Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
126 Chapitre 3. Variables aléatoires à densité 1 b−a a b 1 a b Figure 3.4 – Densité et fonction de répartition de la loi uniforme sur [a,b]. Remarque. Densité et fonction de répartition de la loi uniforme sur [a,b] sont représentées figure 3.4. Universalité de la loi uniforme. Soit X une variable aléatoire de fonction de répartition F : Ê→]0,1[ bijective (donc strictement croissante) et notons F −1 :]0,1[→Êson inverse (strictement croissante elle aussi). Tirons maintenant une variable uniformeU sur]0,1[ à l’aide d’une calculatrice ou d’un logiciel (fonction usuellement appelée rand), et calculons X = F −1 (U). Question : quelle est la loi de X ? Pour y répondre, il suffit de calculer sa fonction de répartition FX. Or pour tout réel x, on a : FX(x) =È(X ≤ x) =È(F(X) ≤ F(x)) =È(U ≤ F(x)) = FU(F(x)) = F(x), puisque la fonction de répartition d’une loi uniforme est l’identité entre 0 et 1. Bilan des courses : X a pour fonction de répartition F. Ainsi, partant de la simulation d’une loi uniforme, on peut simuler une variable aléatoire ayant une loi arbitraire, si tant est que sa fonction de répartition soit facilement inversible. Cette astuce est abondamment utilisée dans les logiciels de calcul scientifique. Exemple : Simulation d’une variable de Cauchy. On veut simuler une variable X distribuée 1 selon une loi de Cauchy, c’est-à-dire de densité f(x) = π(1+x2 . Sa fonction de répartition vaut ) donc pour tout réel x : F(x) = x −∞ Donc pour tout u ∈]0,1[, on a : 1 π(1+t 2 1 dt = ) π [arctant]x 1 1 −∞ = + 2 π arctanx. u = F(x) ⇐⇒ u = 1 1 + arctanx ⇐⇒ x = tan(π(u−1/2)), 2 π ce qui est exactement dire que pour tout u ∈]0,1[, F −1 (u) = tan(π(u − 1/2)). Il suffit donc de simuler U ∼ U ]0,1[ et de calculer X = tan(π(U −1/2)) pour obtenir une variable X ayant une loi de Cauchy. 3.4.2 Loi exponentielle La loi exponentielle est la version en temps continu de la loi géométrique. De fait, elle intervient souvent dans la modélisation des phénomènes d’attente. Arnaud Guyader - Rennes 2 Probabilités
3.4. Lois usuelles 127 Définition 3.8 (Loi exponentielle) Soit λ un réel strictement positif. On dit que X suit une loi exponentielle de paramètre λ, noté X ∼ E(λ), si X admet pour densité : f(x) = λe −λx {x≥0}. Une variable exponentielle est donc à valeurs dans [0,+∞[. Plus λ est grand et plus la variable a des chances de prendre des valeurs proches de 0. Ceci se reflète dans l’expression de son espérance. Proposition 3.6 (Moments d’une loi exponentielle) Si X suit une loi exponentielle de paramètre λ, alors : E[X] = 1 λ Preuve. Voir le corrigé de l’exercice 3.4. & Var(X) = 1 λ 2. Généralisation. Grâce à une récurrence elle aussi basée sur une intégration par parties, il est facile d’exprimer le moment d’ordre n d’une loi exponentielle : ∀n ∈Æ∗ E[X n ] = +∞ 0 x n λe −λx dx = n! λ n. Proposition 3.7 (Fonction de répartition d’une loi exponentielle) Si X suit une loi exponentielle de paramètre λ, alors sa fonction de répartition F est : F(x) = 0 si x ≤ 0 1−e −λx si x ≥ 0 Densité et fonction de répartition de la loi exponentielle de paramètre λ = 4 sont représentées figure 3.5. 4 3.5 3 2.5 2 1.5 1 0.5 0 0 0.5 1 1.5 2 0 0 0.5 1 1.5 2 Figure 3.5 – Densité et fonction de répartition de la loi exponentielle de paramètre λ = 4. Remarque. Cette expression permet de voir que la médiane d’une loi exponentielle n’est pas égale à sa moyenne, puisque : È(X > E[X]) =È(X > 1/λ) = 1−È(X ≤ 1/λ) = 1−F(1/λ) = 1 ≈ 0,37 < 0,5. e Probabilités Arnaud Guyader - Rennes 2 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1
- Page 80 and 81: 76 Chapitre 2. Variables aléatoire
- Page 82 and 83: 78 Chapitre 2. Variables aléatoire
- Page 84 and 85: 80 Chapitre 2. Variables aléatoire
- Page 86 and 87: 82 Chapitre 2. Variables aléatoire
- Page 88 and 89: 84 Chapitre 2. Variables aléatoire
- Page 90 and 91: 86 Chapitre 2. Variables aléatoire
- Page 92 and 93: 88 Chapitre 2. Variables aléatoire
- Page 94 and 95: 90 Chapitre 2. Variables aléatoire
- Page 96 and 97: 92 Chapitre 2. Variables aléatoire
- Page 98 and 99: 94 Chapitre 2. Variables aléatoire
- Page 100 and 101: 96 Chapitre 2. Variables aléatoire
- Page 102 and 103: 98 Chapitre 2. Variables aléatoire
- Page 104 and 105: 100 Chapitre 2. Variables aléatoir
- Page 106 and 107: 102 Chapitre 2. Variables aléatoir
- Page 108 and 109: 104 Chapitre 2. Variables aléatoir
- Page 110 and 111: 106 Chapitre 2. Variables aléatoir
- Page 112 and 113: 108 Chapitre 2. Variables aléatoir
- Page 114 and 115: 110 Chapitre 2. Variables aléatoir
- Page 116 and 117: 112 Chapitre 2. Variables aléatoir
- Page 118 and 119: 114 Chapitre 2. Variables aléatoir
- Page 120 and 121: 116 Chapitre 3. Variables aléatoir
- Page 122 and 123: 118 Chapitre 3. Variables aléatoir
- Page 124 and 125: 120 Chapitre 3. Variables aléatoir
- Page 126 and 127: 122 Chapitre 3. Variables aléatoir
- Page 128 and 129: 124 Chapitre 3. Variables aléatoir
- Page 132 and 133: 128 Chapitre 3. Variables aléatoir
- Page 134 and 135: 130 Chapitre 3. Variables aléatoir
- Page 136 and 137: 132 Chapitre 3. Variables aléatoir
- Page 138 and 139: 134 Chapitre 3. Variables aléatoir
- Page 140 and 141: 136 Chapitre 3. Variables aléatoir
- Page 142 and 143: 138 Chapitre 3. Variables aléatoir
- Page 144 and 145: 140 Chapitre 3. Variables aléatoir
- Page 146 and 147: 142 Chapitre 3. Variables aléatoir
- Page 148 and 149: 144 Chapitre 3. Variables aléatoir
- Page 150 and 151: ∈Ê 146 Chapitre 3. Variables al
- Page 152 and 153: 148 Chapitre 3. Variables aléatoir
- Page 154 and 155: 150 Chapitre 3. Variables aléatoir
- Page 156 and 157: 152 Chapitre 3. Variables aléatoir
- Page 158 and 159: 154 Chapitre 3. Variables aléatoir
- Page 160 and 161: 156 Chapitre 3. Variables aléatoir
- Page 162 and 163: 158 Chapitre 3. Variables aléatoir
- Page 164 and 165: 160 Chapitre 3. Variables aléatoir
- Page 166 and 167: 162 Chapitre 3. Variables aléatoir
- Page 168 and 169: 164 Chapitre 3. Variables aléatoir
- Page 170 and 171: 166 Chapitre 3. Variables aléatoir
- Page 172 and 173: 168 Chapitre 3. Variables aléatoir
- Page 174 and 175: 170 Chapitre 3. Variables aléatoir
- Page 176 and 177: 172 Chapitre 3. Variables aléatoir
- Page 178 and 179: 174 Chapitre 3. Variables aléatoir
3.4. Lois usuelles 127<br />
Définition 3.8 (Loi exponentielle)<br />
Soit λ un réel strictement positif. On dit que X suit une loi exponentielle de paramètre λ, noté<br />
X ∼ E(λ), si X admet pour densité :<br />
f(x) = λe −λx {x≥0}.<br />
Une variable exponentielle est donc à valeurs dans [0,+∞[. Plus λ est grand et plus la variable<br />
a des chances de prendre des valeurs proches de 0. Ceci se reflète dans l’expression de son espérance.<br />
Proposition 3.6 (Moments d’une loi exponentielle)<br />
Si X suit une loi exponentielle de paramètre λ, alors :<br />
E[X] = 1<br />
λ<br />
Preuve. Voir le corrigé de l’exercice 3.4.<br />
& Var(X) = 1<br />
λ 2.<br />
Généralisation. Grâce à une récurrence elle aussi basée sur une intégration par parties, il est<br />
facile d’exprimer le moment d’ordre n d’une loi exponentielle :<br />
∀n ∈Æ∗<br />
E[X n ] =<br />
+∞<br />
0<br />
x n λe −λx dx = n!<br />
λ n.<br />
Proposition 3.7 (Fonction de répartition d’une loi exponentielle)<br />
Si X suit une loi exponentielle de paramètre λ, alors sa fonction de répartition F est :<br />
F(x) =<br />
0 si x ≤ 0<br />
1−e −λx si x ≥ 0<br />
Densité et fonction de répartition de la loi exponentielle de paramètre λ = 4 sont représentées<br />
figure 3.5.<br />
4<br />
3.5<br />
3<br />
2.5<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
0 0.5 1 1.5 2<br />
0<br />
0 0.5 1 1.5 2<br />
Figure 3.5 – Densité et fonction de répartition de la loi exponentielle de paramètre λ = 4.<br />
Remarque. Cette expression permet de voir que la médiane d’une loi exponentielle n’est pas égale<br />
à sa moyenne, puisque :<br />
È(X > E[X]) =È(X > 1/λ) = 1−È(X ≤ 1/λ) = 1−F(1/λ) = 1<br />
≈ 0,37 < 0,5.<br />
e<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2<br />
1<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
0.4<br />
0.3<br />
0.2<br />
0.1