Synthèse de cours PanaMaths Variables aléatoires réelles à densité

Documents pareils
Loi binomiale Lois normales

Amphi 3: Espaces complets - Applications linéaires continues

I. Polynômes de Tchebychev

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

Commun à tous les candidats

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16

108y= 1 où x et y sont des entiers

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Fiche PanaMaths Calculs avec les fonctions sous Xcas

PROBABILITES ET STATISTIQUE I&II

TSTI 2D CH X : Exemples de lois à densité 1

Licence MASS (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7

Moments des variables aléatoires réelles

Programmes des classes préparatoires aux Grandes Ecoles

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Espérance conditionnelle

3. Conditionnement P (B)

3. Caractéristiques et fonctions d une v.a.

Limites finies en un point

Chapitre 7 : Intégration sur un intervalle quelconque

4 Distributions particulières de probabilités

4. Martingales à temps discret

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Travaux dirigés d introduction aux Probabilités

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.

Le modèle de Black et Scholes

Probabilités III Introduction à l évaluation d options

Correction du Baccalauréat S Amérique du Nord mai 2007

Développement décimal d un réel

Continuité et dérivabilité d une fonction

TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION

Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor

f n (x) = x n e x. T k

3 Approximation de solutions d équations

Image d un intervalle par une fonction continue

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Intégration et probabilités TD1 Espaces mesurés Corrigé

CAPTEURS - CHAINES DE MESURES

CCP PSI Mathématiques 1 : un corrigé

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

FIMA, 7 juillet 2005

Quantification Scalaire et Prédictive

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Chapitre 1 : Évolution COURS

Calcul fonctionnel holomorphe dans les algèbres de Banach

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Processus aléatoires avec application en finance

L exclusion mutuelle distribuée

Comparaison de fonctions Développements limités. Chapitre 10

Statistiques Descriptives à une dimension

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Simulation de variables aléatoires

Chapitre 3. Les distributions à deux variables

Analyse de la variance Comparaison de plusieurs moyennes

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE

I3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

Équation de Langevin avec petites perturbations browniennes ou

Modèles et Méthodes de Réservation


Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Représentation d une distribution

ENS de Lyon TD septembre 2012 Introduction aux probabilités. A partie finie de N

Mesures gaussiennes et espaces de Fock

PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390

Analyse des Systèmes Asservis

Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Théorie de la Mesure et Intégration

Les Conditions aux limites

Différentiabilité ; Fonctions de plusieurs variables réelles

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Texte Agrégation limitée par diffusion interne

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Cours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Cours de Tests paramétriques

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Économetrie non paramétrique I. Estimation d une densité

Corrigé du baccalauréat S Pondichéry 12 avril 2007

Fonctions Analytiques

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

aux différences est appelé équation aux différences d ordre n en forme normale.

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

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

Introduction à la Statistique Inférentielle

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.

Les travaux doivent être remis sous forme papier.

Taux d évolution moyen.

Variables Aléatoires. Chapitre 2

Cours d Analyse. Fonctions de plusieurs variables

Probabilités et statistique. Benjamin JOURDAIN

MATHS FINANCIERES. Projet OMEGA

Transcription:

Synthèse de cours PanaMaths Variables aléatoires réelles à densité Dans tout ce document, les variables aléatoires considérées sont des variables aléatoires réelles (V.A.R.). Variable aléatoire réelle à densité Soit X une V.A.R. de fonction de répartition F. On dit que «X est une variable aléatoire réelle à densité» ou que «X est absolument continue» s il existe une fonction f de la variable réelle telle que : La fonction f est continue sur sauf, peut-être en un nombre fini de points. x f ( x), 0., ( ) ( ) x F x = f t dt. x On dit alors que «X est une variable aléatoire réelle de densité f». Propriété Si g une fonction de la variable réelle, positive, ne différant de f qu en un nombre fini de x / f x g x est fini) alors g est aussi une densité pour X. points (i.e. l ensemble { ( ) ( )} On retiendra : Si une V.A.R. X admet une densité alors elle en admet une infinité. www.panamaths.net [1-5] Juin 2011

Caractérisation d une densité Variables aléatoires réelles à densité Soit f une fonction réelle de la variable réelle. La fonction f est une densité si, et seulement si : La fonction f est continue sur sauf, peut-être en un nombre fini de points. x f ( x), 0 ; + f x dx f x dx ( ) = ( ) = 1. Calcul de probabilités Pour tous réels a et b, on a : p( a) X = = 0 (on dit que la loi de X est «diffuse») ; ( X ) ( X ) ( ) p > a = p a = f x dx ; + a ( X ) ( X ) ( X ) ( X ) ( ) p a< < b = p a< b = p a < b = p a b = f x dx. b a Densité et fonction de répartition Soit X une V.A.R. de densité f et de fonction de répartition F. La fonction F est continue sur. Ainsi, une V.A.R. absolument continue est continue (mais la réciproque est fausse). En tout point a où f est continue, on a : F' ( a) f ( a) =. 1 Ainsi, F est de classe C sur sauf peut-être en un nombre fini de points. Ces résultats fondamentaux conduisent au théorème suivant, très utile dans la pratique. PanaMaths [2-5] Juin 2011

Si F est une fonction réelle de la variable réelle vérifiant : F est croissante sur ; + lim F( x) = 0 et F( x) x lim = 1 ; x + F est continue sur ; 1 F est de classe C sur sauf peut-être en un nombre fini de points. alors la fonction F est la fonction de répartition d une V.A.R. X à densité. Pour obtenir une densité f de la V.A.R. X, on procède alors comme suit : Pour tout réel x où F est dérivable : f ( x) = F' ( x). Pour tout réel x éventuel où F n est pas dérivable : on choisit n importe quelle valeur positive pour f ( x ). Moments d une variable aléatoire réelle à densité Espérance On appelle «espérance de X», notée E( X ), le réel (sous réserve d existence de l intégrale) : E( X) = x f ( x) dx Remarque : rappelons que l espérance est le moment standard d ordre 1 de X. Propriétés On a les propriétés classiques de l espérance (voir le document «Généralités dur les variables aléatoires réelles»). PanaMaths [3-5] Juin 2011

Variance et écart type Soit X une variable aléatoire réelle de densité f. On appelle «variance de X», notée V( X ) ou var ( X ), le réel (sous réserve d existence de l intégrale) : 2 2 ( ) = ( ( )) = ( ( )) ( ) V X E X E X x E X f x dx L écart type σ X de X est la racine carrée de sa variance : 2 ( ) ( ( )) ( ) σ X = V X = x E X f x dx Remarque : rappelons que la variance est le moment centré d ordre 2 de X. Propriétés On a les propriétés classiques de la variance (voir le document «Généralités dur les variables aléatoires réelles»). Rappelons cependant le théorème de Koenig-Huyghens : Si X est une variable aléatoire réelle de densité f admettant une variance alors on a : 2 2 2 V( X) = E( X ) ( E( X) ) = x f ( x) dx x f ( x) dx 2 On a aussi le théorème intéressant suivant : Si X est une variable aléatoire réelle de densité f admettant une variance alors X admet une espérance. PanaMaths [4-5] Juin 2011

Théorème de transfert Soit X une variable aléatoire réelle de densité f. Soit g une fonction réelle de la variable réelle, continue sauf, éventuellement, en un nombre fini de points. Si l intégrale g ( x) f ( ) une espérance ( ) x dx E Y et on a : est absolument convergente, alors la V.A.R. Y g ( X) ( ) ( ( )) ( ) ( ) E Y E g X g x f x dx = = = admet PanaMaths [5-5] Juin 2011