1/6

2/6

3/6

4/6

5/6

6/6

4. Vecteurs al eatoires discrets

MTH2302D
S. Le Digabel et F. Gilbert, Ecole Polytechnique de Montr eal

A2013
(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

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

3/32

1/6

2/6

3/6

4/6

5/6

6/6

Vecteurs al eatoires
D enition Un vecteur al eatoire est un vecteur [X1 , X2 , . . . , Xn ] compos e de n variables al eatoires d enies sur le m eme espace echantillon. Dans ce chapitre, nous consid erons le cas n = 2 o` u les variables al eatoires sont de m eme nature, les deux discr` etes ou continues. Un vecteur al eatoire [X, Y ] est discret si X et Y sont des v.a. discr` etes. Un vecteur al eatoire [X, Y ] est continu si X et Y sont des v.a. continues (pas consid er e ici).

MTH2302D: vecteurs al eatoires

4/32

1/6

2/6

3/6

4/6

5/6

6/6

Distribution conjointe (masse conjointe)

Si [X, Y ] est un vecteur al eatoire discret, alors sa fonction de masse conjointe est, pour tout (x, y ) RX RY : p(x, y ) = P (X = x, Y = y ) = P {X = x} {Y = y } . (Parfois not e fonction de probabilit e conjointe et pX,Y ). Propri et es 1. p(x, y ) 0 pour tout (x, y ) RX RY . 2.
xRX y RY

p(x, y ) = 1. p(x, y ) pour tous A RX et

xA y B

3. P (X A, Y B ) = 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 enition F (x, y ) = FX,Y (x, y ) = P (X x, Y y ) . Cas discret : F (x, y ) =

uRX v RY ux v y

p(u, v ).

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 r esultat. 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 donn ee 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 al eatoire, on a recours aux distributions marginales. D enition Si [X, Y ] est un vecteur al eatoire discret de masse conjointe p alors les distributions marginales sont pX (x) =
y RY

p(x, y ) pour tout x RX . p(x, y ) pour tout y RY .

xRX

pY (y ) =

Ce sont des masses :

xRX

pX (x) =
y RY

pY (y ) = 1.

MTH2302D: vecteurs al eatoires

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 r esultat. Soit X : le nombre total de PILEs obtenus. Y : le nombre de PILEs obtenus au premier lancer. Les distributions marginales peuvent etre calcul ees en additionnant les lignes et les colonnes du tableau suivant :
HH

X
H HH H

0 1/8 0 1/8

1 2/8 1/8 3/8

2 1/8 2/8 3/8

3 0 1/8 1/8

pY (y ) 4/8 4/8

0 1 pX (x)

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 al eatoire [X, Y ], on peut calculer lesp erance et la variance des v.a. individuelles X et Y . x2 pX (x) [E(X )]2 .
x R X

E(X ) =
x R X

xpX (x) ypY (y )

y RY

et et

V(X ) = V(Y ) =
y RY

E(Y ) =

y 2 pY (y ) [E(Y )]2 .

MTH2302D: vecteurs al eatoires

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 r esultat. Soit X : le nombre total de PILEs obtenus. Y : le nombre de PILEs obtenus au premier lancer.
HH

X
H HH H

0 1/8 0 1/8

1 2/8 1/8 3/8

2 1/8 2/8 3/8

3 0 1/8 1/8

pY (y ) 4/8 4/8

0 1 pX (x)

Calculer E(X ), V(X ), E(Y ), et V(Y ).

MTH2302D: vecteurs al eatoires

11/32

1/6

2/6

3/6

4/6

5/6

6/6

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

12/32

1/6

2/6

3/6

4/6

5/6

6/6

Distributions conditionnelles
Si [X, Y ] est un vecteur al eatoire discret, de masse conjointe p, alors on d enit les fonctions de masse conditionnelles par pX |Y =y (x) = P (X = x|Y = y ) = tout x RX . pY |X =x (y ) = P (Y = y |X = x) = tout y RY . Ce sont des fonctions de masse : p X |Y = y ( x ) =
xRX y RY

p(x, y ) si pY (y ) = 0, pour pY (y ) p(x, y ) si pX (x) = 0, pour pX (x)

pY |X =x (y ) = 1 .

MTH2302D: vecteurs al eatoires

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 r esultat. Soit X : le nombre total de PILEs obtenus. Y : le nombre de PILEs obtenus au premier lancer.
HH

X 0 1

HH Y H H

0 1/8 0 1/8

1 2/8 1/8 3/8

2 1/8 2/8 3/8

3 0 1/8 1/8

pY (y ) 4/8 4/8

pX (x)

Calculer les distributions conditionnelles pX |Y =1 et pY |X =2 et v erier que ce sont des masses.

MTH2302D: vecteurs al eatoires 14/32

1/6

2/6

3/6

4/6

5/6

6/6

Remarques
Dans le cas discret, il y a autant de distributions conditionnelles de X quil y a de valeurs possibles pour Y (et vice-versa). En g en eral 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)

G en eralisation de la formule des probabilit es 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

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

16/32

1/6

2/6

3/6

4/6

5/6

6/6

Esp erances conditionnelles

Soit [X, Y ] un vecteur al eatoire discret de masse conjointe p. Lesp erance conditionnelle de lune des variables lorsque lautre est x ee est E(X |Y = y ) =
x R X

xpX |Y =y (x). ypY |X =x (y ).

y RY

E(Y |X = x) =

Notons que E(X |Y = y ) est une fonction de y et que E(Y |X = x) est une fonction de x.

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 r esultat. Soit X : le nombre total de PILEs obtenus. Y : le nombre de PILEs obtenus au premier lancer.
HH

X 0 1

HH Y H H

0 1/8 0 1/8

1 2/8 1/8 3/8

2 1/8 2/8 3/8

3 0 1/8 1/8

pY (y ) 4/8 4/8

pX (x)

Calculer les esp erances conditionnelles E(X |Y = 0) et E(Y |X = 2).

MTH2302D: vecteurs al eatoires 18/32

1/6

2/6

3/6

4/6

5/6

6/6

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

19/32

1/6

2/6

3/6

4/6

5/6

6/6

Ind ependance

Les deux variables du vecteur discret [X, Y ] de masse p sont ind ependantes si p(x, y ) = pX (x)pY (y ) pour tout x el ement de RX et y el ement de RY .

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 r esultat. Soit X : le nombre total de PILEs obtenus. Y : le nombre de PILEs obtenus au premier lancer. Les variables al eatoires X et Y sont-elles ind ependantes ?
H HH X H Y H H

0 1/8 0 1/8

1 2/8 1/8 3/8

2 1/8 2/8 3/8

3 0 1/8 1/8

pY (y ) 4/8 4/8

0 1 pX (x)

MTH2302D: vecteurs al eatoires

21/32

1/6

2/6

3/6

4/6

5/6

6/6

Remarques

Si X et Y sont des variables al eatoires ind ependantes alors on peut d eterminer leur distribution conjointe ` a laide des distributions marginales des v.a. de X et Y en faisant le produit de celles-ci. Ce nest pas le cas si X et Y ne sont pas ind ependantes.

MTH2302D: vecteurs al eatoires

22/32

1/6

2/6

3/6

4/6

5/6

6/6

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

23/32

1/6

2/6

3/6

4/6

5/6

6/6

Covariance et corr elation

Ce sont des mesures du degr e dassociation lin eaire entre deux variables al eatoires. D enition Soit [X, Y ] un vecteur al eatoire. La covariance entre X et Y est Cov(X, Y ) = E [(X E(X ))(Y E(Y ))] = E(XY ) E(X )E(Y ).

Remarques On a Cov(X, X ) = E(X 2 ) (E(X ))2 = V(X ). Si X, Y ind ependantes, on peut montrer que E (XY ) = E (X )E (Y ).
MTH2302D: vecteurs al eatoires 24/32

1/6

2/6

3/6

4/6

5/6

6/6

Covariance et corr elation (suite)

D enition Soit [X, Y ] un vecteur al etaoire. Le coecient de corr elation entre X et Y est Cov(X, Y ) (X, Y ) = . V(X ) V(Y ) Propri et es : 1. 1 (X, Y ) 1. 2. Si X et Y sont ind ependantes alors Cov(X, Y ) = 0 et (X, Y ) = 0 (linverse nest pas forc ement vrai). 3. Si Y = a + bX alors
(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

On lance une pi` ece 3 fois et on note le r esultat. Soit X : Y : le nombre total de PILEs obtenus. le nombre de PILEs obtenus au premier lancer.

Calculer la covariance et le coecient de corr elation entre X et Y (note : voir avant lexemple 8 pour le calcul de E (XY )).

MTH2302D: vecteurs al eatoires

26/32

1/6

2/6

3/6

4/6

5/6

6/6

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

27/32

1/6

2/6

3/6

4/6

5/6

6/6

Cas discret

E[H (X, Y )] =
xRX y RY

H (x, y )p(x, y ).

Exemple 8 : On lance une pi` ece 3 fois et on note le r esultat. 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 al eatoires et Y = a0 + a1 X1 + a2 X2 + + an Xn , o` u les ai sont des constantes. Alors
n

E(Y ) = a0 +
i=1 n

ai E(Xi ), et ai aj Cov(Xi , Xj ).
i= j

V(Y ) =
i=1

a2 i V(Xi )+

Si les v.a. Xi sont ind ependantes alors Cov(Xi , Xj ) = 0 et

n

V(Y ) =
i=1

a2 i V(Xi ).

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 mont es en s erie. La r esistance electrique de chaque composant est une v.a. Xi de moyenne 10 et de variance 4. La r esistance totale du syst` eme est la somme des r esistances des composants. On peut supposer que les r esistances des composants sont ind ependantes. Calculer la moyenne et la variance de la r esistance 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 d equipement 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 proc ed es de fabrication ind ependants. 1. Calculer la moyenne et lecart-type du poids total de lassemblage. 2. Calculer la moyenne et lecart-type de la di erence de poids entre une pi` ece de type A et une pi` ece de type B .
MTH2302D: vecteurs al eatoires 32/32