Vecteur aléatoire

Un vecteur aléatoire est aussi appelé variable aléatoire multidimensionnelle.

Définition

Un vecteur aléatoire est une généralisation à n dimensions d'une variable aléatoire réelle. Alors qu'une variable aléatoire réelle est une fonction qui à chaque éventualité fait correspondre un nombre réel, le vecteur aléatoire est une fonction X qui à chaque éventualité fait correspondre un vecteur de  :

ω est l'élément générique de Ω, l'espace de toutes les éventualités possibles.

Les applications X1, ..., Xn sont des variables aléatoires réelles appelées composantes du vecteur aléatoire X. On note alors X = (X1, ..., Xn).

Une application X de (définie sur Ω), à valeurs dans l'espace muni de la tribu des boréliens de , est un vecteur aléatoire si elle est mesurable.

Fonction de répartition

Soit un vecteur aléatoire. Sa fonction de répartition est ainsi définie :

Indépendance de vecteurs aléatoires

Définition

Deux vecteurs aléatoires sont indépendants si et seulement si la probabilité que ces vecteurs prennent une valeur donnée est égale au produit des probabilités que chaque vecteur prenne une valeur donnée. De plus si la covariance des deux vecteur est nul.

Exemple

Soit un espace probabilisé. On pose trois vecteurs aléatoires.

Par leur indépendance, on a :

Vecteur gaussien

Définition

Un vecteur aléatoire de dimension n est un vecteur gaussien si toute combinaison linéaire de ses composantes est une variable gaussienne.

Définition  Soit X = (X1, ..., Xn) un vecteur aléatoire. X est gaussien si et seulement si, pour toute suite (a1, ..., an) de nombres réels, la variable aléatoire

est une variable gaussienne.

Propriétés

  • Soit un vecteur gaussien à valeurs dans . On note son espérance et sa matrice de covariance. Soit et . Alors le vecteur aléatoire est gaussien, son espérance est et sa matrice de covariance .
  • Soit une famille de variables aléatoires réelles gaussiennes et indépendantes. Alors le vecteur aléatoire est gaussien.

Construction d'un vecteur gaussien à partir de sa matrice de covariance

Il est notable que toute matrice définie positive est la matrice de covariance d'un vecteur gaussien. De plus on peut déterminer un unique vecteur gaussien à partir de cette matrice et d'un vecteur réel (correspondant au vecteur des moyennes du vecteur gaussien)[1].

Propriété  Soit Γ une matrice réelle définie positive de taille d × d, et μ un vecteur de taille d.

Il existe un unique vecteur gaussien X = (X1, ..., Xn) dont Γ est la matrice de covariance et μ est le vecteur de moyenne.

On note le vecteur gaussien associé à μ et Γ.

De plus on peut calculer la fonction caractéristique et la densité de ce vecteur gaussien.

Propriété   Soit .

Sa fonction caractéristique ΦX(u) s'exprime (avec ) :

Sa densité fX(u) s'exprime (avec et d dimension de X) :

Enfin, on peut noter cette relation entre X vecteur gaussien et un vecteur de lois normales centrées réduites indépendantes :

Propriété   Soit .

avec A matrice racine carrée de Γ, μ vecteur des moyennes et Z vecteur aléatoire dont les composantes sont indépendantes et suivent une loi normale

Notes et références

Bibliographie

  • Patrick Bogaert, Probabilités pour scientifiques et ingénieurs, De Boeck Université, 2006, Bruxelles
  • Alain Combrouze, Probabilités1, Presses Universitaires de France, 1996, Paris
  • Yves Ducel, Introduction à la théorie mathématique des probabilités, Ellipses , 1998, (ISBN 2-7298-9820-4)
  • Jean-Pascal Ansel, Yves Ducel, Exercices corrigés en théorie des probabilités, Ellipses , 1996, (ISBN 2-7298-4688-3)

Liens internes

Liens externes

  • Portail des probabilités et de la statistique
Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Sharealike. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.