
• Loi : E: tirages avec remise dans une
urne de Bernoulli ayant une proportion p de boules rouges
( ) x 1 r x
P X = =x
C
x r+ − p q ∀ ∈x N ( , )X ∼ BN r p ⇔
• Moments :
X=nombre de boules blanches précédent la r° boule rouge Outils:
( ) ; ( )
²
rq rq
E X V X
p p
= =
1 0
x r x 1
x r x
C
p q∞
= + −
∑
=C.1- Lois discrètes- Loi Géométrique
• Loi :
• Moments :
E: tirages avec remise dans une urne de Bernoulli ayant une proportion p de boules rouges
( ) x 1
P X = =x pq − ∀ ∈x N ( )
X ∼G p ⇔
• Moments :
• Outils
X=rang de la 1° boule rouge
très utilisé en durée de vie et en biologie.
( ) 1 ; ( )
²
E X V X q
p p
= =
0
1 1
x x
p p
∞
=
= −
∑
C.1- Lois discrètes- Loi Hypergéométrique
• Loi : E: n tirages sans remise dans une
urne de Bernoulli ayant une proportion p de boules rouges
( ) {0,..., }
x n x
Np N Np
n N
P X x
C C
x nC
−
= = − ∀ ∈
( , N, ) X ∼H n p ⇔
N n
• Moments :
• Propriétés
Si N>>n (N>10n)
X=nombre de boules rouges
( ) ; ( )
1 N n
E X np V X npq
N
= = −
−
( , ) X ≈ B n p
C.2- Lois continues- Loi uniforme
• Loi : • Propriétés
[ , ] 1 1
( ) 1
0 sinon
a x b
X a b
a x b
f x b a
b a ≤ ≤
⇔
≤ ≤
= = −
−
∼ U
[ , ] X a [0,1]
X a b
b a
⇔ −
∼ U − ∼ U
f
• Moments
• Fonction de répartition
0 sinon b−a
( )²
( ) ; ( )
2 12
a b b a
E X = + V X = −
0 ( )
1
x a x a
F x a x b
b a
x b
<
−
= ≤ ≤
−
>
a b
1/(b-a)
a b
F
C.2- Lois continues- Loi normale
• Loi X ∼ N( , )
µ σ
⇔1 2
1 2
( ) ,
2
x
f x e x
µ σ
σ π
−
−
= ∀ ∈R
m=0 S=1
m=1,S=1
• Moments
• Propriétés :
( ) ; ( ) ²
E X =
µ
V X =σ
1 1 1
2 2
2 2 2 1 2 1 2 1 2
1 2
( , )
( , ) ( , )
X N
X N X X N
X X
µ σ
µ σ µ µ σ σ
⇒ + + +
⊥
∼
∼ ∼
( , ) X m (0,1)
X N m
σ
U Nσ
⇔ = −
∼ ∼
m
m
C.2- Lois continues- Loi normale
• Propriétés d’une v.a. U de loi normale N(0,1)
1- Ф (x) Ф (-x)
On note la fdr de U
1 1
(0) ; ( ) 0
2 2
( ) 1 ( )
(| | ) 2 ( ) 1
x x
x x
P X x x
Φ
Φ = Φ < ⇔ <
Φ − = − Φ
< = Φ −
-x x
C.2- Lois continues- Loi log-normale
• Loi
1-F(x) F(-x)
( , ) ln( ) ( , )
X ∼ LN
µ σ
⇔ =Y X ∼ Nµ σ
• Moments
( )
2 2
2 2
2
( )
( ) 1
E X e
V X e e
µ σ
σ µ σ
+
+
=
= −
C.2- Lois continues- Loi exponentielle
• Loi X ∼ ε( ),
λ λ
> ⇔00
0 0
( ) 1
0
x
x x
f x e x
e x
λ λ
λ
− ≥λ
−<
= =
≥
Loi souvent utilisée en fiabilité : durée de vie d’un composant
λ=4 λ=3
• Moments
• Fonction de répartition :
1 1
( ) ; ( )
E X V X ²
λ λ
= =
0 0
( ) 1 x 0
F x x
e−λ x
<
=
− ≥
λ=1
C.2- Lois continues- Loi gamma
• Loi
• Moments
( , ), 0, 0
X ∼ Γ k
θ
k >θ
> ⇔1
( ) 1 0
( )
k x
k x
x e
f x k
θ
θ
− −
= ≥
Γ
• Moments
• Propriétés Si k=1,
Si θ=2,
Si k entier, la loi de X s’appelle loi d’Erlang
Si
( ) ; ( ) 2
E X = k
θ
V X = kθ
(1/ )X ∼
ε θ
²(2 ) X ∼
χ
k1
i.i.d. (1/ ) ( , )
n
i i
i
X
ε θ
Y X nθ
=
⇒ =
∑
Γ∼ ∼
1
( )k 0∞tk− −e dtt ; (k 1) k ( )k
Γ =
∫
Γ + = ΓC.2- Lois continues- Loi du chi2
• Loi : la loi du chi2 à k ddl est la loi de la somme de n variables de loi N(0,1):
k 2
i i
i=1
²( ), * a même loi que
Z = U , U . . . (0,1)
X k k X
i i d N
χ
∈ ⇔∑
∼
∼ N
• Moments
• Propriétés :
X à valeurs positives.
La loi de X/2 est une loi gamma(n) Lorsque k=2 X suit E(1/2)
Si k>50,
i=1
( ) ; ( ) 2
E X = k V X = k
( , 2 ) X ≈ N k k
( )
2 22
1
0 2
( ) 1 1
2
k x
k x
k
f x = x − −e ≥ Γ
C.2- Lois continues- Loi de Student
• Loi :
( ), * a même loi que
T = U , U Z, U (0,1), ²( )
Z/k
X k k X
N Z
χ
k∈ ⇔
⊥
∼
∼ ∼
T N
• Moments
• Propriétés : Si k>30 alors
T = , U Z, U (0,1), ²( )
Z/k
N Z
χ
k⊥ ∼ ∼
(0,1) X ≈ N
( ) 0, 1 ( ) , 2
2
E X k V X k k
= > = k >
−
C.2- Lois continues- Loi de Fisher
• Loi :
1 2
1 1
1 2 1 1 2 2
2 2
( , ), * a même loi que
F = Z / , Z Z , Z ²( ), ²( )
Z /
X F n n ni X
n n Z n
n
χ χ
∈ ⇔
⊥
∼
∼ ∼
N
• Moments
• Propriété
2
2 2
2 1 2
2 2
1 2 2
( ) , 2
2
2 ( 2)
( ) , 4
( 2) ( 4)
E X n n
n
n n n
V X n
n n n
= >
−
= + − >
− −
2 2
2
(1, ) a même loi que
F = , ( )
X F n X
T T n
∼ ⇔
∼T
C-3 Simulations de lois
Théorème d’inversion
Soit F une fonction de répartition sur R. On note
l’inverse généralisé de F (vaut l’inverse habituelle lorsque F est continue
1( ) inf{ / ( ) }
F− y = x∈R F x ≥ y l’inverse généralisé de F (vaut l’inverse habituelle lorsque F est continue est strictement croissante). Soit U deloi uniforme sur [0,1]. Alors,
1. a pour fonction de répartition F
2. Si F est continue sur R et X de fdr F, U=F(X) suit une loi uniforme sur [0,1].
1( ) X = F− U
C-3 Simulations de lois
Simulation d’une loi continue
Simulation de n réalisations X de loi F:
– on simule n réalisations d’une loi uniforme sur [0,1] (tirage au hasard de n nombres sur cet intervalle) : u1,…,un
– On calcule . Ce sont n réalisations de X de loi F.
1,...., , i 1( )i
i n x F− u
∀ = =
C-3 Simulations de lois
Simulation d’une loi discrète
Soit la loi de probabilité discrète d’une variable aléatoire à valeurs dans On note
et la fonction de répartition de cette loi en tout point. 1
( )
k
k k i
i
s P X x p
=
= ≤ =
∑
(
i ( i ))
1p P X x i n
= = ≤ ≤
{ ,...,x1 xn}.
=
∑
net la fonction de répartition de cette loi en tout point.
Soient n réalisations d’une variable de loi uniforme sur [0,1].
Alors
Sont n réalisations d’une variable aléatoire discrète de loi F.
1 i=
1,..., n
u u
1 1
1
( ) 1
k k
n
k x u x
k
F u s
− − ≤ <
=
=
∑
1
* 1
1
1,..., , ( ) 1
k i k
n
k i k s u s
k
i n x F u x
−
− ≤ <
=
∀ = = =