Академический Документы
Профессиональный Документы
Культура Документы
2/6
3/6
4/6
5/6
6/6
4. Vecteurs al
eatoires discrets
MTH2302D
S. Le Digabel, Ecole
Polytechnique de Montr
eal
A2016
(v2)
MTH2302D: vecteurs al
eatoires
1/32
1/6
2/6
3/6
4/6
5/6
6/6
Plan
1. Distributions conjointes et marginales
2. Distributions conditionnelles
3. Esp
erances conditionnelles
4. Ind
ependance
5. Covariance et corr
elation
6. Fonctions de v.a.
MTH2302D: vecteurs al
eatoires
2/32
1/6
2/6
3/6
4/6
5/6
6/6
MTH2302D: vecteurs al
eatoires
3/32
1/6
2/6
3/6
4/6
5/6
6/6
Vecteurs al
eatoires
D
efinition
Un vecteur aleatoire est un vecteur [X1 , X2 , . . . , Xn ] compose de
n variables aleatoires definies sur le meme espace echantillon.
Dans ce chapitre, nous considerons le cas n = 2 o`
u les variables
aleatoires sont de meme nature, les deux discr`etes ou continues.
I
MTH2302D: vecteurs al
eatoires
4/32
1/6
2/6
3/6
4/6
5/6
6/6
3. P (X A, Y B) =
P P
xA yB
B RY .
MTH2302D: vecteurs al
eatoires
5/32
1/6
2/6
3/6
4/6
5/6
6/6
Fonction de r
epartition conjointe
D
efinition
F (x, y) = FX,Y (x, y) = P (X x, Y y) .
I
p(u, v).
uRX vRY
ux vy
MTH2302D: vecteurs al
eatoires
6/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 1
On lance une pi`ece 3 fois et on note le resultat. Soit
X : le nombre total de PILEs obtenus.
Y : le nombre de PILEs obtenus au premier lancer.
La fonction de masse conjointe de X et Y est donnee par le
tableau suivant :
HH
X
H
0
H
Y
H
H
0
1
Remplir le tableau puis calculer P (X 1, Y < 1) et P (X 2).
MTH2302D: vecteurs al
eatoires
7/32
1/6
2/6
3/6
4/6
5/6
6/6
Distributions marginales
Pour etudier chacune des v.a. dun vecteur aleatoire, on a recours
aux distributions marginales.
D
efinition
Si [X, Y ] est un vecteur aleatoire discret de masse conjointe p
alors les distributions marginales sont
P
I pX (x) =
p(x, y) pour tout x RX .
yRY
I
pY (y) =
xRX
P
xRX
MTH2302D: vecteurs al
eatoires
pX (x) =
pY (y) = 1.
yRY
8/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 2
On lance une pi`ece 3 fois et on note le resultat. Soit
X : le nombre total de PILEs obtenus.
Y : le nombre de PILEs obtenus au premier lancer.
Les distributions marginales peuvent etre calculees en additionnant
les lignes et les colonnes du tableau suivant :
HH
X
H
HH
Y
H
pY (y)
1/8
2/8
1/8
4/8
1/8
2/8
1/8
4/8
pX (x)
1/8
3/8
3/8
1/8
MTH2302D: vecteurs al
eatoires
9/32
1/6
2/6
3/6
4/6
5/6
6/6
Esp
erance et variance de X et Y
En utilisant les distributions marginales pour le vecteur aleatoire
[X, Y ], on peut calculer lesperance et la variance des v.a.
individuelles X et Y .
E(X) =
xpX (x)
et
V(X) =
xRX
E(Y ) =
X
yRY
MTH2302D: vecteurs al
eatoires
x2 pX (x) [E(X)]2 .
xRX
ypY (y)
et
V(Y ) =
yRY
10/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 3
On lance une pi`ece 3 fois et on note le resultat. Soit
X : le nombre total de PILEs obtenus.
Y : le nombre de PILEs obtenus au premier lancer.
HH
X
H
HH
Y
H
pY (y)
1/8
2/8
1/8
4/8
1/8
2/8
1/8
4/8
pX (x)
1/8
3/8
3/8
1/8
MTH2302D: vecteurs al
eatoires
11/32
1/6
2/6
3/6
4/6
5/6
6/6
MTH2302D: vecteurs al
eatoires
12/32
1/6
2/6
3/6
4/6
5/6
6/6
Distributions conditionnelles
Si [X, Y ] est un vecteur aleatoire discret, de masse conjointe p,
alors on definit les fonctions de masse conditionnelles par
I
p(x, y)
si pY (y) 6= 0, pour
pY (y)
p(x, y)
si pX (x) 6= 0, pour
pX (x)
MTH2302D: vecteurs al
eatoires
yRY
13/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 4
On lance une pi`ece 3 fois et on note le resultat. Soit
X : le nombre total de PILEs obtenus.
Y : le nombre de PILEs obtenus au premier lancer.
X
HH
HH
Y
H
H
pY (y)
1/8
2/8
1/8
4/8
1/8
2/8
1/8
4/8
pX (x)
1/8
3/8
3/8
1/8
14/32
1/6
2/6
3/6
4/6
5/6
6/6
Remarques
I
En general on a
P (X A|Y B) =
et P (Y B|X A) =
P (X A, Y B)
P (Y B)
P (X A, Y B)
.
P (X A)
Generalisation de
P la formule des probabilites totales :
P (Y B) =
P (Y B|X = x)pX (x).
xRX
MTH2302D: vecteurs al
eatoires
15/32
1/6
2/6
3/6
4/6
5/6
6/6
MTH2302D: vecteurs al
eatoires
16/32
1/6
2/6
3/6
4/6
5/6
6/6
Esp
erances conditionnelles
Soit [X, Y ] un vecteur aleatoire discret de masse conjointe p.
Lesperance conditionnelle de lune des variables lorsque lautre est
fixee est
P
I E(X|Y = y) =
xpX|Y =y (x).
xRX
I
E(Y |X = x) =
yRY
MTH2302D: vecteurs al
eatoires
17/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 5
On lance une pi`ece 3 fois et on note le resultat. Soit
X : le nombre total de PILEs obtenus.
Y : le nombre de PILEs obtenus au premier lancer.
X
HH
HH
Y
H
H
pY (y)
1/8
2/8
1/8
4/8
1/8
2/8
1/8
4/8
pX (x)
1/8
3/8
3/8
1/8
18/32
1/6
2/6
3/6
4/6
5/6
6/6
MTH2302D: vecteurs al
eatoires
19/32
1/6
2/6
3/6
4/6
5/6
6/6
Ind
ependance
MTH2302D: vecteurs al
eatoires
20/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 6
On lance une pi`ece 3 fois et on note le resultat. Soit
X : le nombre total de PILEs obtenus.
Y : le nombre de PILEs obtenus au premier lancer.
Les variables aleatoires X et Y sont-elles independantes ?
H
HH X
H
Y
H
H
pY (y)
1/8
2/8
1/8
4/8
1/8
2/8
1/8
4/8
pX (x)
1/8
3/8
3/8
1/8
MTH2302D: vecteurs al
eatoires
21/32
1/6
2/6
3/6
4/6
5/6
6/6
Remarques
MTH2302D: vecteurs al
eatoires
22/32
1/6
2/6
3/6
4/6
5/6
6/6
MTH2302D: vecteurs al
eatoires
23/32
1/6
2/6
3/6
4/6
5/6
6/6
Covariance et corr
elation
Ce sont des mesures du degre dassociation lineaire entre deux
variables aleatoires.
D
efinition
Soit [X, Y ] un vecteur aleatoire. La covariance entre X et Y est
Cov(X, Y ) = E [(X E(X))(Y E(Y ))]
= E(XY ) E(X)E(Y ).
Remarques
I
MTH2302D: vecteurs al
eatoires
24/32
1/6
2/6
3/6
4/6
5/6
6/6
Covariance et corr
elation (suite)
D
efinition
Soit [X, Y ] un vecteur aletaoire. Le coefficient de correlation entre
X et Y est
Cov(X, Y )
(X, Y ) = p
.
V(X)V(Y )
Propri
et
es :
1. 1 (X, Y ) 1.
2. Si X et Y sont independantes alors Cov(X, Y ) = 0 et
(X, Y ) = 0 (linverse nest pas forcement vrai).
3. Si Y = a + bX alors
I
(X, Y ) = 1 si b < 0.
(X, Y ) = +1 si b > 0.
MTH2302D: vecteurs al
eatoires
25/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 7
MTH2302D: vecteurs al
eatoires
26/32
1/6
2/6
3/6
4/6
5/6
6/6
MTH2302D: vecteurs al
eatoires
27/32
1/6
2/6
3/6
4/6
5/6
6/6
Cas discret
E[H(X, Y )] =
xRX yRY
Exemple 8 :
On lance une pi`ece 3 fois et on note le resultat. Soit
X : le nombre total de PILEs obtenus.
Y : le nombre de PILEs obtenus au premier lancer.
Calculer E(XY ).
MTH2302D: vecteurs al
eatoires
28/32
1/6
2/6
3/6
4/6
5/6
6/6
Esp
erance et covariance dune comb. lin
eaire de v.a.
Soit X1 , X2 , . . . , Xn des variables aleatoires et
Y = a0 + a1 X1 + a2 X2 + + an Xn ,
o`
u les ai sont des constantes. Alors
n
X
I E(Y ) = a0 +
ai E(Xi ), et
i=1
I
V(Y ) =
=
n
X
XX
a2i V(Xi )+
ai aj Cov(Xi , Xj )
=j
Pn i=1 2
Pi6P
a
V(X
)+2
ai aj Cov(Xi , Xj ).
i
i=1 i
i<j
n
X
a2i V(Xi ).
i=1
MTH2302D: vecteurs al
eatoires
29/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 9
Exprimer V (X Y ).
MTH2302D: vecteurs al
eatoires
30/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 10
Quatre composants sont montes en serie. La resistance electrique
de chaque composant est une v.a. Xi de moyenne 10 et de
variance 4.
La resistance totale du syst`eme est la somme des resistances des
composants.
On peut supposer que les resistances des composants sont
independantes.
Calculer la moyenne et la variance de la resistance du syst`eme.
MTH2302D: vecteurs al
eatoires
31/32
1/6
2/6
3/6
4/6
5/6
6/6
Exemple 11
Un assemblage consiste `a superposer deux pi`eces dequipement A
et B.
Les pi`eces de type A ont un poids de 10 kg en moyenne avec un
ecart-type de 0.01 kg.
Les pi`eces de type B ont un poids de 15 kg en moyenne avec un
ecart-type de 0.05 kg.
Les pi`eces A et B proviennent de procedes de fabrication
independants.
1. Calculer la moyenne et lecart-type du poids total de
lassemblage.
2. Calculer la moyenne et lecart-type de la difference de poids
entre une pi`ece de type A et une pi`ece de type B.
MTH2302D: vecteurs al
eatoires
32/32