Comment calculer V(X_1+…+X_n)… : En appliquant V (sum_ i=1 ^ n X_i)=sum_… — ECG2 appliquées | MetMat

Comment calculer $V(X_1+\dots+X_n)$ pour des variables aléatoires indépendantes ?

En appliquant $V\!\left(\sum_{i=1}^{n} X_i\right)=\sum_{i=1}^{n} V(X_i)$ sous l'hypothèse d'indépendance mutuelle

Calculer la variance d'une somme de variables aléatoires en sommant leurs variances, sous hypothèse d'indépendance mutuelle.

Maîtriser

Reconnaître

Résoudre

Que ferais-tu face à un exercice de ce type ?

Soit $X\sim\mathcal{B}(n,p)$ . Retrouver $V(X)=np(1-p)$ en écrivant $X$ comme somme de $n$ Bernoulli indépendantes.

L'objectif

Calculer la variance d'une somme de variables aléatoires en sommant leurs variances, sous hypothèse d'indépendance mutuelle.

Le principe

Si $X_1,\dots,X_n$ sont mutuellement indépendantes et admettent chacune un moment d'ordre $2$ , alors $V\!\left(\sum_{i=1}^{n} X_i\right)=\sum_{i=1}^{n} V(X_i)$ . Sans indépendance, l'égalité est en général fausse (il faut ajouter $2\sum_{i<j}\mathrm{Cov}(X_i,X_j)$ ).

La méthode

1
Je vérifie que les variables $X_1,\dots,X_n$ sont mutuellement indépendantes et que chacune admet un moment d'ordre $2$ (donc une variance $V(X_i)$ ).
2
J'identifie chaque variance $V(X_i)$ (loi usuelle ou calcul $V(X_i)=E(X_i^2)-E(X_i)^2$ ).
3
J'applique $V\!\left(\sum_{i=1}^{n} X_i\right)=\sum_{i=1}^{n} V(X_i)$ et je calcule la somme pour obtenir une expression close.

Pour comprendre, fais des exercices !

Exercice d'exemple

Soit $X\sim\mathcal{B}(n,p)$ . Retrouver $V(X)=np(1-p)$ en écrivant $X$ comme somme de $n$ Bernoulli indépendantes.

Étape 1 —

Je vérifie que les variables

X_1,\dots,X_n

sont mutuellement indépendantes et que chacune admet un moment d'ordre

2

(donc une variance

V(X_i)

Par définition, $X=X_1+\dots+X_n$ avec les $X_i\sim\mathcal{B}(p)$ mutuellement indépendantes ; chaque $X_i$ admet une variance $V(X_i)=p(1-p)$ .

Étape 2 —

J'identifie chaque variance

V(X_i)

(loi usuelle ou calcul

V(X_i)=E(X_i^2)-E(X_i)^2

Chaque $V(X_i)$ vaut $p(1-p)$ d'après le cours.

Étape 3 —

J'applique

V\!\left(\sum_{i=1}^{n} X_i\right)=\sum_{i=1}^{n} V(X_i)

et je calcule la somme pour obtenir une expression close.

Par indépendance mutuelle : $V(X)=\sum_{i=1}^{n}V(X_i)=\sum_{i=1}^{n}p(1-p)=np(1-p)$ .

$V(X)=np(1-p)$ .

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.

Comment calculer V(X1+⋯+Xn)V(X_1+\dots+X_n)V(X1​+⋯+Xn​) pour des variables aléatoires indépendantes ?

En appliquant V ⁣(∑i=1nXi)=∑i=1nV(Xi)V\!\left(\sum_{i=1}^{n} X_i\right)=\sum_{i=1}^{n} V(X_i)V(∑i=1n​Xi​)=∑i=1n​V(Xi​) sous l'hypothèse d'indépendance mutuelle

Pour comprendre, fais des exercices !

Comment calculer $V(X_1+\dots+X_n)$ pour des variables aléatoires indépendantes ?

En appliquant $V\!\left(\sum_{i=1}^{n} X_i\right)=\sum_{i=1}^{n} V(X_i)$ sous l'hypothèse d'indépendance mutuelle