Résumé de cours ECG maths appliquées : variables aléatoires discrètes (1re année)

↩ Chapitre : Variables aléatoires discrètes (ECG1-ECG2)

L’essentiel des variables aléatoires réelles discrètes et des lois usuelles au programme officiel d’ECG, option mathématiques appliquées, 1re année (second semestre). Aucune difficulté théorique n’est soulevée.

1. Espace probabilisé

  • On note (\Omega,\mathcal A,P) ; l’ensemble des événements contient \Omega et est stable par complémentaire, réunion et intersection dénombrables.
  • Pour un système complet dénombrable (A_n) : probabilités totales P(B)=\sum_nP(A_n)P_{A_n}(B) ; probabilités composées P(A_1\cap\cdots\cap A_n)=P(A_1)P_{A_1}(A_2)\cdots P_{A_1\cap\cdots\cap A_{n-1}}(A_n) ; une suite d’événements est mutuellement indépendante si toute sous-famille finie l’est : P(A_{i_1}\cap\cdots\cap A_{i_k})=P(A_{i_1})\cdots P(A_{i_k}).

2. Loi, espérance, variance

  • La loi d’une variable discrète X est donnée par X(\Omega) et les P(X=x). Pour Y=g(X) (par exemple aX+b ou X^2), on regroupe les valeurs de X qui donnent la même valeur de Y.
  • Espérance : E(X)=\displaystyle\sum_xx\,P(X=x) ; si X(\Omega) est infini, elle existe si et seulement si la série converge absolument.
  • Transfert (admis) : E(g(X))=\displaystyle\sum_xg(x)P(X=x), sous réserve de convergence absolue.
  • Linéarité et positivité de l’espérance (admis) ; E(aX+b)=aE(X)+b.
  • V(X)=E(X^2)-E(X)^2 ; V(aX+b)=a^2V(X) ; X^*=\dfrac{X-E(X)}{\sigma(X)} est centrée réduite. V(X)=0 si et seulement si X est presque sûrement constante.

3. Lois usuelles

Lois finies

  • Bernoulli \mathcal B(p) : E=p, V=p(1-p).
  • Binomiale \mathcal B(n,p) : P(X=k)=\dbinom nkp^k(1-p)^{n-k}, E=np, V=np(1-p) : nombre de succès en n épreuves de Bernoulli indépendantes.
  • Uniforme \mathcal U([\![1,n]\!]) : E=\dfrac{n+1}2, V=\dfrac{n^2-1}{12} ; sur [\![a,b]\!] : E=\dfrac{a+b}2, V=\dfrac{(b-a+1)^2-1}{12}.
  • Binôme de Newton : (a+b)^n=\displaystyle\sum_{k=0}^{n}\binom nka^kb^{n-k}.

Lois infinies

  • Géométrique \mathcal G(p) : rang du premier succès ; P(X=k)=p(1-p)^{k-1} pour k\geqslant1 ; E=\dfrac1p, V=\dfrac{1-p}{p^2}.
  • Poisson \mathcal P(\lambda) : P(X=k)=e^{-\lambda}\dfrac{\lambda^k}{k!} pour k\in\mathbb N ; E=V=\lambda. Elle modélise des événements rares ; c’est la limite de \mathcal B\!\left(n,\frac\lambda n\right).

Les espérances des lois infinies se calculent avec les séries usuelles : \sum nq^{n-1} pour la loi géométrique, la série exponentielle pour la loi de Poisson.

4. Pièges classiques

  • Une variable discrète infinie n’a pas toujours d’espérance : il faut la convergence absolue.
  • Loi géométrique : elle commence à k=1.
  • Pour une binomiale, justifier l’indépendance des épreuves et préciser n et p.

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