1 files changed, 53 insertions, 0 deletions
diff --git a/PBS1/Couple Aléatoire.md b/PBS1/Couple Aléatoire.md
new file mode 100755
index 0000000..ce6b43b
--- /dev/null
+++ b/PBS1/Couple Aléatoire.md
@@ -0,0 +1,53 @@
+# Couple aléatoire
+## Définition
+
+Un couple aléatoire discret est un coupl $(X,Y)$ de V.A. définies sur le même univers $\Omega$ et à valeurs dans $X(\Omega) \times Y(\Omega)=\{(x,y):x \in X(\Omega), y \in Y(\Omega)\}$
+
+On note $\{ X = x, Y = y \}$ l'évènement $X = x \cap Y = y$
+## Loi du couple
+On appelle loi de probabilité ou loi jointe du couple $(X,Y)$ l'application
+$$
+\begin{align}
+\mathbb{P}_{XY}: \qquad X(\Omega) \times Y(\Omega) &\longrightarrow [0,1] \\
+(x,y) &\longmapsto \mathbb{P}_{XY}(x,y) = \mathbb{P}(X=x,Y=y)
+\end{align}
+$$
+## Fonction de répartition
+La connaissance de $\mathbb{P}_{XY}$ équivaut à celle de la fonction de répartition définie pour tout $(x,y) \in \mathbb{R}^2$ par :
+$$
+F_{XY}(x,y) = \mathbb{P}(X \leq x, Y\leq y)
+$$
+## Lois marginales
+On appelle loi marginale de $X$ l'application $\mathbb{P}_{X}$ de $X(\Omega)$ dans $[0,1]$ définie pour tout $x \in X(\Omega)$ par
+$$
+\mathbb{P}_{X}(x) = \mathbb{P}(X = x) = \sum_{y \in Y(\Omega)} \mathbb{P}_{XY}(x,y)
+$$
+Par analogie, on a
+$$
+\mathbb{P}_{Y}(y) = \mathbb{P}(Y = y) = \sum_{x \in X(\Omega)} \mathbb{P}_{XY}(x,y)
+$$
+## Lois conditionnelles
+Soit $(X,Y)$ un couple aléatoire discret. On appelle loi conditionnelle de $X$ sachant $Y$ l'application $\mathbb{P}_{X|Y}$ de $X(\Omega)$ dans $[0,1]$ définie pour tout couple $(x,y) \in X(\Omega) \times Y(\Omega)$ par
+$$
+\mathbb{P}_{X|Y}(x|y) = \mathbb{P}(X = x | Y = y) = \frac{\mathbb{P}_{XY}(x,y)}{\mathbb{P}_{Y}(y)}
+$$
+De façon analogue, on a $\mathbb{P}_{Y|X}$ :
+$$
+\mathbb{P}_{Y|X}(y|x) = \mathbb{P}(Y = y | X = x) = \frac{\mathbb{P}_{XY}(x,y)}{\mathbb{P}_{X}(x)}
+$$
+## Indépendance
+On dit que $X$ et $Y$ sont **indépendantes** ssi pour tout $x \in X(\Omega)$ et tout $y \in Y(\Omega)$,
+$$
+\mathbb{P}(X = x | Y = y) = \mathbb{P}(X = x) \quad et \quad \mathbb{P}(Y = y | X = x) = \mathbb{P}(Y = y)
+$$
+## Covariance
+Si $X$ et $Y$ sont définies sur le même $\Omega$, on appelle **covariance** de ces deux variables le réel :
+$$
+Cov(X,Y) = \mathbb{E}[(X - \mathbb{E}(X))(Y - \mathbb{E}(Y))]
+$$
+Ou aussi $Cov(X,Y) = \mathbb{E}(X \cdot Y) - \mathbb{E}(X) \cdot \mathbb{E}(Y)$
+### Interprétation
+- $Cov(X,Y) > 0 \implies$ Plus $X$ grandit, plus $Y$ grandit aussi
+- $Cov(X,Y) < 0 \implies$ Quand $X$ augmente, $Y$ diminue (et vice-versa)
+- $Cov(X,Y) \approx 0 \implies$ Les 2 variables ne sont pas vraiment liées
+## Corrélation
+\ No newline at end of file