Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott

CHAPITRE III – VECTEURS ALEATOIRES

Jusqu’à présent on a essentiellement parlé des expériences aléatoires produisant un résultat unique ou
alors présentés les résultats d’une expérience comme un unique résultat. On peut pourtant s’intéresser
à une expérience aléatoire qui est la juxtaposition de plusieurs expériences ( n ) chacun produisant son
propre résultat et modélisé sur on espace probabilisé et son espace de résultats. Ceci donne lieu à un
vecteur aléatoire noté :  X 1 , X 2 ,..., X n  . On définit ainsi les vecteurs aléatoires en définissant les
notions d’univers produit ( 1   2  ...   n ), tribus produit ( 1  2  ...  n ) et d’espace de
résultats produit ( E1  E2  ...  En ). Dans ce chapitre nous introduisons la notion de vecteur aléatoire
et ses propriétés en se limitant au couple ( n  2 ) étant donné que la généralisation au cas des vecteurs
de n composantes se fait aisément.

3.1. Cas des vecteurs aléatoires discrets Si une expérience aléatoire consiste à :
 choisir un individu au hasard dans une population et relever le nombre de ses frères et le
nombre de ses sœurs ;
 lancer deux dé et on constitue le couple des résultats obtenu ;
 choisir une entreprise et relever le nombre d’employer et le nombre de succursales.
Alors on constitue un couple de variables aléatoire discrète et par conséquent un vecteur aléatoire
discret.

a) Loi du vecteur et fonction de répartition

Définition : Soient X et Y deux variables aléatoires discrètes définies sur  , , P  avec
X      xi ; i  I  et Y      y j ; j  J  , I et J des ensembles dénombrables (parties de ).

La loi du couple  X , Y  est entièrement déterminée par :

pij  p ( xi , y j )  P  X  xi , Y  y j   P  X  x   Y  y  ;
i j i  I et j  J

Cette loi est parfois appelée loi conjointe du couple  X , Y  ou distribution conjointe ou loi jointe ou
encore masse conjointe du couple  X , Y  .

Propriétés:
1. 0  pij  1 pour tout (i, j )  I  J .
2. 
iI , jJ
pij  1 , la somme des probabilités sur X     Y    vaut 1.

3. P  X  A, Y  B   p
xi A y j B
ij avec A  X    et B  Y    .

Définition : On définit la fonction de répartition d’un couple aléatoire discret par :

F  x, y   FX ,Y ( x, y)  P  X  x, Y  y   P  X  x  Y  y

[20]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott
 Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott

Autrement dit, on a :
F  x, y    
xi X (  ) y j Y (  )
p ( xi , y j )   
xi X (  ) y j Y (  )
pij
xi  x yjy xi  x yjy

Exemple : On lance une pièce 3 fois et on note le résultat. Soit

 X : le nombre total de PILEs obtenus.
 Y : le nombre de PILEs obtenus au premier lancer.
La fonction de masse conjointe de X et Y est donnée par le tableau suivant :
Y X  X  0 X  1 X  2 X  3
Y 0 1/8 2/8 1/8 0
Y 1 0 1/8 2/8 1/8

Remplir le tableau puis calculer P  X  1, Y  1 et P  X  2  .

b) Loi marginales et lois conditionnelles

Pour étudier chacune des v.a. d'un vecteur aléatoire, on a recours aux distributions marginales.
Définition : Les variables aléatoires X et Y sont appelées variables aléatoires marginales du
couple  X , Y  et les lois des variables aléatoires X et Y sont appelées les lois marginales du couple
 X , Y  . On a :
p X ( xi )  P  X  xi   pi   P  X  xi , Y  y j    pij
jJ j

pY ( y j )  P Y  y j   p j   P  X  xi , Y  y j    pij
iI i

p p
i
i
j
j 1

Définition : Si  X , Y  est un vecteur aléatoire discret, de loi conjointe p(.,.) alors on définit les
lois conditionnelles par :

p X Y  y ( x)  P  X  x Y  y  
p ( x, y )
 si p y  0 pour tout x  X ()
py

pY X  x ( y )  P Y  y X  x  
p( x, y )
 si p x  0 pour tout y  Y ()
px
 Ce sont également des loi et on a : 
xX (  )
p X Y  y ( x)  
yY (  )
pY X  x ( y)  1

Attention : Ne pas confondre lois marginales et lois conditionnelles.

Exemple :

[21]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott
 Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott

La fonction de masse conjointe de X et Y est donnée par le tableau suivant :

Y X X 0 X 1 X 2 X 3 P Y  y j 
Y 0 1/8 2/8 1/8 0 4/8
Y 1 0 1/8 2/8 1/8 4/8
P  X  xi  1/8 3/8 3/8 1/8 _

Compléter le tableau avec les lois marginales et établir les lois conditionnelles suivantes : p X Y 1 et
pY X  2 ..
Remarque :
 Dans le cas discret, il y a autant de distributions conditionnelles de X qu'il y a de valeurs
possibles pour Y (et vice-versa).
P  X  A, Y  B 
 On général on a : P  X  A Y B   et
P Y  B 
P  X  A, Y  B 
P  Y  B X  A 
P  X  A
 La généralisation de la formule des probabilités totales nous donne :
P Y  B    P Y  B X  x P  X  x 
xX   

c) Moments et indépendance
Définition : L’espérance du vecteur aléatoire  X ,Y  est un vecteur de 2
appelé vecteur des
espérances constitué de l’espérance de chacune des coordonnées et donné par :  E  X  , E Y   .
L’espérance des coordonnées sont appelées les espérances marginales.

Espérances marginales
Etant donné la loi conjointe d’un vecteur aléatoire, on peut calcule les moments de chacune des
variables aléatoires constituant le vecteur. En utilisant les lois marginales du vecteur aléatoire  X , Y 
on peut calculer l’espérance et la variance des variables aléatoires individuelles X et Y . On a :
EX    xp X ( x) et V  X    x 2 p X ( x )   E  X  
2

xX    x X   

E Y    ypY ( y ) et V Y    y 2 pY ( y )   E Y  
2

yY    yY   

Espérance conditionnelles
On peut également calculer les espérances conditionnelles étant données que l’on a défini des lois
conditionnelles à partir de la distribution conjointe du vecteur. Etant donné la loi conjointe d’un

[22]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott
 Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott

vecteur aléatoire p(.,.) , et les lois conditionnelles p X Y  y et pY X  x l’espérance conditionnelle est

donnée par :
 E  X Y  y   xp X Y  y ( x)
xX   

 E Y X  x    ypY X  x ( y )
yY   

  
Notons que E X Y  y est une fonction de y et E Y X  x est une fonction de x . 
Indépendance dans les vecteurs aléatoires
Définition : Les deux variables aléatoires d’un vecteur  X ,Y  de loi conjointe p(.,.) sont
indépendantes si pour tout ( x, y)  X     Y    on a :
p( x, y )  p X ( x) pY ( y) ou encore pij  pi p j

Remarque.
1- Si X et Y sont des variables aléatoires indépendantes alors on peut déterminer leur
distribution conjointe à l'aide des distributions marginales des v.a. de X et Y en faisant le
produit de celles-ci. Ce n’est pas le cas si X et Y ne sont pas indépendantes.
2- Si X et Y sont des variables aléatoires indépendantes, alors les lois marginales et les lois
conditionnelles coïncident et par conséquent les espérances marginales sont égales aux
espérances conditionnelles.

d) Fonction de variable aléatoire d’un vecteur aléatoire

Etant donné un vecteur aléatoire discret  X , Y  de loi conjointe p(.,.) , si on veut calculer la loi et
l’espérance de d’une fonction Z    X , Y  alors on aura :
P  Z  z   P   X , Y   z    p ( x, y )
( x , y )X (  )Y (  ), ( x , y )  z

et
E   X , Y       ( x, y) p( x; y)
xX (  ) yY (  )

Donc à partir d’une loi conjointe, on peut calculer l’espérance d’une fonction de deux variables
aléatoires en les considérants comme un couple. (Montrer que la somme de deux v.a indépendantes
de poisson suit une loi de poisson : utiliser les lois marginales)

De même, on définit aussi la fonction génératrice d’un couple de variables aléatoires discrètes par :
M ( X ,Y ) ( s, t )  E  e sX etY    e sx ety p ( x, y )
( x , y )X (  )Y (  )

[23]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott
 Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott

Exercice d’application : On dispose d'une urne contenant quatre jetons numérotés de 1 à 4, et on tire
au hasard successivement deux jetons sans remise. On note  X ,Y  les résultats des deux tirages.
Etablir la loi du couple, Etablir les lois marginales et les lois conditionnelles.

Loi de la somme de deux v.a.d indépendantes

On considère deux v.a.d X et Y , on s’intéresse à leur somme S  X  Y . En général le calcul de la
loi de la somme de deux variables aléatoires est assez complexe. Il implique parfois dans le cas discret
à examiner à nouveau l’expérience ayant conduit aux deux v.a. On arrive néanmoins à le simplifier la
plus part du temps lorsque les v.a sont indépendantes et lorsque on peut aisément établir la loi
conjointe du couple aléatoire. Ainsi :
PS  s  P  X  Y  s
  P  X  x, Y  s  x 
xX (  )

  P  X  x  P Y  s  x 
xX (  )

3.2. Cas des vecteurs aléatoires continus

Si une expérience consiste à :
 choisir un individu au hasard et relever sa taille et son poids ;
 étudier les battements du cœur d’un patient à plusieurs instant ;
 étudier la pixellisation d’une image 2D ou 3D ;
alors on constitue un vecteur de variables aléatoires continue car chacune des composantes aléatoires
du vecteur est une v.a.c.

a) Loi et fonction de répartition d’un vecteur a.c

Soient X et Y deux variables aléatoire continues définies sur un espace probabilisé  , , P  , c’est-
à-dire que X     et Y     , tous deux non dénombrables.
Définition : Le couple  X , Y  est dit un couple aléatoire continu ou couple à densité si il existe une

fonction f : 2
 telle que ( x, y )  2
on a :
x y

P  X  x  Y  y  P( X ,Y )  ]  , x]]  , y ]   f (u, v)dudv

 

La fonction f ou parfois notée f X ,Y est appelée densité conjointe du couple aléatoire  X , Y  .

La définition de la fonction de répartition du couple aléatoire continu est une conséquence directe de
la définition. En effet si on note F la fonction de répartition du couple alors ( x, y )  2
on a :
x y

F  x, y   P  X  x  Y  y   f (u, v)dudv

 

[24]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott
 Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott

Proposition : On a :
1. La fonction f est positive.
  
 
 

2. La fonction f est intégrable et    f (u, v)du  dv     f (u, v)dv  du  1
       
F
3. En tout point ( x0 , y0 ) où f est continue on a que f ( x0 , y0 )  ( x0 , y0 )
xy

Exemple : Soit D  ( x, y )  2
, x 2  y 2  1 le disque unité de 2
et f la fonction définie sur
1
2
par f ( x, y )  1D ( x, y ) . La fonction f est bien une densité de probabilité sur 2
: c'est la

densité de la loi uniforme sur D , c'est-à-dire la loi que l'on obtient en jetant un point au hasard et
uniformément sur D .

b) Lois marginales et lois conditionnelles de v.a.c

Les lois marginales du couple  X , Y  sont les lois des variables aléatoires X et Y . On peut vérifier
aisément la proposition suivante :
Proposition : Soit  X , Y  un couple aléatoire continu admettant pour densité conjointe une fonction
f : 2   . Alors, les deux variables aléatoires X et Y du couple admettent chacune une densité
appelée loi marginales de X et Y notées respectivement f X et fY et définies par :
 
f X ( x)  

f ( x, y ) dy et fY ( y )  

f ( x, y ) dx

Preuve : Calculer P  X  t   P  X  t , Y   et ensuite dériver par rapport à t .

2 1  x2
Exemple : Dans l’exemple du disque, établir les lois marginales. ( f X ( x)  1[ 1,1] ( x) )

Similairement au cas discret, on peut également définir les lois conditionnelles du couple aléatoire
continu  X , Y  .
Définition : On considère la fonction :

fY X  x : 
f ( x, y ) , où f est la densité du couple  X , Y  et f X la loi marginale de la variable
y
f X ( x)
aléatoire X (fonction non nulle pour x ) dans le couple  X , Y  . La fonction fY X  x est une densité
de probabilité sur et est appelée densité conditionnelle de Y sachant X  x . On note comme
dans le cas discret PY X  x la loi de probabilité associée, appelée loi de Y sachant X  x .

[25]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott
 Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott

On définit bien évidement de façon similaire la loi conditionnelle de X sachant Y  y (le faire en
exercice).

Une conséquence directe de cette définition est que :

f ( x, y )  f Y X  x ( y ) f X ( x )  f X Y  y ( x ) f Y ( y )
Ainsi, lorsqu’on connait la densité marginale f X (ou respectivement fY ) et la loi conditionnelle
fY X  x (respectivement f X Y  y ) on a immédiatement la loi conjointe f .
Remarque : Nous attirons l’attention des étudiants sur le fait que bien que l’on dise densité de Y
sachant que X  x ou loi de Y sachant que X  x , il ne s’agit en aucun cas d’une probabilité
conditionnelle à l’événement  X  x car celui-ci est de probabilité nulle comme vous le savez tous
dans le cas de variables aléatoires continues. Cela n’aurait aucun sens.

c) Moments et indépendance
Comme dans le cas discret, l’espérance mathématique d’un couple de variables aléatoire continues est
le couple des espérances. Pour déterminer donc l’espérance du couple, il suffit de calculer les
espérances marginales.

Définition : L’espérance du vecteur aléatoire continue  X , Y  est un vecteur de 2

appelé vecteur
des espérances constitué de l’espérance de chacune des coordonnées et donné par :  E  X  , E Y   .
L’espérance des coordonnées sont appelées les espérances marginales.

Espérances marginales : Etant donné un couple de variables aléatoires continues  X , Y  ayant pour
loi conjointe la fonction f (, ) à partir de laquelle on a obtenu les lois marginales f X et fY , on définit
les espérances marginales et les variance marginales comme suit :
 
EX    xf X ( x )dx et V  X     x  E( X )
2
 f X ( x )dx
 
 
E Y    yf ( y ) dy et V Y     y  E (Y ) 
2
 Y f Y ( y )dy
 
Espérances conditionnelles :
Etant donné un couple de variables aléatoires continues  X , Y  ayant pour loi conjointe la fonction
f (, ) à partir de laquelle on a obtenu les lois conditionnelles f X Y  y et fY X  x , on définit les
espérances conditionnelles comme suit :


 E  X Y  y   xf X Yy
( x )dx


[26]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott
 Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott


 E Y X  x    yf Y X x
( y )dy


 
On remarque que E X Y  y est une fonction de y et E Y X  x est une fonction de x .  
Indépendance des variables constituant un vecteur aléatoire continu
Soit  X , Y  un couple de variables aléatoires continues ayant pour densité conjointe la fonction
f (, ) et pour densité marginales les fonctions f X et fY .

Proposition : Les v.a.c X et Y sont dites indépendantes si et seulement si pour tout  x, y   2

on a l’égalité : f  x, y   f X ( x) fY ( y )

Théorème : (Preuve en exercice)

Il y a équivalence entre les assertions suivantes :
(i) X , Y sont deux variables aléatoires continues indépendantes ;
(ii) La fonction de répartition conjointe du couple  X , Y  est égale au produit des fonctions
de répartitions marginales : F( X ,Y )  FX FY ;
(iii) La densité conjointe du couple  X , Y  est égale au produit des densités marginales, c’est-
à-dire que f  x, y   f X ( x) fY ( y) ;
(iv) fX Yy  fX
(v) fY X  x  fY

d) Fonction de variable aléatoire d’un vecteur aléatoire continu

Avoir la loi conjointe d’un couple de variables aléatoire peut aider dans le calcul des lois et des
espérances mathématiques des fonctions de ces deux variables aléatoire. Etant donné un vecteur
aléatoire continue X , Y  de loi conjointe f (, ) , si on veut calculer la loi et l’espérance de d’une
fonction Z    X , Y  alors on aura :
 
E   X , Y       ( x, y ) f ( x, y )dxdy
 

Dans le cas où Z    X , Y   XY et que les variables aléatoires sont indépendantes, on a :

   
    
E   X , Y    E  XY    xyf ( x, y )dxdy    X Y
xyf ( x ) f ( y ) dxdy   X xf ( x ) dx   yfY ( y )dy   E  X  E Y 
      
Donc à partir d’une loi conjointe, on peut calculer l’espérance d’une fonction de deux variables
aléatoires en les considérants comme un couple.

[27]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott
 Cours de Théorie de Probabilités 1ere Année LPS – ISMS de Nouakchott

Loi de la somme de deux v.a.c indépendantes

On considère deux v.a.c X et Y , on s’intéresse à leur somme S  X  Y . Comme dans le cas discret,
c’est un exercice assez complexe. On arrive néanmoins à le simplifier la plus part du temps lorsque les
v.a sont indépendantes et lorsque on peut aisément établir la loi conjointe du couple aléatoire.
Ainsi, dans le cas continu, il est primordial d’établir les lois marginales f X et fY à partir de la densité
conjointe f X ,Y et ensuite appliquer la formule :
f X Y ( s )   f X ( x) fY ( s  x) dx
Formule analogue à celle du cas discret comme on peut le constater en remplacant la somme par une
intégrale sur le domaine de la variable aléatoire X .

3.3. Cas mixtes : discrets et continus

Les cas mixtes où dans un couple de variables aléatoires on a à la fois une variable aléatoire continue
et une variable aléatoire discrètes ne seront pas abordés théoriquement dans ce cours mais en exercice.
Les théories sur ce type de vecteurs aléatoires ne pullulent pas dans la littérature et relèvent souvent
du cas par cas.

Fin Du Chapitre

[28]
Brice DONGMEZO, Ph.D – ISMS - Nouakchott