1) Couples de variables aléatoires discrètes finies
Définitions :
Soient X et Y deux variables aléatoires discrètes définies sur (Ω,A,P) à valeurs respectivement dans les ensembles E et F.
Le couple de variables aléatoires Z=(X,Y):Ω→E×F vérifie pour tout w∈Ω, Z(w)=(X(w),Y(w)).
La loi conjointe des variables aléatoires X et Y est la loi du couple Z=(X,Y).
Les lois des deux variables aléatoires X et Y sont les lois marginales de la variable Z.
Définition :
Soit x∈X(Ω).
La loi conditionnelle de Y sachant X=x est la loi de la variable aléatoire Y pour la probabilité conditionnelle P(⋅|X=x) : pour tout B⊂Y(Ω),
P(Y∈B|X=x)={P((Y∈B),(X=x))P(X=x) si P(X=x)>00 sinon
Définition :
Soient X et Y deux variables aléatoires discrètes définies sur (Ω,A,P).
Les variables X et Y sont indépendantes si :
- Pour tous A⊂X(Ω) et B⊂Y(Ω), les événements (X∈A) et (Y∈B) sont indépendants.
- Ou de façon équivalente :
Pour tout (x,y)∈X(Ω)×Y(Ω), P(X=x,Y=y)=P(X=x)P(Y=y).
Théorème :
Si X et Y sont deux variables indépendantes, alors pour toutes fonctions f,g définies sur les domaines de valeurs de X et Y, les variables f(X) et g(Y) sont indépendantes.
Théorème :
- Si X1 et X2 sont deux variables aléatoires indépendantes suivant respectivement des lois B(n1,p) et B(n2,p), alors X1+X2 suit une loi B(n1+n2,p).
- Si X1 et X2 sont deux variables aléatoires indépendantes suivant respectivement des lois P(λ1) et P(λ2), alors X1+X2 suit une loi P(λ1+λ2).
2) Calculs d'espérance, de variance et de covariance
Soient X,Y variables aléatoires réelles discrètes définies sur (Ω,A,P).
E(X+Y)=E(X)+E(Y)
Si X et Y sont indépendantes, XY admet une espérance et E(XY)=E(X)E(Y).
Définition :
La covariance de X et Y est :
Cov(X,Y)=E((X−E(X))(Y−E(Y)))=E(XY)−E(X)E(Y)
Cov(X,X)=V(X)
Théorème :
Si X et Y sont indépendantes, Cov(X,Y)=0.
Attention, la réciproque est fausse.
Théorème :
V(X+Y)=V(X)+2Cov(X,Y)+V(Y).
Définition :
Coefficient de corrélation linéaire :
ρ=Cov(X,Y)√Var(X)Var(Y)
Un coefficient de corrélation est un nombre toujours compris entre -1 et 1.
Un coefficient de corrélation nul entre X et Y signifie qu’il n’y a aucune liaison linéaire entre les deux variables.
Plus le coefficient de corrélation est proche de 1 ou −1, plus la liaison linéaire est forte entre les deux variables.
3) Suite de variables aléatoires discrètes finies
Définitions :
Soient X1, …,Xn des variables aléatoires discrètes définies sur (Ω,A,P).
Les variables X1, …,Xn sont mutuellement indépendantes si :
Pour tout choix de n intervalles réels I1,…, In, les événements (X1∈I1),…,(Xn∈In) sont mutuellement indépendants.
Les variables aléatoires de la suite (Xn)n∈N∗ sont dites mutuellement indépendantes si, pour tout entier n>1, les variables aléatoires X1,...,Xn sont mutuellement indépendantes.
Lemme des coalitions :
Si X1,X2,...,Xn, sont mutuellement indépendantes, toute variable aléatoire fonction de X1,X2,...,Xp est indépendante de toute variable aléatoire fonction de Xp+1,Xp+2,...,Xn.
Propriété :
Si X1,X2,...,Xn sont indépendantes deux à deux et admettent toutes une variance, alors la somme X1+…+Xn admet aussi une variance et V(X1+…+Xn)=V(X1)+…+V(Xn).