Cours de Probabilités :

Variables aléatoires discrètes

Abdelhak YAACOUBI
Département de Statistique et de Mathématiques
Appliquées à l’Économie et à la Gestion

Université Hassan II de Casablanca

FSJES AIN SEBAA

20 mars 2020

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 1 / 19

Variables aléatoires et distributions
I. Définitions et exemples

Définition
Etant donnée une expérience aléatoire (Ω, F, P). Une variable aléatoire X est une
quantité dont la valeur dépend du résultat de l’expérience aléatoire. X est une
application de
Ω −→ R
ω 7−→ X (ω)

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 2 / 19

Exemples

Exemple 1 : Lancer une pièce de monnaie. X (P) = 1000 et X (F ) = 0

Exemple 2 : Lancer un dé équilibré.
X (k) = 20k
Exemple 3 : Lancer deux dés équilibrés.

X ((i, j)) = i + j

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 3 / 19

Loi ou distribution d’une variable aléatoire

Le cas discret :
Définition
Une variable aléatoire X est dite discrète si l’ensemble de ses valeurs possibles E = X (Ω)
est ou bien un ensemble fini, ou bien un ensemble infini dénombrable.
Dans ce cas on définit la loi de X par

p(x) = P{X = x} = P{ω ∈ Ω|X (ω) = x}

l’application : p : E −→ [0, 1] ainsi définie S’appelle fonction de masse de la v.a.r X

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 4 / 19

Fonction de masse

Exemple
Lancer d’une pièce de monnaie

p(1000) = P{X = 1000} = P{P} = 1/2

et
p(0) = P{X = 0} = P{F } = 1/2

Exemple
Lancer deux dés équilibrés. X (ω) = la somme des deux résultats.
E = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

X 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
p(x) 36 36 36 36 36 36 36 36 36 36 36

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 5 / 19

Fonction de masse

Exemple
Ω = {(1, 1); (1, 2); · · · ; (1, 6); (2, 1); (2, 2); · · · ; (2, 6); · · · ; (6, 1); (6, 2); · · · ; (6, 6)}
Card(Ω)=36
E = {2, 3, 4, · · · , 12}
1
p(2) = P{X = 2} = P{(1, 1)} = 36
2
p(3) = P{X = 3} = P{(1, 2); (2, 1)} = 36
3
p(4) = P{X = 4} = P{(1, 3); (2, 2); (3, 1)} = 36
4
p(5) = P{X = 5} = P{(1, 4); (2, 3); (3, 2); (4, 1)} = 36
5
p(6) = P{X = 6} = P{(1, 5); (2, 4); (3, 3); (4, 2); (5, 1)} = 36
6
p(7) = P{X = 7} = P{(1, 6); (2, 5); (3, 4); (4, 3); (5, 2); (6, 1)} = 36
5
p(8) = P{X = 8} = P{(2, 6); (3, 5); (4, 4); (5, 3); (6, 2)} = 36
4
p(9) = P{X = 9} = P{(3, 6); (4, 5); (5, 4); (6, 3)} = 36
3
p(10) = P{X = 10} = P{(4, 6); (5, 5); (6, 4)} = 36
2
p(11) = P{X = 11} = P{(5, 6); (6, 5)} = 36
1
p(12) = P{X = 12} = P{(6, 6)} = 36

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 6 / 19

Diagramme en bâtons

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 7 / 19

Fonction de masse

Exemple
Lancer une pièce de monnaie jusqu’à obtenir Face.
X = nombres de lancers nécessaires pour obtenir face E = {1, 2, 3, . . .} = N∗
1
| {z. . . P} F } = 2k
p(k) = P{X = k} = P{PPP
(k−1)fois

Proposition
Toute fonction de masse ou loi de probabilité d’une variable aléatoire X discrète prenant
ses valeurs dans E vérifie :
1 p(x) ≥ 0 pour tout x ∈ E
P
2 p(x) = 1
x∈E

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 8 / 19

Fonction de répartition

Définition
X est une variable aléatoire réelle quelconque. La fonction de répartition de X est la
fonction
F : R −→ [0, 1]
x 7−→ F (x)
définie par :
F (x) = P{X ≤ x} = P{X ∈] − ∞, x]}

Exemple
Lancer deux dés équilibrés. X (ω) = la somme des deux résultats.
E = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

X 2 3 4 5 6 7 8 9 10 11 12

1 2 3 4 5 6 5 4 3 2 1
p(x) 36 36 36 36 36 36 36 36 36 36 36

1 3 6 10 15 21 26 30 33 35 36
F (x) 36 36 36 36 36 36 36 36 36 36 36

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 9 / 19

Fonction de répartition

Exemple
En effet :
Ω = {(1, 1); (1, 2); · · · ; (1, 6); (2, 1); (2, 2); · · · ; (2, 6); · · · ; (6, 1); (6, 2); · · · ; (6, 6)}
E = {2, 3, 4, · · · , 12}
1
F (2) = P{X ≤ 2} = P{(1, 1)} = 36
3
F (3) = P{X ≤ 3} = P{X = 2 ou X = 3} = P{(1, 1); (1, 2); (2, 1)} = 36
F (4) = P{X ≤ 4} = P{X = 2 ou X = 3 ou X = 4} =
6
P{(1, 1); (1, 2); (2, 1); (1, 3); (2, 2); (3, 1)} = 36
F (5) = P{X ≤ 4} = P{X = 2 ou X = 3 ou X = 4 ou X = 5} =
P{(1, 1); (1, 2); (2, 1); (1, 3); (2, 2); (3, 1); (1, 4); (2, 3); (3, 2); (4, 1)} = 10 36
Ainsi on calcule de la même façon F (6), F (7), · · · , et F (12).

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 10 / 19

Graphe de F dans le cas discret
1.0

0.8

0.6

0.4

0.2

2 4 6 8 10 12

Exercice
On lance à deux reprise un dé bien équilibré. On considére la v.a.r
X = le maximum des résultats des deux lancers
1 Déterminer la loi de probabilité de X ;
2 Dt́erminer la fonction de répartition de X ;
3 Reprśenter graphiquement la fonction de masse et la fonction de répartition de X ;
A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 11 / 19
Propriétés de F

La fonction de répartition d’une varaible aléatoire discrète X vérifie les proriétés

suivantes.
Propriété
1 F est croissante
2 F est continue à droite et admet une limite à gauche
3 lim F (x) = 1
x→+∞
4 lim F (x) = 0
x→−∞

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 12 / 19

Fonction de répartition et fonction de masse

Soit X une variable aléatoire discrète de fonction de masse p(x) et de fonction de

répartition F .

Proposition
∀x ∈ R on a : X
F (x) = p(u)
u≤x

1
p(x) = F (x) − lim F (x − )
n→+∞ n
c’est à dire p(x) = grandeur de saut de la fonction F au point x

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 13 / 19

Fonction d’une varaiables aléatoire

Exemple
On lance deux dés équilibrés et on considére la variable aléatoire :
X (ω) = la somme des deux résultats.
Sa fonction de masse est donnée par :

X 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
p(x) 36 36 36 36 36 36 36 36 36 36 36

(X − 7)2
Soit Y = g (X ) = .
5
1 Quelle est la nature de Y ?
2 Quelle est la loi de probabilité de Y ?

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 14 / 19

Fonction d’une varaiables aléatoire
(X − 7)2
1. Y est une variable alátoire df́inie en fonction de X telle que Y = :
5
(2 − 7)2 25 (3 − 7)2 16
X =2⇒Y = = . X =3⇒Y = = .
5 2 5 5 2 5
(4 − 7) 9 (5 − 7) 4
X =4⇒Y = = . X =5⇒Y = = .
5 5 5 5
(6 − 7)2 1 (7 − 7)2
X =6⇒Y = = . X =7⇒Y = = 0.
5 2 5 5
(8 − 7) 1 (9 − 7)2 4
X =8⇒Y = = . X =9⇒Y = = .
5 5 5 5
(10 − 7)2 9 (11 − 7)2 16
X = 10 ⇒ Y = = . X = 11 ⇒ Y = =
5 2 5 5 5
(12 − 7) 25
X = 12 ⇒ Y = = .
5 5

X 2 3 4 5 6 7 8 9 10 11 12
25 16 9 4 1 1 4 9 16 25
Y 5 5 5 5 5
0 5 5 5 5 5

1 4 9 16
Ainsi Y est une variable alátoire à valeurs dans Y (Ω) = {0, , , , , 5}
5 5 5 5

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 15 / 19

Fonction d’une varaiables aléatoire

2.
Fonction de masse de2 Y :
P{Y = 0} = P{ (X −7)
5
= 0} = P{X = 7} = 61
1 2 1
P{Y = } = P{ (X −7)5
= } = P{X = 6 ou X = 8} = 36 10
5 5
4 2 4
P{Y = } = P{ (X −7)5
= } = P{X = 5 ou X = 9} = 36 8
5 5
9 2 9
P{Y = } = P{ (X −7)5
= } = P{X = 4 ou X = 10} = 61
5 5
16 2 16
P{Y = } = P{ (X −7)
5
= } = P{X = 3 ou X = 11} = 4
36
5 5
(X −7)2 2
P{Y = 5} = P{ 5 = 5} = P{X = 2 ou X = 12} = 36
1 4 9 16
Y 0 5 5 5 5
5

1 10 8 1 4 2
p(y ) 6 36 36 6 36 36

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 16 / 19

Espérance et moments d’une variable aléatoire :

Espérance mathématique :
X
E(X ) = xp(x)
x∈R

Exemple
Une urne contient 10 boules. Trois boules ont la valeur 1, quatre boules ont la valeur 2,
deux boules ont la valeur 3 et une boule a la valeur 4. On tire une boule au hasard et on
pose X = la valeur de la boule tirée. Calculer l’espérance de X .

X 1 2 3 4

3 4 2 1
p(X ) 10 10 10 10

3 4 2 3
E(X ) = (1 × 10
) + (2 × 10
) + (3 × 10
) + (4 × 10
) = 2, 1

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 17 / 19

Propriétés de E (X )

Théorème
Soient X et Y deux variables aléatoires, alors
1 E (X + Y ) = E (X ) + E (Y )
2 E (aX + b) = aE (X ) + b ∀(a, b) ∈ R2

Théorème
X et Y sont deux v.a.r indépendantes si et seulement si une des deux assertions
suivantes est vérifiée
1 E (XY ) = E (X )E (Y )
2 E [h(X )g (Y )] = E (h(X ))E (g (Y ))

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 18 / 19

Variance

Définition
La variance de X est notée Var (X ) et définit par :
X
Var (X ) = (x − E (X ))2 p(x)
x∈R

Son Ecart type est définit par : p

σX = Var (X )

Propriétés de la variance

1 Var (aX + b) = a2 Var (X )

2 σ(aX +b) = |a| σX
3 Si X et Y sont indépendantes alors Var (X + Y ) = Var (X ) + Var (Y )

A.Yaacoubi ( FSJES AIN SEBAA ) Anné Universitaire 2019-2020 20 mars 2020 19 / 19