Comment obtenir les lois… : En sommant la loi conjointe sur les… — ECG2 approfondies | MetMat

Comment obtenir les lois marginales à partir de la loi d'un couple ou d'un $n$ -uplet ?

En sommant la loi conjointe sur les autres variables dans le cas discret

Calculer la loi marginale $P(X_i=x_i)$ à partir de la loi conjointe discrète par sommation sur les autres coordonnées.

Maîtriser

Reconnaître

Résoudre

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

Soit $(X,Y)$ un couple discret dont la loi conjointe est donnée sur $\{0,1\}^2$ par : $P(0,0)=\frac{1}{4}$ , $P(0,1)=\frac{1}{4}$ , $P(1,0)=\frac{1}{6}$ , $P(1,1)=\frac{1}{3}$ . Déterminer la loi marginale de $X$ .

L'objectif

Calculer la loi marginale $P(X_i=x_i)$ à partir de la loi conjointe discrète par sommation sur les autres coordonnées.

Le principe

Pour un vecteur aléatoire discret $(X_1,\dots,X_n)$ , $P(X_i=x_i)=\sum_{(x_j)_{j\neq i}} P(X_1=x_1,\dots,X_n=x_n)$ , la somme étant absolument convergente par positivité des probabilités.

La méthode

1
Je précise les supports $X_j(\Omega)$ pour chaque indice $j$ et je me donne $x_i\in X_i(\Omega)$ .
2
J'écris la loi conjointe $P(X_1=x_1,\dots,X_n=x_n)$ pour tout $(x_1,\dots,x_n)$ sous forme de tableau ou de formule explicite.
3
Je somme sur toutes les valeurs des variables autres que $X_i$ : $P(X_i=x_i)=\sum_{(x_j)_{j\neq i}\in \prod_{j\neq i} X_j(\Omega)} P(X_1=x_1,\dots,X_n=x_n)$ .
4
Je simplifie la somme pour reconnaître si possible une loi usuelle (Bernoulli, binomiale, Poisson, géométrique, etc.).

Pour comprendre, fais des exercices !

Exercice d'exemple

Étape 1 —

Je précise les supports

X_j(\Omega)

pour chaque indice

j

et je me donne

x_i\in X_i(\Omega)

Les supports sont $X(\Omega)=Y(\Omega)=\{0,1\}$ ; je cherche $P(X=0)$ et $P(X=1)$ .

Étape 2 —

J'écris la loi conjointe

P(X_1=x_1,\dots,X_n=x_n)

pour tout

(x_1,\dots,x_n)

sous forme de tableau ou de formule explicite.

La loi conjointe est tabulée : $P(X=i,Y=j)$ donnée pour chaque $(i,j)\in \{0,1\}^2$ .

Étape 3 —

Je somme sur toutes les valeurs des variables autres que

X_i

P(X_i=x_i)=\sum_{(x_j)_{j\neq i}\in \prod_{j\neq i} X_j(\Omega)} P(X_1=x_1,\dots,X_n=x_n)

$P(X=0)=P(X=0,Y=0)+P(X=0,Y=1)=\frac{1}{4}+\frac{1}{4}=\frac{1}{2}$ , et $P(X=1)=\frac{1}{6}+\frac{1}{3}=\frac{1}{2}$ .

Étape 4 —

Je simplifie la somme pour reconnaître si possible une loi usuelle (Bernoulli, binomiale, Poisson, géométrique, etc.).

Je reconnais : $X\sim \mathcal{B}\!\left(\frac{1}{2}\right)$ (Bernoulli).

$X\sim \mathcal{B}\!\left(\frac{1}{2}\right)$ .

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 obtenir les lois marginales à partir de la loi d'un couple ou d'un nnn-uplet ?

En sommant la loi conjointe sur les autres variables dans le cas discret

Pour comprendre, fais des exercices !

Comment obtenir les lois marginales à partir de la loi d'un couple ou d'un $n$ -uplet ?