RESUME DES FORMULES RELATIVES AUX LOIS DE PROBABILITE USUELLES

Paul Lescot 26 Mars 2009

1.Preliminaires Lorsque la variable alatoire X suit une loi discr`te, les valeurs possibles de X e e tant a1 ,...ak , ... (en nombre ni ou inni) avec probabilits respectives p1 ,...,pk , ... e e (pk = P (X = ak )), alors lesprance E(X) est donne par : e e E(X) = pk ak .

Rappelons que pk = 1. Lorsque X suit une loi continue de densit fX , la fonction e de rpartition FX de X est dnie par : e e
a

FX (a) =df P (X a) = e

fX (u)du ,

do` : u FX (a) = fX (a) . Lesprance E(X) est donne par : e e

+

E(X) =

ufX (u)du .

On a de plus :
+

fX (u)du = 1 .

Dans lun et lautre cas, la variance de X est dnie par : e V ar(X) = E(X 2 ) (E(X))2 et son carttype par : e (X) = On posera, pour a > 0,
+

V ar(X) .

(a) =
0

ta1 et dt ;
Typeset by AMS-TEX

PAUL LESCOT

1 alors (a + 1) = a(a), (1) = 1, et (ceci nest pas vident) ( ) = . On a e 2 donc, pour tout entier n 1 : (n) = (n 1)! , et, pour tout entier n 0 : 1 1 3 1 (n + ) = (n )(n )... . 2 2 2 2 Rappelons les notations usuelles pour le nombre de combinaisons de k objets parmi n: n k
k = Cn =

n! . k!(n k)!

` 2.Lois discretes 2.1 Loi de pile ou face. La variable X prend la valeur 1 ou la valeur 1, chacune avec probabilit 2 . On e 1 a E(X) = 0 et V ar(X) = 1. 2.2 Loi de Bernoulli B(1, p)(p [0, 1]). X prend les valeurs 1 et 0 avec les probabilits respectives p et 1 p : e P (X = 1) = p et P (X = 0) = 1 p. On a E(X) = p, V ar(X) = p(1 p) et 1 (X) = p(1 p). Pour p = , 2X 1 suit une loi de pile ou face (cf. lexemple 2 2.2). 2.3 Loi binomiale. On dit que X suit une loi binomiale B(N, p) (N entier 1, p [0, 1]) si X est la somme X1 + ....XN de N variables indpendantes dans leur ensemble et e identiquement distribues suivant chacune une loi B(1, p). Les valeurs possibles de e X sont 0, 1, ..., N , et on a k {0, ..., N } P (X = k) = N k p (1 p)N k . k N p(1 p). Lexemple 2.2

On a E(X) = N p, V ar(X) = N p(1 p) et (X) = correspond ` N = 1. a

2.4 Loi de Poisson. On dit que X suit une loi P() si les valeurs possibles de X sont les entiers 0 (0, 1, 2, ...) et que, pour chaque k N, on a : P (X = k) = e On a E(X) = , V ar(X) = et (X) = k . k!

. Lorsque est un rel 0 x et e e que N tend vers +, la loi binomiale B(N, ) converge (en un sens qui peut tre e N rigoureusement prcis) vers une loi de Poisson P(). e e

 RESUME DES FORMULES RELATIVES AUX LOIS DE PROBABILITE USUELLES

Dans certains cas, on peut approximer la loi binomiale B(N, p) par la loi de Poisson P(N p) ; on sautorisera cette approximation d`s que les trois conditions e suivantes seront simultanment satisfaites : e p 1 , 10

N p 15 , et N 50 . Pour un exemple de cette approximation, voir le second exercice du probl`me. e Si X suit une loi P() et Y une loi P(), alors X + Y suit une loi P( + ). 2.5 Loi gomtrique G(p) de param`tre p ]0, 1]. e e e Ici p ]0, 1]. Supposons quune suite dexpriences donne la rponse 0 ou 1 avec e e probabilits respectives 1 p et p, et soit X le nombre dexpriences ncessaires e e e pour obtenir la rponse 1. Alors X suit une loi G(p) : les valeurs possibles de X e sont les entiers strictement positifs 1, 2, ..., et, pour chaque k N , on a : P (X = k) = p(1 p)k1 . On a E(X) = V ar(X) = et (X) = 1p . p 1 , p 1p , p2

Lorsque X suit une loi G(p) et Y une loi G(q), min(X, Y ) suit une loi G(p+qpq). 2.6 Loi hypergomtrique. e e Soit une population de cardinal N , divise en deux souspopulations disjointes e 1 et 2 repectivement de cardinal n1 et de cardinal N n1 . On tire au hasard sans remise n2 individus de cette population, et on appelle X le nombre de ceux qui appartiennent ` 1 . Les valeurs possibles de X sont 0, ..., min(n1 , n2 ), et, pour a chaque k {0, ..., min(n1 , n2 )}, on a : P (X = k) = On a : E(X) =
n1 k N n1 n2 k N n2

n1 n2 . N

PAUL LESCOT

3.Lois continues 3.1 La loi uniforme sur lintervalle [a, b] (a < b). Par dnition, si la variable alatoire X suit une telle loi, sa densit fX est e e e donne par : e fX (u) = et 0 sinon. On a E(X) = 1 si a u b ba

a+b , 2 (b a)2 , 12 ba . 2 3

V ar(X) = et (X) =

3.2 Loi normale(ou Gaussienne) N (, ). Ici et sont deux rels avec > 0. e La densit dune variable alatoire X suivant cette loi est donne par : e e e fX (u) =
(u)2 1 e 22 . 2

On a E(X) = et (X) = . Dans le cas particulier = 0 et = 1, X est dite une variable normale centre e rduite ; sa densit est donne par : e e e
u2 1 fX (u) = e 2 du . 2

et sa fonction de rpartition par : e 1 (a) = P (X a) = 2

a

u2 2

du .

Une table de la fonction a t distribue en cours. ee e 3.3 Loi exponentielle de param`tre . e Ici la densit est dnie par : e e fX (x) = ex si x 0 et fX (x) = 0 si x < 0 . 1 1 On a E(X) = et V ar(X) = 2 , do` u 1 (X) = . La loi exponentielle sert ` dcrire loccurrence dvnements rares et indpendants a e e e e (ex. les tremblements de terre) ; en eet, on a :

 RESUME DES FORMULES RELATIVES AUX LOIS DE PROBABILITE USUELLES

a 0 h 0 P (X > a + h|X > a) = P (X > h) . Si les temps doccurrence dun phnom`ne suivent une loi exponentielle de param`tre e e e , alors, pour chaque t 0, le nombre dvnements intervenus dans un intervalle e e de temps x de longueur t suit une loi de Poisson de param`tre t. e e 3.4 Loi du 2 ` n degrs de libert. a e e Soient G1 ,...,Gn n variables de loi N (0, 1), indpendantes dans leur ensemble, et e posons X = G2 + ... + G2 . Alors la loi de X est appel loi du 2 ` n degrs de e a e n 1 libert. Sa densit est donne par : e e e fX (x) =
x n 1 2 1 e 2 n x 2 ( 2 ) n 2

pour x 0, et fX (x) = 0 pour x < 0. On a E(X) = n, V ar(X) = 2n et (X) = 2n . Lorsque n = 2, la loi de X co ncide avec la loi exponentielle de param`tre 1 . e 2 3.5 Loi de Student. On dit que la variable alatoire X suit une loi de Student ` n degrs de e a e libert si elle suit une loi continue de densit fX (x) donne par : e e e fX (x) = ( n+1 ) 1 2 . n 1 x2 n+1 n( 2 )( 2 ) (1 + n ) 2

n . n2 Supposons que U suive une loi N (0, 1) et que V suive une loi du 2 ` n degrs a e nU de libert ; alors X = e suit une loi de Student ` n degrs de libert. a e e V On a E(X) = 0 et V ar(X) =