Variables aléatoires discrètes
Cette page traite des variables aléatoires discrètes, en fournissant des définitions claires, des lois classiques comme la loi de Bernoulli et la loi binomiale, ainsi que des concepts tels que l'espérance et la covariance. Des exemples pratiques sont inclus pour illustrer chaque notion, facilitant ainsi la compréhension pour les étudiants.
D'après le document Variables aléatoires discrètes
Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.
Document source
Probabilités, Mathématiques · PDF · 6 pages
Afficher l'aperçu du document
Cette page traite des variables aléatoires discrètes, en fournissant des définitions claires, des lois classiques comme la loi de Bernoulli et la loi binomiale, ainsi que des concepts tels que l'espérance et la covariance. Des exemples pratiques sont inclus pour illustrer chaque notion, facilitant ainsi la compréhension pour les étudiants.
Définition des variables aléatoires discrètes
Une variable aléatoire discrète sur un espace probabilisé (Ω, ℬ, P) à valeurs dans un ensemble E est une application X : Ω → E vérifiant les conditions suivantes :
- L’ensemble X(Ω) est au plus dénombrable.
- Pour tout x ∈ X(Ω), l’ensemble X-1({x}) = {ω ∈ Ω : X(ω) = x} ∈ ℬ, c’est-à-dire que X-1({x}) est un événement de Ω.
Dans le cas où E = ℝ, X est dite variable aléatoire discrète réelle.
Remarques importantes
- Si ℬ = P(Ω), c’est-à-dire que Ω est au plus dénombrable, la deuxième condition de la définition est automatiquement vérifiée.
- Soit (Ω, ℬ, P) et X une variable aléatoire discrète avec X(Ω) = {xi, i ∈ I} et I ⊂ ℝ. En général, I = ℕ ou I = ℤ.
Loi de probabilité d'une variable aléatoire
On appelle loi de probabilité de X la donnée {(xi, P(X = xi)), i ∈ I}, qui est donc la donnée des couples des valeurs prises par X et des probabilités correspondantes.
Propriétés de la loi de probabilité
- Pour tout xi ∈ X(Ω), P(X = xi) ≥ 0.
- {(X = xi), i ∈ I} est un système complet d’événements, donc Σ P(X = xi) = 1.
Lois discrètes classiques
Variable certaine
X est une variable certaine si l’application X(Ω) est consistante, c’est-à-dire qu’il existe a ∈ ℝ tel que pour tout ω ∈ Ω, X(ω) = a. Cela signifie que X(Ω) = {a}, avec P(X = a) = 1.
Variable uniforme
X est une variable uniforme discrète s'il existe n ∈ ℕ* tel que X(Ω) = {x1, x2, ..., xn} et si, pour tout k ∈ {1, ..., n}, P(X = xk) = 1/n.
La loi uniforme consiste à choisir un élément au hasard parmi n éléments.
Loi de Bernoulli
X est une variable de Bernoulli si X(Ω) = {0, 1} et s’il existe un nombre réel p ∈ ]0, 1[ tel que P(X = 1) = p, alors P(X = 0) = 1 − p.
Une épreuve de Bernoulli est une expérience aléatoire à 2 issues : succès ou échec, avec la probabilité du succès étant p ∈ ]0, 1[.
Loi binomiale
X est une variable binomiale s’il existe un nombre réel p ∈ ]0, 1[ et un entier n ∈ ℕ* tel que :
P(X = k) = Ckn pk (1 − p)n−k, pour k = 0, 1, ..., n.
On effectue n épreuves de Bernoulli indépendantes et on note X le nombre de succès. Alors X suit la loi binomiale notée B(n, p).
Loi géométrique
On dit que la variable aléatoire X suit une loi géométrique de probabilité p si X est égale au nombre de tirages nécessaires pour obtenir un succès dans une série d’épreuves de Bernoulli de probabilité p. La variable aléatoire X peut donc prendre toutes les valeurs entières non nulles.
P(X = k) = p(1 − p)k−1, pour k ∈ ℕ*.
Loi de Poisson
La variable aléatoire X suit une loi de Poisson P(λ) de paramètre λ ≠ 0 si :
P(X = k) = e−λ λk / k!, pour k ∈ ℕ.
Espérance et moments
Espérance d'une variable aléatoire
Soit X une variable aléatoire réelle discrète infinie sur (Ω, ℬ, P). X possède une espérance si la série de terme général xk P(X = xk) est absolument convergente. On note E(X) l'espérance de X.
Moments d'ordre r
X possède un moment d’ordre r si la série de terme général xkr P(X = xk) est absolument convergente. On note mr(X) le moment d’ordre r de X.
Covariance entre deux variables aléatoires
Soit X et Y deux variables aléatoires réelles. La covariance est définie par :
Cov(X, Y) = E(XY) - E(X)E(Y).
Si X et Y sont indépendantes, alors Cov(X, Y) = 0.
Key takeaways
- Une variable aléatoire discrète est définie par un espace probabilisé et des valeurs dénombrables.
- Les lois classiques incluent Bernoulli, binomiale, géométrique et de Poisson.
- L'espérance et les moments sont des concepts clés pour analyser les variables aléatoires.
Glossaire
- Variable aléatoire discrète : Fonction qui associe des valeurs à des événements dans un espace probabilisé.
- Loi de probabilité : Distribution des probabilités associées aux valeurs d'une variable aléatoire.
- Espérance : Valeur moyenne d'une variable aléatoire.
- Covariance : Mesure de la façon dont deux variables aléatoires varient ensemble.
Questions fréquentes
Qu'est-ce qu'une variable aléatoire discrète ?
Une variable aléatoire discrète est une fonction qui associe des valeurs à des événements dans un espace probabilisé, avec un ensemble de valeurs au plus dénombrable.
Comment fonctionne la loi de Bernoulli ?
La loi de Bernoulli décrit une variable aléatoire qui prend deux valeurs, 0 et 1, avec une probabilité p pour 1 et 1-p pour 0, représentant un succès ou un échec.
Quels sont les moments d'une variable aléatoire ?
Les moments d'une variable aléatoire sont des valeurs qui décrivent la forme de sa distribution, comme l'espérance (moment d'ordre 1) et la variance (moment d'ordre 2).
Quelle est la différence entre loi binomiale et loi de Poisson ?
La loi binomiale s'applique à un nombre fixe d'épreuves de Bernoulli, tandis que la loi de Poisson modélise le nombre d'événements dans un intervalle fixe, souvent utilisée pour des événements rares.
Comment calculer la covariance entre deux variables aléatoires ?
La covariance est calculée par la formule Cov(X, Y) = E(XY) - E(X)E(Y), mesurant la relation entre les variations de X et Y.
Commentaires
Aucun commentaire pour le moment. Posez la première question.