Début de la boite de navigation du chapitre
fin de la boite de navigation du chapitre
En raison de limitations techniques, la typographie souhaitable du titre, «
Variables aléatoires continues : Loi uniforme Variables aléatoires continues/Loi uniforme », n'a pu être restituée correctement ci-dessus.
La loi uniforme est la loi de probabilité continue la plus simple, définie sur un intervalle borné
[
a
,
b
]
{\displaystyle [a,b]}
. Elle est utilisée pour modéliser une variable répartie uniformément sur un ensemble borné.
La loi uniforme est une loi de probabilité pour les variables aléatoires continues.
On la définit au moyen d'une densité de probabilité .
Définition
La loi
U
(
[
0
,
1
]
)
{\displaystyle {\mathcal {U}}([0,1])}
est couramment appelée loi uniforme standard .
Densités de loi uniforme.
La fonction de densité d'une loi uniforme est une fonction-porte, c'est-à-dire qu'elle est constante sur un intervalle fini, et nulle ailleurs.
Fonctions de répartition de lois uniformes.
Proposition
La fonction de répartition d'une loi uniforme
U
(
[
a
,
b
]
)
{\displaystyle {\mathcal {U}}([a,b])}
est :
F
X
(
x
)
=
{
0
si
x
<
a
x
−
a
b
−
a
si
a
≤
x
<
b
1
si
x
≥
b
.
{\displaystyle F_{X}(x)={\begin{cases}0&{\text{si}}\ x<a\\{\frac {x-a}{b-a}}&{\text{si}}\ a\leq x<b\\1&{\text{si}}\ x\geq b.\end{cases}}}
Elle est donc continue, mais non dérivable en
a
{\displaystyle a}
et
b
{\displaystyle b}
.
Début d’un théorème
Théorème
La fonction génératrice des moments d'une variable aléatoire continue
X
{\displaystyle X}
suivant une loi uniforme
U
(
[
a
,
b
]
)
{\displaystyle {\mathcal {U}}([a,b])}
est :
M
X
(
t
)
=
e
t
b
−
e
t
a
t
(
b
−
a
)
{\displaystyle M_{X}(t)={\frac {\mathrm {e} ^{tb}-\mathrm {e} ^{ta}}{t(b-a)}}}
.
Fin du théorème
Démonstration
M
X
(
t
)
=
E
(
e
t
X
)
=
1
b
−
a
∫
a
b
e
t
x
d
x
=
1
b
−
a
[
e
t
x
t
]
a
b
=
e
t
b
−
e
t
a
t
(
b
−
a
)
{\displaystyle M_{X}(t)=\mathbb {E} \left(\mathrm {e} ^{tX}\right)={\frac {1}{b-a}}\int _{a}^{b}\mathrm {e} ^{tx}\,\mathrm {d} x={\frac {1}{b-a}}\left[{\frac {\mathrm {e} ^{tx}}{t}}\right]_{a}^{b}={\frac {\mathrm {e} ^{tb}-\mathrm {e} ^{ta}}{t(b-a)}}}
.
Démonstration
M
X
(
t
)
=
e
t
b
−
e
t
a
t
(
b
−
a
)
=
1
t
(
b
−
a
)
∑
n
=
0
∞
t
n
(
b
n
−
a
n
)
n
!
=
∑
n
=
1
∞
t
n
−
1
(
b
n
−
a
n
)
n
!
(
b
−
a
)
=
∑
k
=
0
∞
t
k
k
!
×
b
k
+
1
−
a
k
+
1
(
k
+
1
)
(
b
−
a
)
{\displaystyle M_{X}(t)={\frac {\mathrm {e} ^{tb}-\mathrm {e} ^{ta}}{t(b-a)}}={\frac {1}{t(b-a)}}\sum _{n=0}^{\infty }{\frac {t^{n}(b^{n}-a^{n})}{n!}}=\sum _{n=1}^{\infty }{\frac {t^{n-1}(b^{n}-a^{n})}{n!(b-a)}}=\sum _{k=0}^{\infty }{\frac {t^{k}}{k!}}\times {\frac {b^{k+1}-a^{k+1}}{(k+1)(b-a)}}}
donc
E
(
X
k
)
=
M
X
(
k
)
(
0
)
=
b
k
+
1
−
a
k
+
1
(
k
+
1
)
(
b
−
a
)
=
1
k
+
1
∑
i
=
0
k
a
i
b
k
−
i
{\displaystyle \mathbb {E} \left(X^{k}\right)=M_{X}^{(k)}(0)={\frac {b^{k+1}-a^{k+1}}{(k+1)(b-a)}}={\frac {1}{k+1}}\sum _{i=0}^{k}a^{i}b^{k-i}}
.
Proposition
L'espérance d'une variable aléatoire continue
X
{\displaystyle X}
suivant une loi uniforme
U
(
[
a
,
b
]
)
{\displaystyle {\mathcal {U}}([a,b])}
est :
E
(
X
)
=
a
+
b
2
{\displaystyle \mathbb {E} (X)={\frac {a+b}{2}}}
.
Démonstration
E
(
X
)
=
1
1
+
1
∑
i
=
0
1
a
i
b
1
−
i
=
a
+
b
2
{\displaystyle \mathbb {E} (X)={\frac {1}{1+1}}\sum _{i=0}^{1}a^{i}b^{1-i}={\frac {a+b}{2}}}
.
Proposition
La variance d'une variable aléatoire continue
X
{\displaystyle X}
suivant une loi uniforme
U
(
[
a
,
b
]
)
{\displaystyle {\mathcal {U}}([a,b])}
est :
V
(
X
)
=
(
b
−
a
)
2
12
{\displaystyle \mathrm {V} (X)={\frac {(b-a)^{2}}{12}}}
.
Démonstration
E
(
X
2
)
=
1
2
+
1
∑
i
=
0
2
a
i
b
2
−
i
=
a
2
+
a
b
+
b
2
3
{\displaystyle \mathbb {E} (X^{2})={\frac {1}{2+1}}\sum _{i=0}^{2}a^{i}b^{2-i}={\frac {a^{2}+ab+b^{2}}{3}}}
d'où :
V
(
X
)
=
E
(
X
2
)
−
(
E
(
X
)
)
2
=
a
2
+
a
b
+
b
2
3
−
a
2
+
2
a
b
+
b
2
4
=
(
b
−
a
)
2
12
{\displaystyle \mathrm {V} (X)=\mathbb {E} (X^{2})-\left(\mathbb {E} (X)\right)^{2}={\frac {a^{2}+ab+b^{2}}{3}}-{\frac {a^{2}+2ab+b^{2}}{4}}={\frac {(b-a)^{2}}{12}}}
.
La notion d'uniformité vient du fait que la probabilité qu'une valeur tirée d'une loi uniforme soit dans un certain intervalle (inclus dans l'intervalle
[
a
,
b
]
{\displaystyle [a,b]}
support de la densité) ne dépend pas de la position de l'intervalle, mais uniquement de sa longueur h :
P
(
x
≤
X
≤
x
+
h
)
=
∫
x
x
+
h
d
t
b
−
a
=
h
b
−
a
{\displaystyle \mathbb {P} (x\leq X\leq x+h)=\int _{x}^{x+h}{\frac {\mathrm {d} t}{b-a}}={\frac {h}{b-a}}}
.
D'autre part, on peut noter que n’importe quelle valeur comprise entre
a
{\displaystyle a}
et
b
{\displaystyle b}
est un mode pour la loi uniforme : aucune valeur de l'intervalle
[
a
,
b
]
{\displaystyle [a,b]}
n'a une probabilité supérieure à une autre d'apparaître.
Cette loi de probabilité est fondamentale car grâce à sa simplicité, elle est facilement programmable. De plus, grâce au théorème de la transformée inverse , il est possible de simuler d'autres lois de probabilité à partir d'une simulation de la loi uniforme.