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):ΩE×F vérifie pour tout wΩ, 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 xX(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 BY(Ω),
P(YB|X=x)={P((YB),(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 AX(Ω) et BY(Ω), les événements (XA) et (YB) 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((XE(X))(YE(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 (X1I1),…,(XnIn) sont mutuellement indépendants.

Les variables aléatoires de la suite (Xn)nN 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).