Densité de probabilité

Définition

On dit que le vecteur aléatoire X = ( X 1 , , X n ) X=( X_1 , dotsaxis ,X_n ) (ou sa loi) est absolument continu(e) si il existe une fonction mesurable

( n , β ( n ) ) ( + , β ( + ) ) ( setR ^{n} ,%beta _(setR ^{n})) toward ( setR ^+ ,%beta _(setR ^+}))

telle que, pour tout x = ( x 1 , , x n ) x=( x_1 , dotsaxis ,x_n ) dans n setR ^n , on ait :

P X ( ] , x 1 ] × × ] , x n ] ) = x 1 x n f x ( u 1 , , u n ) du 1 du n P_X\( \]- %infinite , x_1 \] times dotslow times \]- %infinite , x_n \]\)= int from{- infinity } to{x_1 } dotsaxis int from{- infinity } to{x_n }f_x( u_1 , dotsaxis ,u_n)du_1 dotsaxis du_n

La fonction  f X f_X est appelée densité de probabilité conjointe du vecteur X X .

Proposition

Toute densité de probabilité conjointe f X f_X de n setR ^n vérifie les trois assertions suivantes :

  1. f X f_X est positive ;

  2. f X f_X est mesurable ;

  3. f X f_X est intégrable et

    n f X ( x 1 , , x n ) dx 1 dx n = 1 int from{ setR ^n} f_X( x_1 , dotsaxis ,x_n )dx_1 dotsaxis dx_n=1

    Réciproquement toute fonction  f X f_X dans n setR ^n vérifiant 1); 2) et 3) est une densité de probabilité.