Résumé de cours ECG maths appliquées : couples de variables et statistiques bivariées

↩ Chapitre : Variables aléatoires discrètes (ECG1-ECG2)

L’essentiel des statistiques bivariées, des couples et des suites de variables aléatoires discrètes au programme officiel d’ECG, option mathématiques appliquées, 2e année (troisième semestre).

1. Statistiques bivariées

  • Nuage de points (x_i,y_i), point moyen (\overline x,\overline y).
  • Covariance empirique s_{x,y}=\dfrac1n\displaystyle\sum_{i=1}^{n}(x_i-\overline x)(y_i-\overline y)=\overline{xy}-\overline x\,\overline y (Kœnig-Huygens).
  • Corrélation r_{x,y}=\dfrac{s_{x,y}}{s_xs_y}\in[-1,1] ; |r_{x,y}|=1 signifie que les points sont alignés.
  • Droite de régression de y en x (moindres carrés) : y=\overline y+\dfrac{s_{x,y}}{s_x^2}(x-\overline x). On distingue variable explicative et variable à expliquer.

2. Couples de variables discrètes

  • Loi du couple : les P(X=x,Y=y) ; marginales : P(X=x)=\displaystyle\sum_yP(X=x,Y=y) ; conditionnelles : P_{[Y=y]}(X=x).
  • Loi de X+Y ou XY : on regroupe les couples donnant la même valeur.
  • Transfert : E(g(X,Y))=\displaystyle\sum_{x,y}g(x,y)P(X=x,Y=y) (admis) ; linéarité de l’espérance.
  • Indépendance : P(X=x,Y=y)=P(X=x)P(Y=y) pour tous x,y ; alors E(XY)=E(X)E(Y).
  • Min et max de variables indépendantes : P(\max(X,Y)\leqslant k)=P(X\leqslant k)P(Y\leqslant k) et P(\min(X,Y)>k)=P(X>k)P(Y>k).

Covariance et variance

  • \mathrm{Cov}(X,Y)=E(XY)-E(X)E(Y) ; bilinéaire, symétrique ; \mathrm{Cov}(X,a)=0.
  • V(X+Y)=V(X)+V(Y)+2\,\mathrm{Cov}(X,Y) ; si X et Y sont indépendantes, \mathrm{Cov}(X,Y)=0 (réciproque fausse).
  • \rho(X,Y)=\dfrac{\mathrm{Cov}(X,Y)}{\sigma(X)\sigma(Y)}, |\rho|\leqslant1 ; \rho=\pm1 si et seulement si Y=aX+b presque sûrement.

Stabilité des lois

  • X_1\hookrightarrow\mathcal B(n_1,p) et X_2\hookrightarrow\mathcal B(n_2,p) indépendantes : X_1+X_2\hookrightarrow\mathcal B(n_1+n_2,p).
  • X_1\hookrightarrow\mathcal P(\lambda_1) et X_2\hookrightarrow\mathcal P(\lambda_2) indépendantes : X_1+X_2\hookrightarrow\mathcal P(\lambda_1+\lambda_2).

3. Suites de variables

  • Indépendance mutuelle de n variables : P\left(\bigcap_i[X_i=x_i]\right)=\prod_iP(X_i=x_i).
  • Lemme des coalitions (admis) : une fonction de X_1,\dots,X_p est indépendante d’une fonction de X_{p+1},\dots,X_n.
  • E\left(\sum X_i\right)=\sum E(X_i) toujours ; V\left(\sum X_i\right)=\sum V(X_i) si elles sont indépendantes.

4. Pièges classiques

  • Covariance nulle n’implique pas l’indépendance.
  • Pour le minimum, on passe par P(\min>k) ; pour le maximum, par P(\max\leqslant k).

Besoin d’aide sur ce chapitre ?

Un blocage sur une notion, une méthode de rédaction à acquérir, un devoir ou un concours à préparer : Pr. Elakili, agrégé de mathématiques depuis 1991, plus de 20 ans d’enseignement en classes préparatoires, propose des cours particuliers, en présentiel à Casablanca, ou à distance, partout au Maroc et en France.

Publications similaires