3. Caractéristiques et fonctions d une v.a.

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "3. Caractéristiques et fonctions d une v.a."

Transcription

1 3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32

2 Plan 1. Caractéristiques d une distribution 2. Fonctions d une variable aléatoire 3. Distribution d une fonction d une variable aléatoire 4. Espérance et variance de fonctions de v.a. MTH2302D: fonctions d une v.a. 2/32

3 1. Caractéristiques d une distribution 2. Fonctions d une variable aléatoire 3. Distribution d une fonction d une variable aléatoire 4. Espérance et variance de fonctions de v.a. MTH2302D: fonctions d une v.a. 3/32

4 Espérance mathématique Soit X une variable aléatoire. L espérance mathématique (ou moyenne) de X est µ = x i p X (x i ) si X est discrète. x i R X µ = + xf X (x)dx si X est continue. Autres notations : µ = E(X) = E[X]. MTH2302D: fonctions d une v.a. 4/32

5 Exemple 1 Une boîte contient 5 DVDs parmi lesquels 2 sont défectueux. Un échantillon de 2 disques est prélevé (sans remise) de la boîte. Soit X : le nombre de DVDs défectueux dans l échantillon. Calculer l espérance de la v.a. discrète X. MTH2302D: fonctions d une v.a. 5/32

6 Exemple 2 L erreur commise lors de la mesure du diamètre d une pièce produite en série est approximée par une v.a. X (en mm) dont la fonction de densité est { 3 f(x) = 4 (1 x2 ) si 1 < x < 1, 0 sinon. Calculer l espérance de la v.a. continue X. MTH2302D: fonctions d une v.a. 6/32

7 Variance et écart-type Soit X une variable aléatoire. La variance de X est σ 2 = (x i µ) 2 p X (x i ) si X est discrète. x i R X σ 2 = + (x µ) 2 f X (x)dx si X est continue. L écart-type de X est σ = σ 2. Autres notations : σ 2 = Var(X) = V(X) = V(X). MTH2302D: fonctions d une v.a. 7/32

8 Variance (suite) V(X) = E[(X E[X]) 2 ] = E[X 2 ] (E[X]) 2. Si X est discrète, V(X) = ( ) (x i µ) 2 p X (x i ) = x 2 i p X(x i ) µ 2. x i R X x i R X Si X est continue, + V(X) = (x µ) 2 f X (x)dx = ( + x 2 f X (x)dx ) µ 2. MTH2302D: fonctions d une v.a. 8/32

9 Exemple 3 Montrer que dans l exemple 1, σ 2 = 0.36, et que dans l exemple 2, σ 2 = 0.2. MTH2302D: fonctions d une v.a. 9/32

10 Inégalité de Bienaymé-Tchebychev Théorème Si E(X) = µ et V(X) = σ 2, alors, pour tout a > 0, on a P (µ aσ X µ + aσ) > 1 1/a 2. MTH2302D: fonctions d une v.a. 10/32

11 Moments d ordre supérieur Soit X une variable aléatoire et k 0 un entier. 1. Le k e moment de X par rapport à l origine est µ k = x k i p X (x i ) si X est discrète. x i R X µ k = + x k f X (x)dx si X est continue. 2. Le k e moment de X par rapport à la moyenne µ est µ k = (x i µ) k p X (x i ) si X est discrète. x i R X + µk = (x µ) k f X (x)dx si X est continue. MTH2302D: fonctions d une v.a. 11/32

12 Moments d ordre supérieur (suite) 3. Moyenne : µ = µ Variance : σ 2 = µ Relation entre µ k et µ k : µ k = k ( ( 1) j k j j=0 ) µ j µ k j. Exemple 4 Utiliser ces relations pour montrer que σ 2 = µ 2 µ2. MTH2302D: fonctions d une v.a. 12/32

13 Coefficients de forme Coefficient d asymétrie (skewness) : γ 1 = µ 3 /σ 3. Si γ 1 > 0, la distribution est étalée vers la droite. Si γ 1 < 0, c est vers la gauche. Si la distribution est symétrique, alors γ 1 = 0. L inverse n est pas vrai. Coefficient d aplatissement (kurtosis) : β 2 = µ 4 /σ 4 MTH2302D: fonctions d une v.a. 13/32

14 Médiane La médiane de la v.a. X est une valeur x telle que P (X x) 1/2 et P (X x) 1/2 ou bien P (X x) 1/2 et P (X < x) 1/2. Utile si on a de grandes valeurs dans R X car cette valeur est moins influencée que la moyenne par les valeurs extrêmes. On n a pas forcément x R X. Si X est discrète, alors x peut ne pas être unique. Si X est continue, x est unique et peut être trouvée avec P (X x) = P (X x) = 1/2. Dans le cas continu, la médiane est un cas particulier de la notion de quantile. MTH2302D: fonctions d une v.a. 14/32

15 Les centiles (quantiles ou percentiles) On considère une v.a. X continue et p un nombre réel avec 0 p 1. On appelle le 100p-ième quantile (ou quantile d ordre p, ou centile, ou percentile) de X le nombre x p tel que P (X x p ) = p et P (X x p ) = 1 p. Le 50-ième centile est la médiane : x = x 0.5. Quartiles : Q 1 = x 0.25, Q 2 = x = x 0.5, Q 3 = x Écart interquartile : IQR = Q 3 Q 1. Mesure la dispersion de la moitié de la distribution car P (Q 1 X Q 3 ) = 50%. Parfois, x p est noté le 100(1 p)-ième quantile. MTH2302D: fonctions d une v.a. 15/32

16 Autres caractéristiques Mode de X : c est la (ou les) valeur x telle que p X (x ) p X (x) pour tout x R X (cas discret). Dans le cas continu, remplacer p X par f X. Étendue de X : c est max{r X } min{r X }. Peut être +. MTH2302D: fonctions d une v.a. 16/32

17 1. Caractéristiques d une distribution 2. Fonctions d une variable aléatoire 3. Distribution d une fonction d une variable aléatoire 4. Espérance et variance de fonctions de v.a. MTH2302D: fonctions d une v.a. 17/32

18 Événements équivalents Soit X une variable aléatoire et H une fonction. Alors Y = H(X) est une autre variable aléatoire. On calcule la probabilité d un événement C de R Y en considérant l événement équivalent B de R X : B = {x R X H(x) C}. La probabilité est donnée par P (Y C) = P (X B). MTH2302D: fonctions d une v.a. 18/32

19 Exemple 5 Le diamètre d un fil est une v.a. de densité { 200 si 1 x 1.005, f X (x) = 0 sinon. Quelle est la probabilité que l aire de la section de ce fil soit inférieure à 1.01π/4? MTH2302D: fonctions d une v.a. 19/32

20 1. Caractéristiques d une distribution 2. Fonctions d une variable aléatoire 3. Distribution d une fonction d une variable aléatoire 4. Espérance et variance de fonctions de v.a. MTH2302D: fonctions d une v.a. 20/32

21 Cas 1 : X et Y sont discrètes Si X est une v.a. discrète et Y = H(X) est discrète, alors la fonction de masse de Y est donnée par p Y (y) = P (Y = y) = P (X = x). {x R X H(x)=y} Exemple 6 Soit X une v.a. dont la fonction de masse est donnée par la tableau suivant : x p X (x) 1 8 Déterminer la fonction de masse de Y = X MTH2302D: fonctions d une v.a. 21/32

22 Cas 2 : X est continue et Y est discrète Si X est une v.a. continue et Y = H(X) est discrète alors la fonction de masse de Y est donnée par p Y (y) = P (Y = y) = f X (x)dx. {x R X H(x)=y} MTH2302D: fonctions d une v.a. 22/32

23 Exemple 7 Pour 1 kg d un certain alliage la teneur en magnésium est une v.a. X de densité x si 0 x 4, f X (x) = 8 0 sinon. Chaque kg de cet alliage génère une perte de 100$ si la teneur est inférieure à 2, aucun profit si la teneur est supérieure à 2 mais inférieure à 3, et un profit de 400$ si la teneur est supérieure à 3. On considère 1 kg de cet alliage. Déterminer la fonction de masse du profit Y et le profit moyen E(Y ). MTH2302D: fonctions d une v.a. 23/32

24 Cas 3 : X et Y sont continues Si X est une v.a. continue et Y = H(X) est continue alors il y a deux façons de déterminer la fonction de densité de Y, dépendamment de la fonction H. Première façon, qui s applique toujours. 1. Déterminer la fonction de répartition de Y : F Y (y) = P (Y y) = P (H(X) y). 2. Obtenir la densité f y en dérivant F Y : f Y (y) = d dy F Y (y). MTH2302D: fonctions d une v.a. 24/32

25 Cas 3 : X et Y sont continues (suite) Deuxième façon, si H est strictement croissante ou décroissante. Dans ce cas, la densité de Y est donnée par f Y (y) = f X (x) dx dy où x = H 1 (y) et f X (x) est exprimée en fonction de y. MTH2302D: fonctions d une v.a. 25/32

26 Cas 3 : X et Y sont continues (suite) Exemple 8 Première façon. Un courant électrique d intensité aléatoire X traverse un appareil de résistance constante r. La puissance obtenue est alors donnée par la v.a. Y = rx 2 (loi d Ohm). Supposons que la fonction de densité de X soit { 2xe x 2 si x 0, f X (x) = 0 sinon. Déterminer la fonction de densité de Y. MTH2302D: fonctions d une v.a. 26/32

27 Cas 3 : X et Y sont continues (suite) Exemple 9 Deuxième façon. Soit X une v.a. de densité et Y = 3X 2. f X (x) = { e x si x > 0, 0 sinon Déterminer la fonction de densité de Y. MTH2302D: fonctions d une v.a. 27/32

28 1. Caractéristiques d une distribution 2. Fonctions d une variable aléatoire 3. Distribution d une fonction d une variable aléatoire 4. Espérance et variance de fonctions de v.a. MTH2302D: fonctions d une v.a. 28/32

29 Définition Soit X et Y = H(X) des v.a. L espérance mathématique de Y est E[H(X)] = H(x i )p X (x i ) si X est discrète. x i R X E[H(X)] = H(x)f X (x)dx si X est continue. MTH2302D: fonctions d une v.a. 29/32

30 Cas particuliers 1. Si H(x) = x, alors E[H(X)] = µ (moyenne de X). 2. Si H(x) = (x µ) 2, alors E[H(X)] = σ 2 (variance de X). 3. Si H(x) = (x µ) k, alors E[H(X)] = µ k (moments par rapport à la moyenne). 4. Si H(x) = x k, alors E[H(X)] = µ k l origine). { 1 si x A 5. Si H(x) = 1 A (x) = 0 sinon E[H(X)] = P (X A). (moments par rapport à, alors MTH2302D: fonctions d une v.a. 30/32

31 Variance Soit X une variable aléatoire et Y = H(X). La variance de Y est V[H(X)] = E [(H(X) E[H(X)]) 2] [ = E (H(X)) 2] (E[H(X)]) 2. Cas particulier important Si H(x) = ax + b (H est linéaire) alors E(aX + b) = ae(x) + b. V(aX + b) = a 2 V(X). MTH2302D: fonctions d une v.a. 31/32

32 Exemple 10 Soit X une variable aléatoire de densité 1 si 1 x 1, f X (x) = 2 0 sinon. Si Y = X 2, calculer E[Y ] et V[Y ]. MTH2302D: fonctions d une v.a. 32/32

Représentation d une distribution

Représentation d une distribution 5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

Calculs de probabilités avec la loi normale

Calculs de probabilités avec la loi normale Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce

Plus en détail

Variables Aléatoires. Chapitre 2

Variables Aléatoires. Chapitre 2 Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

Les devoirs en Première STMG

Les devoirs en Première STMG Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. 14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

La fonction exponentielle

La fonction exponentielle DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction

Plus en détail

Que faire lorsqu on considère plusieurs variables en même temps?

Que faire lorsqu on considère plusieurs variables en même temps? Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Commun à tous les candidats

Commun à tous les candidats EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle

Plus en détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP PSI - 2010 Mathématiques 1 : un corrigé CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P

Plus en détail

Cours Fonctions de deux variables

Cours Fonctions de deux variables Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté

Plus en détail

Apprentissage non paramétrique en régression

Apprentissage non paramétrique en régression 1 Apprentissage non paramétrique en régression Apprentissage non paramétrique en régression Résumé Différentes méthodes d estimation non paramétriques en régression sont présentées. Tout d abord les plus

Plus en détail

Fonctions de deux variables. Mai 2011

Fonctions de deux variables. Mai 2011 Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs

Plus en détail

Leçon N 4 : Statistiques à deux variables

Leçon N 4 : Statistiques à deux variables Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Mais comment on fait pour...

Mais comment on fait pour... Mais comment on fait pour... Toutes les méthodes fondamentales en Maths Term.S Édition Salutπaths Table des matières 1) GÉNÉRALITÉS SUR LES FONCTIONS...13 1.Comment déterminer l'ensemble de définition

Plus en détail

Économetrie non paramétrique I. Estimation d une densité

Économetrie non paramétrique I. Estimation d une densité Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer

Plus en détail

4. Martingales à temps discret

4. Martingales à temps discret Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les

Plus en détail

Mesure, impact des politiques et estimation. Programme de formation MIMAP. Remerciements

Mesure, impact des politiques et estimation. Programme de formation MIMAP. Remerciements Pauvreté, bienêtre social et équité : Mesure, impact des politiques et estimation par JeanYves Duclos Département d économique et CRÉFACIRPÉE, Université Laval, Canada Programme de formation MIMAP Remerciements

Plus en détail

Trépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g.

Trépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g. PHYSQ 130: Hooke 1 LOI DE HOOKE: CAS DU RESSORT 1 Introduction La loi de Hooke est fondamentale dans l étude du mouvement oscillatoire. Elle est utilisée, entre autres, dans les théories décrivant les

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

EXERCICE 4 (7 points ) (Commun à tous les candidats)

EXERCICE 4 (7 points ) (Commun à tous les candidats) EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat

Plus en détail

avec des nombres entiers

avec des nombres entiers Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0

Plus en détail