Universit Montpellier 2

20122013

Aide Mmoire
Cet aide mmoire ne constitue pas un cours, mais un simple formulaire, non
exhaustif, des outils pouvant tre utiles lors dune approche statistique. Pour davantage de dtails, veuillez vous reporter lune des rfrences donnes en cours.

Quelques notations
Il sagit de prciser ici le sens de quelques symboles utiliss en cours.

1.1

Le symbole somme

Le symbole somme, not , est une notation mathmatique qui permet de

dsigner la somme dune famille finie de termes {xi }i{1,...,n} tout en vitant lutilisation de points de suspension :
P

n
X

xi = x1 + x2 + . . . + xn .

i=1

Lindice de sommation i permet dindiquer que la somme ne porte que sur

les lments indexs par i, i.e tout terme non index par i est considr comme
constant par rapport la somme.
Le symbole somme bnficie des mmes proprits de commutativit et dassociativit que laddition.
Exemple 1. La somme 2 + 4 + 6 + 8 + 10 peut scrire

5
X

2i

i=1

Exemple 2. Soit {ai }i{1,...,n} et {bi }i{1,...,n} deux familles finies.

n
X

(ai + bi ) =

i=1

n
X

ai +

i=1

n
X

bi .

i=1

La distributivit du produit par rapport laddition est galement conserve.

Exemple 3. Soit {ai }i{1,...,n} une famille finie.
n
X
i=1

Julien Stoehr

2ai = 2

n
X

ai .

i=1

Universit Montpellier 2

1.2

20122013

Le symbole produit

La dfinition du symbole produit est analogue celle du symbole somme. Le

Q
symbole produit, not , est une notation mathmatique qui permet de dsigner
le produit dune famille finie de termes {xi }i{1,...,n} tout en vitant lutilisation de
points de suspension :
n
Y

xi = x1 x2 . . . xn .

i=1

Ce symbole bnficie des mmes proprits de commutativit et dassociativit

que le produit.
Exemple 4. Le produit 1 2 3 4 peut scrire

4
Y

i=1

Exemple 5. Soit {ai }i{1,...,n} et {bi }i{1,...,n} deux familles finies.

n
Y

ai b i =

ai

i=1

i=1

1.3

n
Y

n
Y

bi .

i=1

Pour bien comprendre

Exercice 1. Calculer les sommes suivantes.

1.
2.
3.
4.

n
X

i=1
n
X

i, dans les cas o n = 5 et n = 74.

i=1
n 
X
i=1
n
X

1 i
. Quid lorsque n ?
2


(4k + 5)

k=1

5. Soit {xi }i{1,...,n} une famille dentiers tel que

de la somme suivante

n
X

2xi = 3n. Trouver la valeur

i=1
n
X

(xi + 1).

i=1

Exercice 2. Calculer les produits suivants.

1.

n
Y

i=1

Julien Stoehr

Universit Montpellier 2

20122013

2. Soit {xi }i{1,...,n} une famille dentiers tel que

n
Y

xi = n2 . Que vaut le produit

i=1

suivant lorsque n = 10 :

n
Y

4xi .

i=1

Exponentielle et logarithme

Lexponentielle et le logarithme sont des fonctions de base qui interviennent

frquemment en probabilit et statistique. Il est dont important de connatre les
proprits fondamentales de ces dernires.
Soit {xi }i{1,...,n} une famille finie. On alors :
exp
ln

n
X
i=1
n
Y

xi =
!

xi =

i=1

n
Y
i=1
n
X

exp (xi )
ln (xi ) .

i=1

Exemple 6. De ces proprits, on dduit facilement les rsultats suivant :

1
= exp (x) , x R
exp (x)
 
1
ln
= ln (x) , x R+ .
x
Pour n N
exp (nx) = exp (x)n , x R
ln (xn ) = n ln (x) , x R+ .

2.1

Pour bien comprendre

Exercice 3. On choisit x0 tel que exp(x0 ) = 2. Calculer

exp {2x0 ln(3)} .
Exercice 4. On choisit x0 tel que ln(x0 ) = 12. Calculer
ln {x0 exp(2)} .

Julien Stoehr

Universit Montpellier 2

20122013

Exercice 5. Soit {xi }i{1,...,n} une famille dentiers tel que exp(xi ) =
utilisant les fonctions exponentielle et logarithme, calculer

 i
1
2

. En

n
X

(2xi + 3).

i=1

Exercice 6. Soit {xi }i{1,...,n} une famille dentiers tel que ln(xi ) = i. En utilisant
les fonctions exponentielle et logarithme, calculer
n
Y

(2xi ).

i=1

Drivation

Cette section prsente les proprits essentielles de la drivation ainsi que

quelques drives usuelles.
Proposition 3.1. Soient f et g deux fonctions drivables.
1. La driv est dune somme est gale la somme des drives.
(f + g)0 (t) = f 0 (t) + g 0 (t).
2. La drive dun produit est donne par :
(f g)0 (t) = f 0 (t)g(t) + f (t)g 0 (t).
3. Si f (t) 6= 0, alors la drive dun quotient scrit :
g
f

!0

g 0 (t)f (t) g(t)f 0 (t)

.
(t) =
(f (t))2

4. La drive de la compose scrit :

f g(t) = f (g(t)) = f 0 (g(t)) g 0 (t).
Voici quelques drives usuelles.

Julien Stoehr

Universit Montpellier 2

Fonction

Drive

Ensemble de drivation

f : x ax + b

xR

f : x xn

nxn1

xR

f :x

1
x

1
x2

x R {0}

f : x exp(x)

exp(x)

xR

f : x ln(x)

1
x

x ]0, [

2 x

x ]0, [

f : x cos x

sin(x)

xR

f : x sin x

cos(x)

xR

f : x tan x

1 + tan2 (x) =

f :x

3.1

20122013

1
cos2 (x)

+ k, + k , k Z.
2
2


Pour bien comprendre

Exercice 7. Soit {xi }i{1,...,n} une famille dentiers.

1. Calculer la drive par rapport de
n
X

(xi + 5)2 .

i=1

2. Calculer la drive par rapport de

n
Y

exp (xi + 5) .

i=1

3. Calculer la drive par rapport de

ln

( n
Y

(xi + 52 ) .

i=1

Julien Stoehr

Universit Montpellier 2

20122013

4. Calculer la drive par rapport x de

2x + 3
.
4x + 5
5. Calculer la driv par rapport x de
1
exp (x 2)2 .
2


6. Calculer la drive par rapport de

n
X
i=1

n 2
ln() + 4( 5)xi + exp( xi ) +
.
xi + 1

Intgration
Cette section prsente quelques rsultats pratiques en intgration.

Proposition 4.1. Lintgrale est linaire, i.e pour des fonctions continues f et g,
des rels a et b de leur intervalle de dfinition, et une constante c :
Z b
a

cf (x) + g(x)dx = c

Z b
a

f (x)dx +

Z b

g(x).dx.

VoiciR prsent quelques primitives usuelles.

La primitive F de la fonction f
Rb
0
dsigne
f , autrement dit F (x) = f (x). Ainsi a f (x)dx = F (b)F (a). Autrement
R
dit : ab f 0 (x)dx = f (b) f (a).

Fonction

Primitive F (x)

f : x xn

1
xn+1
n+1

f :x

1
x2

f : x exp(x)
f :x

Julien Stoehr

1
x

1
x

exp(x)
ln(|x|)

Universit Montpellier 2

20122013

Fonction

Primitive F (x)

1
f :x
x

2 x

f : x cos x

sin(x)

f : x sin x

cos(x)

f : x 1 + tan2 (x) =

1
cos2 (x)

tan(x)

Proposition 4.2 (Intgration par parties). Lintgration par parties est une mthode qui permet dcrire lintgrale dun produit de fonctions laide dautres
intgrales plus faciles calculer. Soient f et g deux fonctions drivables, de drives continues. Soient a et b deux rels appartenant leur ensemble de dfinition.
La formule dintgration par partie scrit :
Z b

f (x)g (x)dx = [f (x)g(x)]ba

0

Z b
a

f 0 (x)g(x)dx

= f (b)g(b) f (a)g(a)

Z b
a

f 0 (x)g(x)dx.

Exemple 7. On prsente ici un exemple classique de calcul dintgrale par intgration par parties. On cherche calculer
Z b
a

x exp(x)dx.

On pose f (x) = x et g 0 (x) = exp(x). On en dduit :

1. f 0 (x) = 1.
2. Une primitive de exp(x) est exp(x), i.e g(x) = exp(x).
La formule dintgration par parties scrit :
Z b
a

x exp(x)dx =

[x exp(x)]ba

Z b
a

exp(x)dx

= [x exp(x)]ba [exp(x)]ba
= b exp(b) a exp(a) (exp(b) exp(a)) .
Julien Stoehr

Universit Montpellier 2

20122013

Proposition 4.3. Soient f et g deux fonctions drivables, de drives continues.

Soient a et b deux rels appartenant leur ensemble de dfinition. La dernire
formule utile :
Z
b

f 0 (x)g 0 (f (x)) dx = [g(f (x))]ba .

Exemple 8. On souhaite calculer

Z b
a

2x exp x2 + 4 .

On pose f (x) = x2 + 4 et g(x) = exp(x). En utilisant le tableau des drives et

des primitives usuelles, on dduit f 0 (x) = 2x et G(x) = exp(x). Par suite
Z b
a

4.1

2x exp x2 + 4 = exp x2 + 4

ib
a

Pour bien comprendre

Exercice 8. Soit {xi }i{1,...,n} une famille dentiers.

1. Calculer

Z 5X
n
0 i=1

2. Calculer

Z 5X
n
0 i=1

3. Calculer

Z 2
1

5. Calculer

n
Y

ln
Z 1

x2

Z
0

Julien Stoehr

xi + 5

d.

i=1

6. Calculer

(xi + 5)n d.

x exp ( x) dx.

4. Calculer

(xi + 5)d.

2x + 3
dx.
+ 3x + 5

x cos(x)dx.

Universit Montpellier 2

20122013

Un peu dalatoire

5.1

Exprience alatoire

On considre lespace des observations associ une exprience alatoire,

cest dire lensemble des rsultats possibles de lexprience alatoire.
Exemple 9.
1. On considre le lancer dun d six faces. Lespace des observations est donc
= {1, 2, 3, 4, 5, 6}.
2. On considre le jet dune flchette sur le segment [0, 1]. Lespace des observations est donc
= [0, 1].
Une variable alatoire X valeur dans correspond une exprience alatoire,
dont le nom est X, et dont les issues possibles sont les lments de . Lorsque lon
peut compter les lments de , on dit que la variable alatoire est discrte. Si
la variable alatoire est valeurs dans R, ou tout sous ensemble de R, on dit que
la variable est continue.
Exemple 10.
1. La variable X associe au lancer dun d six faces est discrte
2. La variable X associe au jet dune flchette sur le segment [0, 1] est continue.

5.2
5.2.1

Esprance et variance
Le cas discret

On considre une exprience alatoire dont les issues possibles sont x1 , . . . , xn ,

cest dire que lon considre une variable alatoire X valeurs dans =
{x1 , . . . , xn }. En mathmatiques, P (X = xi ) dsigne la probabilit de lvnement
X = xi , cest dire la probabilit que lissue de lexprience X soit xi .
Exemple 11 (Lancer dun d six faces). Lorsque lon jette un d six faces non
pip, chacune des faces a la mme chance de sortir.
1
P (X = 1) = P (X = 2) = P (X = 3) = P (X = 4) = P (X = 5) = P (X = 6) = .
6

Julien Stoehr

Universit Montpellier 2

20122013

Une chose importante savoir est quune probabilit est toujours comprise entre 0 et 1. De plus si on somme les probabilits de toutes les issues
possibles, on obtient 1 !
On explique maintenant comment calculer lesprance et la variance dune variable alatoire discrte, lorsque lon connat toutes les probabilits P (X = xi ).
Proposition 5.1. Par dfinition, lesprance dune variable discrte X est donne
par
E (X) =

n
X

P (X = xi ) xi .

i=1

Lesprance est donc la somme de toutes les issues possibles pondres par leur
probabilit de ralisation.
Proposition 5.2. Par dfinition, la variance dune variable discrte X est donne
par
V (X) =

n n
X

P (X = xi ) x2i {E(X)}2 .

i=1

Exemple 12 (Lancer dun d six faces). Lexprience alatoire considre est le

lancer dun d six faces non pip. Lesprance vaut
E (X) =

6
X

P (X = k) k

k=1

1
1
1
1
1
1
1+ 2+ 3+ 4+ 5+ 6
6
6
6
6
6
6
7
= .
2
=

La variance vaut
V (X) =

6
X

P (X = k) k 2 {E(X)}2

k=1

1
1
1
1
1
1
12 + 22 + 32 + 42 + 52 + 62 {E(X)}2
6
6
6
6
6
6
91 49
35
=

= .
6
4
8

5.2.2

Le cas continu

Pour simplifier, on considre = R. Dans le cas dune variable alatoire continue, cela na pas de sens dcrire P (X = x), o x est un rel, car la probabilit
dobserver cette issue est nulle. Il ne sagit pas de calculer la probabilit dapparition dune valeur donne mais dun intervalle.
Julien Stoehr

10

Universit Montpellier 2

20122013

Dfinition 5.1. La fonction de densit de probabilit ou densit f est la valeur

prise par X sur un intervalle de taille presque nulle. Elle vrifie
Zx R, f (x) 0,

f (x)dx = 1.

Dfinition 5.2. La fonction de rpartition F de la variable alatoire X est donne

par
Z t
t R, F (t) = P (X t) =
f (x)dx

La fonction de rpartition permet de calculer les probabilits associes la

variable alatoire X. On a
P (a X b) = F (b) F (a).
Proposition 5.3. Par dfinition, lesprance dune variable continue X est donne
par
Z
xf (x)dx.
E (X) =

Proposition 5.4. Par dfinition, la variance dune variable continue X est donne
par
Z
x2 f (x)dx {E(X)}2 .
V (X) =

Exemple 13. On considre le jet dune flchette sur [0, 1]. On a autant de chance
de toucher nimporte quel point de [0, 1], cest dire que X suit une loi uniforme sur
[0, 1]. Ainsi la probabilit de tomber dans un petit intervalle est gale longueur
de ce petit intervalle. La densit est donne par
t [0, 1], f (t) = 1.
La fonction de rpartition est donne par
t [0, 1], F (t) = P(X t) =
Lesprance vaut
E (X) =

Z 1
0

La variance vaut
V (X) =

Z 1
0

Z t
0

dt = t.

1
xdx = .
2

x2 dx {E(X)}2

1 1

3 4
1
= .
12
=

Julien Stoehr

11

Universit Montpellier 2
5.2.3

20122013

Quelques proprits lmentaires

Proposition 5.5.
1. Pour X et Y deux variables alatoires,
E(X + Y ) = E(X) + E(Y ).
2. Pour X une variable alatoire et a, b deux rels,
E(aX + b) = aE(X) + b.
3. Si X1 , . . . , Xn sont des variables alatoires identiquement distribues, cest
dire quelles suivent toutes la mme loi,
E(X1 ) = . . . = E(Xn ).
On en dduit directement :
E

n
X

Xi = nE(X1 ).

i=1

Proposition 5.6.
1. Pour X une variable alatoire et a, b deux rels,
V(aX + b) = a2 V(X).
2. Si X et Y sont des variables alatoires indpendantes,
V(X + Y ) = V(X) + V(Y ).
3. Si X1 , . . . , Xn sont des variables alatoires identiquement distribues, cest
dire quelles suivent toutes la mme loi,
V(X1 ) = . . . = V(Xn ).
4. Si X1 , . . . , Xn sont des variables alatoires indpendantes identiquement distribues
!
V

n
X

Xi = nV(X1 ).

i=1

Remarque. Soient deux variables alatoires X et Y indpendantes. Alors on a,

E[XY ] = E[X]E[Y ] et donc Cov(X, Y ) = 0. On en dduit donc directement de
point 4 de la proposition 5.6.
Julien Stoehr

12

Universit Montpellier 2

5.3

20122013

Vraisemblance et loi de probabilit

On fait ici un bref rappel du lien entre la vraisemblance et la loi de probabilit. On considre X1 , . . . , Xn des variables alatoires indpendantes identiquement
distribues, cest dire n expriences sans influences mutuelles et dcrites par la
mme loi de probabilit fonction dun paramtre . Les issues de ces expriences
alatoires sont x1 , . . . , xn .
1. Si les variables alatoires sont discrtes, la vraisemblance scrit :
L (; x1 , . . . , xn ) =

n
Y

P(Xk = xk ).

k=1

2. Si les variables alatoires sont continues de densit f , la vraisemblance scrit :

L (; x1 , . . . , xn ) =

n
Y

f (xk ).

k=1

5.4

Pour bien comprendre

Exercice 9 (Loi uniforme discrte). On mne lexprience X suivante. On lance

une bille sur une roulette comprenant 37 cases numrotes de 0 36.
1. Donner lespace des observations .
2. Chaque numro de la roulette est quiprobable, cest dire quil a la mme
chance de sortir. Ecrire la probabilit P(X = k) avec k un entier entre 0 et
37.
3. Calculer E(X) et V(X).
Exercice 10 (Loi de Bernoulli). On mne une exprience avec deux issues possibles, typiquement le jeu de pile ou face. On observe deux vnements :
le succs X = 1, quand on fait pile,
lchec X = 0, quand on fait face.
On considre que la pice nest pas parfaitement quilibre et que la probabilit
de faire pile est gale p. On dit que le jeu de pile ou face suit une loi de Bernoulli
de paramtre p.
1. Calculer E(X) et V(X).
2. On jette notre pice n reprises, cest dire que lon considre X1 , . . . , Xn des
variables alatoires indpendantes suivant la loi de Bernoulli de paramtre
p. On note x1 , . . . , xn les rsultats de ces lancers. Ecrire la vraisemblance.

Julien Stoehr

13

Universit Montpellier 2

20122013

Exercice 11 (Loi exponentielle). La loi exponentielle est la loi utilise pour modliser le temps de vie dun phnomne comme le temps de vie dune lampe, dun
atome radioactif, . . . La densit f de cette loi est donne pour tout x 0 par
f (x) = exp (x) .
La paramtre est parfois appel intensit.
1. Donner lespace des observations .
2. Donner lexpression de la fonction de rpartition et la tracer.
3. Calculer E(X) et V(X).
4. On considre X1 , . . . , Xn variables alatoires indpendantes identiquement
distribues suivant la loi exponentielle de paramtre . Calculer la vraisemblance.

Julien Stoehr

14