next up previous contents
suivant: Cas des variables aléatoires monter: Analyse de couples de précédent: Moment du deuxième ordre   Table des matières

Somme de variables aléatoires indépendantes

Soient deux variables aléatoires indépendantes $x$ et $y$ prenant des valeurs entières. La porbabilité pour que $x=m$ et $y=n$ simultanément est $p_x(m)p_y(n)$. Soit $z=x+y$ . Sa densité de probabilité est
\begin{displaymath}
p_z(k)=\sum_{m=-\infty}^{\infty}p_x(m)p_y(k-m).
\end{displaymath} (55)

De manière générale la densité de probabilité de la somme s'écrit sous la forme d'une convolution.
\begin{displaymath}
p_z(z)=\int_{-\infty}^{\infty}p_x(x)p_y(z-x)dx.
\end{displaymath} (56)

Par exemple si sont des variables aléatoires équiréparties entre $0$ et $1$

Figure 14: Densité de probabilité de la somme de deux variables aléatoires indépendantes équiréparties entre -1/2 et 1/2
\begin{figure}
\begin{picture}(0,5)
% multiput(0,0)(0,1)\{15\}\{ line(1,0)\{15...
...rtie.EPS''}}
%fichier mathcad :sommevarindep.mcd
\end{picture}
\end{figure}

La fonction caractéristique de $z$ est la transformée de Fourier d'un produit de convolution. C'est donc le produit des fonctions caractéristiques de $x$ et $z$:
\begin{displaymath}
E[exp(juz)]=E[exp(jux)]E[exp(juy)].
\end{displaymath} (57)

On en déduit que la moyenne des sommes la somme des moyennes est égale à et que la variance de la somme est égale à la somme des variances
\begin{displaymath}
\sigma_z^2=\sigma_x^2+\sigma_y^2.
\end{displaymath} (58)

Cependant si les deux variables ne sont pas indépendantes, on peut seulement écrire que
\begin{displaymath}
p_z(k)=\int_{-\infty}^{\infty}p(x,z-x)dx.
\end{displaymath} (59)


next up previous contents
suivant: Cas des variables aléatoires monter: Analyse de couples de précédent: Moment du deuxième ordre   Table des matières
Leroux Joel
2000-11-10