Variables aléatoires élémentaires

La notion de variable aléatoire réelle est utilisée dès que le résultat d'une expérience aléatoire est quantifiable. Elle est née de considération sur les jeux où à chaque jeu pouvait être associé un gain.



Catégories :

Mathématiques élémentaires - Probabilités

Page(s) en rapport avec ce sujet :

  • Retour page glossaire ⇒. Variables aléatoires élémentaires... Cette probabilité se nomme loi de probabilité de X. Il arrive fréquemment qu'on oublie.... On dit que X est une variable aléatoire de densité f si la probabilité de ... (source : techno-science)
  • sur chaque événement élémentaire. Ces événements élémentaires formant une... À partir de variables aléatoires existantes, on peut en créer de nouvelles.... Quelle est la loi de probabilité de la variable aléatoire Y donnant le total... (source : gconnan.free)
  • Variables aléatoires. Loi de probabilité d'une variable aléatoire.... Propriétés élémentaires. Moments. Fonction caractéristique.... (source : www-irma.u-strasbg)
Icone math élém.jpg
Cet article est membre de la série
Mathématiques élémentaires
Algèbre
Logique
Arithmétique
Probabilités
Statistiques

La notion de variable aléatoire réelle est utilisée dès que le résultat d'une expérience aléatoire est quantifiable. Elle est née de considération sur les jeux où à chaque jeu pouvait être associé un gain (= somme empochée - mise). La question était de savoir comment répartir de façon juste les mises en cas d'arrêt forcé en cours de partie. Blaise Pascal contribua largement à la fonder.

De manière informelle, une variable aléatoire réelle est une variable numérique qui dépend d'une expérience soumise au hasard. C'est le cas des gains d'un joueur qui dépendent du résultat d'un tirage de loterie ou bien de la somme des faces supérieures de deux dés qui dépend du résultat du lancé des deux dés. À chaque résultat de l'expérience soumise au hasard est associé un nombre (gain ou somme des chiffres). Cette relation entre la totalité des résultats envisageables d'une expérience aléatoire, qu'on nomme univers des envisageables, et un ensemble de nombres est à l'origine de la définition formelle de la variable aléatoire.

Formellement, une variable aléatoire réelle est une application X d'un univers Ω pourvu d'une probabilité p vers R. Cette application crée un nouvel univers X (Ω) de réels sur lequel on peut construire une probabilité issue de p. Cette probabilité se nomme loi de probabilité de X. Il arrive fréquemment qu'on oublie l'univers Ω pour ne s'intéresser qu'à l'univers X (Ω).

Cas des variables aléatoires définies sur un univers Ω fini.

Si l'univers Ω est fini, alors l'univers X (Ω) est fini. X (Ω) = {x1, x2, ..., xn}.

Loi de probabilité

Attention : l'approche fréquentiste utilisée dans cette section ne résume pas à elle seule la notion de probabilité. Elle ne fait qu'en apporter un exemple. Nombre de probabilités sont associées à des événements où aucune notion de fréquence n'intervient.

La loi de probabilité peut se construire de la manière suivante : pX (xi) = p (X = xi). = pi

Exemple : En lançant deux dés, on crée un univers Ω de 36 éléments constitué de couples d'entiers de 1 à 6. Sur cet univers, on définit une équiprobabilité (les lancers des 2 dés étant deux expériences indépendantes). Si on ne s'intéresse qu'à la somme des deux dés, il faut créer une variable aléatoire X qui, à chaque couple, associe leur somme.

L'univers X (Ω) est par conséquent {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Cet univers contient 11 éléments, mais il n'est pas correct d'y définir une équiprobabilité.

On peut ainsi créer une loi de probabilité sur X (Ω)

xi 2 3 4 5 6 7 8 9 10 11 12
pi 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

Espérance, variance et écart type

La présentation de la loi de probabilité sous forme d'un tableau ressemblant au tableau des fréquences d'une série statistique quantitative discrète et la loi des grands nombres qui stipule que les deux tableaux coïncident si on renouvelle la plupart de fois l'expérience, pousse à définir aussi pour X la moyenne, la variance et l'écart type.

La moyenne de la série statistique sera nommé espérance dans le cas d'une variable aléatoire. Ce terme provient probablement de l'utilité des premières variables aléatoires dans les calculs statistiques sur les gains des jeux de hasard. L'espérance du gain correspond alors à la moyenne des gains au cours de nombreuses parties.

E(X) = \sum_{i=1}ˆnp_ix_i

La variance s'écrit alors, par ressemblance avec la formule de la variance avec fréquences :

V(X) =  \sum_{i=1}ˆnp_i(x_i - E(X))ˆ2= \left(\sum_{i=1}ˆnp_ix_iˆ2\right) - (E(X))ˆ2  = E(Xˆ2) - (E(X))ˆ2

L'écart type reste toujours la racine carrée de la variance : \sigma_X = \sqrt{V(X)}.

Fonction de répartition

La fonction de répartition d'une variable aléatoire X est la fonction F définie sur R par F (x) = p (X ≤ x).

Dans le cas d'une variable discrète, c'est une fonction en escalier. En effet :

  • si x < x1 alors F (x) = 0.
  • si x_1 \leq x < x_2 alors F (x) = p1.
  • si x_2 \leq x < x_3 alors F (x) = p1 + p2.
  • ...
  • si x_{n-1} \leq x < x_n alors F (x) = p1 + p2 +... + pn − 1.
  • si x \geq x_n alors F (x) = 1.

Lois célèbres

Outre l'équiprobabilité, on peut rencontrer aussi

Variables aléatoires à densité

Il arrive que l'univers Ω soit illimité et que l'univers X (Ω) soit aussi illimité. Le calcul des pX (x) pour tout x de X (Ω) n'est fréquemment pas suffisant pour calculer la probabilité d'un événement et il est même habituel que ces pX (x) soient tous nuls. Il est alors indispensable de calculer directement pX .

Densité de probabilité

On dit que X est une variable aléatoire de densité f si la probabilité de l'événement «a ≤ X ≤ b» vaut \int_aˆb f(t)\,dt. Il faut bien entendu que la fonction f soit à valeurs positives, intégrable sur R, et d'intégrale sur R égale à 1.

On peut remarquer que p = 0, par conséquent que p (]a ; b]) = p ce qui explique la liberté prise dans ce cas avec les inégalités larges ou strictes.

De l'histogramme à la densité de probabilité

En renouvelant 10000 fois l'expérience X, on crée une série statistique continue. On peut alors ranger les différentes valeurs obtenues dans des classes de même amplitude et tracer l'histogramme des fréquences. L'aire du rectangle de base [xi, xi+1] représente la fréquence de la classe [xi, xi+1]. Cet histogramme dessine une fonction en escalier.

L'aire sous la courbe entre xi et xj représente la fréquence de la classe [xi, xj]. Or la loi des grands nombres nous dit que cette fréquence est une bonne approximation de p . En multipliant les expériences et en affinant les classes, la fonction en escaliers se rapproche d'une fonction fréquemment continue, l'aire sous cette courbe sur l'intervalle [a ; b] est alors un bon représentant de la probabilité de l'intervalle [a ; b]. Cette fonction se nomme la densité de probabilité de la variable X.

On prend fréquemment l'habitude de tracer cette densité de probabilité pour mieux visualiser la loi de probabilité associée en regardant l'aire sous la courbe entre les valeurs qui nous intéressent.

Loi uniforme

Le cas le plus simple de loi à densité est la loi uniforme. Les valeurs de X se répartissent uniformément sur un intervalle [a ; b]. L'histogramme qu'on pourrait dessiner serait une succession de rectangles de même hauteur. La densité de probabilité est par conséquent une fonction constante k. L'aire sous la courbe sur l'intervalle [a ; b] vaut alors k (b - a). Or cette aire doit valoir 1, par conséquent k = 1/ (b-a).

La probabilité de l'intervalle [c ; d] (inclus dans [a ; b]) est alors k (d - c) = \dfrac{d - c}{b - a}

Autres lois

On rencontre aussi

Ces deux lois sont aussi celles de distributions d'entropie maximale sous contrainte, la première lorsque l'unique contrainte imposée est la moyenne, la seconde lorsque sont imposées une moyenne et une variance. Cette caractéristique montre leur caractère général : de l'ensemble des distributions obéissant à ces contraintes, ce sont les moins prévenues, les moins arbitraires, les plus générales, bref, les plus neutres : celles qui n'introduisent pas d'information supplémentaire (et par conséquent arbitraire) comparé à ce qui est donné.

Espérance, variance et écart type

La méthode d'approximation d'une intégrale par la méthode des rectangles conduit à définir l'espérance et la variance comme des intégrales issues du passage à la limite des sommes définissant moyenne et variance dans le cas d'une variable statistique continue.

De la moyenne de la série statistique, on passe à l'espérance de X par la formule.

E(X) = \int_{\mathbb{R}} f(x).xÐ si l'intégrale existe

La variance s'écrit alors, par ressemblance avec la formule de la variance avec fréquences :

V(X) =  \int_{\mathbb{R}} f(x).(x - E(X))ˆ2Ð = \left(\int_{\mathbb{R}} f(x).xˆ2Ð\right) - (E(X))ˆ2 si l'intégrale existe.

L'écart type reste toujours la racine carrée de la variance : \sigma_X = \sqrt{V(X)}.

Fonction de répartition

La fonction de répartition est la fonction F définie sur R par F (x) = p (X ≤ x).

Dans le cas d'une variable à densité, c'est la primitive de f dont la limite en + ∞ est 1.

En effet F(x) = \int_{- \infty}ˆxf(t)\, dt

Médiane

Si la fonction de répartition F est continue et strictement croissante, elle définit une bijection de R sur ]0 ; 1[. Il existe par conséquent alors une valeur unique M telle que F (M) = 1/2. Cette valeur se nomme la médiane de la variable aléatoire X. Elle vérifie p (X ≤ M) = p (X > M) = 0, 5.

Cas des variables aléatoires ayant une illimitété dénombrable de valeurs

Ce cas sort du cadre des mathématiques élémentaires, mais mérite cependant d'être évoqué. Ces variables font le lien entre les variables discrètes prenant n valeurs, n grand, et les variables continues.

Il est envisageable de définir pX (xi) pour tout i de N.

Les lois les plus connues de variables aléatoires à valeurs dans N sont :

Voir aussi

Recherche sur Amazon (livres) :



Ce texte est issu de l'encyclopédie Wikipedia. Vous pouvez consulter sa version originale dans cette encyclopédie à l'adresse http://fr.wikipedia.org/wiki/Variables_al%C3%A9atoires_%C3%A9l%C3%A9mentaires.
Voir la liste des contributeurs.
La version présentée ici à été extraite depuis cette source le 10/03/2010.
Ce texte est disponible sous les termes de la licence de documentation libre GNU (GFDL).
La liste des définitions proposées en tête de page est une sélection parmi les résultats obtenus à l'aide de la commande "define:" de Google.
Cette page fait partie du projet Wikibis.
Accueil Recherche Aller au contenuDébut page
ContactContact ImprimerImprimer liens d'évitement et raccourcis clavierAccessibilité
Aller au menu